인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Purpose: Beyond the essential concerns of economy and maintenance for intermittently occupied spaces, there’s a critical need to investigate high performance control methodologies. The goal is a dual imperative: significantly enhancing occupant thermal comfort while optimizing the energy performance profile of these often-fleeting architectural assets. Method: The core method integrates a conventional thermostat model with an adaptive control process. This adaptive layer continuously analyzes and incorporates real-time changes in human-centric factors (like occupancy and adaptive comfort expectations) as dynamic system inputs. These refined control patterns, which integrate both the building’s physics and occupants’ behavior, are used to train a machine learning-based predictive control model. The subsequent analysis rigorously assesses the model’s control validity and energy efficiency. Results: The performance assessment demonstrates significant efficiency for the developed learning predictive model when compared to the baseline conventional thermostat control. In thermal comfort consistency, a substantial improvement of approximately 84.8% is observed in meeting the thermal comfort index. In operational energy reduction, the model achieves an estimated 7.4% reduction.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094566564
