《Journal of Building Engineering》：Prediction of HVAC Operational Variables Using Recurrent Neural Networks for Advanced Control Strategies
编辑推荐：
本研究对比了标准RNN、LSTM和GRU三种RNN架构在HVAC系统多变量预测中的性能。基于真实办公楼的高分辨率数据（2018-2020），通过两阶段超参数优化，发现GRU模型在准确性和稳定性上表现最佳，平均R2达0.80，部分变量达0.99，验证了其在智能建筑控制中的适用性，并指出未来需扩展模型和数据的比较。
Merve KURU ERDEM|Osman GOKALP|Gulben CALIS
埃杰大学，工程学院，土木工程系，35040，博尔诺瓦，伊兹密尔，土耳其
摘要
供暖、通风和空调（HVAC）系统是建筑物中主要的能源消耗者，因此准确预测其运行参数对于提高能源效率和居住者舒适度至关重要。本研究比较了三种循环神经网络（RNN）架构，即标准RNN、长短期记忆网络（LSTM）和门控循环单元（GRU），使用来自实际办公楼的高分辨率数据（2018-2020年）对九个HVAC参数进行多输入多输出预测。采用了两阶段超参数优化方法，调整网络深度、宽度、学习率和批量大小。结果表明，具有16个节点的单隐藏层的浅层架构、0.001的学习率和64的批量大小在准确性和泛化能力之间取得了最佳平衡。虽然标准RNN的误差较高且稳定性较低，但LSTM和GRU的表现都很好。GRU在交叉验证中的平均排名最低（4.2），平均验证损失最小（0.0049），显示出更优秀的一致性和可靠性，因此被选为最终评估模型。在保留测试集上，GRU的表现始终优于其他模型，在九个参数中有七个参数的R2值超过0.81，其中室内平均温度的R2值达到0.99，整体平均R2值为0.80。这些结果突显了GRU在准确性、稳定性和效率方面的优势，表明其适用于智能建筑控制。本研究的范围仅限于三种基于RNN的架构，并且超参数搜索受到了限制；未来的工作应扩展到更广泛的模型家族和数据集。
部分摘录
引言
供暖、通风和空调（HVAC）系统对能源效率和居住者舒适度有着重要影响，是可持续建筑运营的基石[1]、[2]、[3]。准确的HVAC模型能够捕捉HVAC系统的复杂、非线性和时间依赖性动态，而传统的回归或单变量时间序列方法往往无法实现这一点[4]、[5]。利用这些模型可以开发出预测性和自适应的控制策略。
方法
本研究选择了标准RNN、LSTM和GRU作为循环神经网络来预测HVAC运行参数，并比较了它们的性能。选择这些RNN架构是因为它们在捕捉时间依赖性方面具有不同的能力。标准RNN具有简单的循环结构，但由于梯度消失问题而效果较差，不适用于长序列处理。LSTM结合了门控机制，能够学习长期依赖性。
数据集描述
本研究使用了Luo等人[38]收集的开放获取数据集。数据覆盖了2018年至2020年期间，来自加利福尼亚州伯克利劳伦斯伯克利国家实验室园区的一座中型办公楼。该建筑被称为59号楼或Wang Hall，分为南北两翼，包含57个热区。带有外墙和窗户的热区被归类为周边区域，其他区域则视为...
实验设置
本研究对HVAC系统的运行数据进行了建模，以支持高级控制策略的开发，包括强化学习和深度强化学习[47]、[48]、[49]、[50]、[51]、[52]。在这些策略中，“代理”通过观察环境和HVAC相关变量来学习控制HVAC系统。这些变量代表了“状态”，即环境的数学抽象，其中包含相关和有用的特征...
模型性能
本研究比较了三种RNN架构——标准RNN、LSTM和GRU——在预测基于RTU的HVAC系统运行参数方面的性能。在测试的模型中，具有一个隐藏层和16个节点的GRU架构在准确性、收敛速度和R2分数方面始终表现最佳。在大多数预测参数上，它的表现都优于标准RNN和LSTM。这些结果支持了GRU模型在多变量建模方面的有效性。
结论
本研究对三种RNN架构（标准RNN、LSTM和GRU）进行了全面的比较分析，以预测MIMO框架下的HVAC系统的多个关键运行参数。利用来自实际办公楼的高分辨率传感器数据，根据MSE、RMSE、MAE、MSLE和R2等多个指标评估了这些模型的性能。本研究的主要发现如下：
●GRU的总体性能
作者贡献声明
Gulben Calis：撰写 – 审稿与编辑、监督、项目管理、概念构思。Osman Gokalp：撰写 – 审稿与编辑、初稿撰写、可视化、软件开发、方法论、数据管理、概念构思。Merve Kuru Erdem：撰写 – 审稿与编辑、初稿撰写、软件开发、方法论、数据管理、概念构思
资金来源
本研究未获得公共部门、商业部门或非营利组织的任何特定资助。
利益冲突声明
? 作者声明他们没有已知的可能会影响本文所报告工作的竞争性财务利益或个人关系。
