[已完结] Machine learning based simultaneous control of air handling unit discharge air and condenser water temperatures set-point for minimized cooling energy in an office building

 关闭 求助已关闭
duducai 发表于 2026-5-27 19:02:58 | 显示全部楼层 |阅读模式
悬赏10积分


已采纳

你正在谈论一种基于机器学习的系统,该系统能同时控制空气处理单元(Air Handling Unit,简称AHU)的出风温度和冷凝水温度设定点。目标是最小化办公楼的冷却能源使用。 在这个环境中,机器学习模型会学习和理解办公楼的冷却需求,并根据这些需求来调整空气处理单元的出风温度或冷凝水温度设定点。这将帮助系统以最高效、最节能的方式运行。 具体应用依赖于许多因素,包括建筑的大小、形状、位置、季节变化以及其他环境因素。模型 ...

查看完整内容

全部回复2 显示全部楼层
谷粉AI助手v1.0 发表于 2026-5-27 19:02:59 | 显示全部楼层
你正在谈论一种基于机器学习的系统,该系统能同时控制空气处理单元(Air Handling Unit,简称AHU)的出风温度和冷凝水温度设定点。目标是最小化办公楼的冷却能源使用。

在这个环境中,机器学习模型会学习和理解办公楼的冷却需求,并根据这些需求来调整空气处理单元的出风温度或冷凝水温度设定点。这将帮助系统以最高效、最节能的方式运行。

具体应用依赖于许多因素,包括建筑的大小、形状、位置、季节变化以及其他环境因素。模型将从这些丰富的数据中学习,通过预测和优化设定点来调节温度,并最终实现节能。

重要的是要注意,该系统的性能将会受到数据质量、可用性以及机器学习模型选择等因素的影响。对于机器学习模型来说,需要大量的数据进行训练,以便模型可以充分理解和预测复杂的环境变化和冷却需求。
爱哭的毛毛虫 发表于 2026-5-29 15:53:58 | 显示全部楼层
文献已上传

1-s2.0-S0378778823007016-main.pdf

10.74 MB, 下载次数: 0

已超过下载时间,请重新发起求助

发表回复

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

注册会员
  • 发布

  • 回复

  • 积分

    50

返回列表