Huotari Matti; Machine Learning Applications for Energy Utilization of Smart Buildings / Älyrakennusten energiankäytön koneoppimismalleista. (Väitöskirja)
Tiivistelmä
Älyenergiaratkaisut tarjoavat joustavaa ja kestävää energiaa rakennuksissa ja liikenteessä.Älyenergiasovelluksia käytetäänkin enenevässä määrin rakennetussa ympäristössä.Samanaikaisesti ratkottavia ongelmia älyenergiasovelluksissa ovat energiansäästö,lämpöviihtyvyys, ja epänormaalien tilanteiden hallinta. Uusiutuvien energianlähteiden lisääntynyt käyttö ja lainsäädännön tiukentuneet vaatimukset energiankäytöstä vaativat uusia ratkaisuja, joita älyenergiasovellukset voivat tarjota. Ne soveltuvat erityisen hyvin, jos vaatimuksia on monia tai neovat jopa näennäisesti ristiriitaisia. Tällaisia vaatimuksia ovat muun muassa järjestelmien käytön optimointi, kulujen vähentäminen, uusiutuvan energian liittäminen järjestelmään ja käyttäjien lämpöviihtyvyys.
Tämä tutkimus pohtii älyenergiasovelluksia rakennuksissa. Aihetta lähestytään tutkimuskysymysten kautta: (i) Minkä algoritmien avulla voidaan tutkia akkulaitteiston ikääntymistä ja mikä on algoritmisesta mallista saatujen tulosten epävarmuus? (ii) Kuinka mallintaa, kun pohjadata on epätasapainoissa ja ei ole täydellisen kattavaa (esimerkkinä ilmanvaihtolaitteen data)? (iii) Miten ottaa huomioon ihmiset lämpöviihtyvyyden määrityksessä ja siihen liittyvässä päätöksenteossa? (iv) Minkälaisia tarpeita on olemassa älyenergiasovelluksille ja mitkä sovellukset tarjoavat ratkaisuja niille?
Jokaista tutkimuskysymystä käsiteltiin uusilla keinoilla, kehitetyt ratkaisut luokiteltiin taksonomisesti, ja kaikki tutkimustulokset julkaistiin lopulta viitenä julkaisuna. Ehdotettujen sovellusten sopivuus varmennettiin tapaustutkimusten avulla. Koneoppimista voidaan soveltaa monitahoisiin ongelmiin rakennusten energiankäyttöön liittyen. Saadut tutkimustulokset antavat viitettä siitä, että ehdotetut sovellukset voivat ratkaista ongelmia, jotka liittyvätenergiatehokkuuteen, lämpöviihtyvyyteen ja huoltoon.