Control by machine learning : HVAC application
Régulation par apprentissage : application au conditionnement d'air
Abstract
The aim of this article is to demonstrate methodology making if possible to use data provided by a sensor network via machine learning methods in order to control building services automatically in a smart manner taking into account the physical properties of the building as well actual use and occupant comfort. Firstly, the methodology and experimental approach are described. Then the inital results of the implementation of a predictive control law within a test building at Berkeley University are presented. A significant decrease in the energy consumption required for air conditionning was mesured, and extrapolation to the entire building demonstrates true potential efficiency.
L'objectif de cet article est de montrer une méthodologie permettant d'utiliser les données fournies par un réseau de capteurs via des méthodes de machine learning afin de contrôler les services d'un bâtiment automatiquement et intelligemment tout en tenant compte non seulement ses propriétés physiques, mais aussi de son utilisation réelle et du confort des occupants. La méthodologie et l’expérimentation sont d’abord exposées. Ensuite, les premiers résultats de l’implémentation d’une loi de commande prédictive au sein du bâtiment qui sert de test à l’Université de Berkeley sont présentés. Une baisse significative de la consommation d’énergie relative à l’usage de l’air conditionné est mesurée et son extrapolation à l’ensemble du bâtiment montre un potentiel d’efficacité réel.