1 / 47

進度報告

進度報告. Presenter : Min- chia Chang Advisor : Prof. Jane Hsu Date : 201 1 - 05 - 0 9. 大綱. 空調使用情形分析 系統架構 空調模式辨識 分析結果. 大綱. 空調使用情形分析 系統架構 空調模式辨識 分析結果. 系統架構 - 空調使用情形分析. 有無人使用 狀態. 異常使用空調事件偵測 ?? (anomaly detection). 空調使用情形 計算. 空調模式 辨識. 空調使用情形. 空調 相關資訊. 空調模式. 熱舒適溫度 計算.

lala
Download Presentation

進度報告

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 進度報告 Presenter : Min-chia Chang Advisor : Prof. Jane Hsu Date : 2011 - 05- 09

  2. 大綱 • 空調使用情形分析 • 系統架構 • 空調模式辨識 • 分析結果 NTU CSIE iAgent Lab

  3. 大綱 • 空調使用情形分析 • 系統架構 • 空調模式辨識 • 分析結果 NTU CSIE iAgent Lab

  4. 系統架構 -空調使用情形分析 有無人使用 狀態 異常使用空調事件偵測?? (anomaly detection) 空調使用情形 計算 空調模式 辨識 空調使用情形 空調 相關資訊 空調模式 熱舒適溫度 計算 熱舒適溫度 問卷 熱舒適溫度 範圍 室內溫度 室內外溫度

  5. 符號說明 空調模式辨識 有無人使用狀態 熱舒適溫度計算 空調使用情形計算 NTU CSIE iAgent Lab

  6. 各部份輸出 • 空調模式辨識 • 標記 • 空調模式辨識結果 • 有無人使用狀態 • 熱舒適溫度計算 • 線性方程式 • 熱舒適溫度與其範圍上下限之差距 • 結果 NTU CSIE iAgent Lab

  7. 空調使用情形計算輸出 • 意義 • 0 : 無使用者而空調開啟 • 1 : 使用者使用空調情形為過冷 • 2 : 使用者使用空調情形為過熱 • 3: 正常 NTU CSIE iAgent Lab

  8. 大綱 • 空調使用情形分析 • 系統架構 • 空調模式辨識 • 分析結果 NTU CSIE iAgent Lab

  9. 系統架構 -空調使用情形分析 有無人使用 狀態 空調使用情形 計算 空調模式 辨識 空調使用情形 空調 相關資訊 空調模式 熱舒適溫度 計算 熱舒適溫度 問卷 熱舒適溫度 範圍 室內溫度 室內外溫度

  10. 空調模式辨識 • Dataset NTU CSIE iAgent Lab

  11. 數據 : 2010-11 ~ 2011-03 NTU CSIE iAgent Lab

  12. 異常資料範例 例 : 10:20, 17,0 10:21, 16.9 10:22, 16.9 10:23, 13.2 10:24, 16.8 10:25, 16.9 …… NTU CSIE iAgent Lab

  13. 數據 : Dataset D1 – D3 (有標記) NTU CSIE iAgent Lab

  14. 空調模式辨識 NTU CSIE iAgent Lab

  15. 實驗情境 • model • 只學習區域i的資料 • 學習每個區域的資料 • trainingdata 和 testingdata 的關係 • 實驗一 : testing data 的天氣型態皆在 training data 出現 (D1 – D3 Cross-Validation) • 實驗二 : testing data 的天氣型態不一定在 training data 出現 (實際情況) NTU CSIE iAgent Lab

  16. Cross-Validation : 3-Fold NTU CSIE iAgent Lab

  17. 結論 : 實驗一 xbest=(TV , HV , TI, HI, TO,HO,AChost,Acdegree, ACspeed )於實驗一有不錯的準確率 • 實際情況 (實驗二) 是否也有不錯的準確率? NTU CSIE iAgent Lab

  18. 實際情況辨識時…… • 辨識結果怪異?(e.g. : 一個月內皆辨識成同一種標記) →使用xbest學到的資料分布狀態與 testing data 的不同 • 實驗2 : →使用D1當training data, D2+D3當testing data NTU CSIE iAgent Lab

  19. 改進 • 新的特徵 NTU CSIE iAgent Lab

  20. 改進 • 正規化 • 每個特徵的數值範圍不同 • e.g. : 溫度 :0 – 45 (℃) 濕度 :0– 100 (%) →有些特徵可能 dominate g(x)之變化 • 填補缺失資料 • 各區域缺失資料佔 27% - 59% • 使用 Interpolation+ Encoding 填補 NTU CSIE iAgent Lab

  21. 補充 : 缺失資料數目 NTU CSIE iAgent Lab

  22. 結果 : 新的特徵 + 正規化 + 填補缺失資料 NTU CSIE iAgent Lab

  23. 各特徵的數值範圍 NTU CSIE iAgent Lab

  24. 比較 : train/test相反 NTU CSIE iAgent Lab

  25. 結論 : 實驗二 • 最佳組合 • xbest_2=(∆TI,V 、∆HI,V 、 ∆HI,O 、∆HV,O)+正規化 + 填補缺失資料 • 實驗二的情境包含了實驗一的情境 • 上述組合亦適用於實驗一 NTU CSIE iAgent Lab

  26. 學習每個區域的資料 NTU CSIE iAgent Lab

  27. 學習每個區域的資料 • train : D1test : D2+D3 • train : floor1+floor2 test : floor3+floor4+floor5 NTU CSIE iAgent Lab

  28. 大綱 • 空調使用情形分析 • 系統架構 • 空調模式辨識 • 分析結果 NTU CSIE iAgent Lab

  29. 分析 即時資料 :咖啡色 歷史資料 :咖啡色+紫色 • 區域(zone) • 四種空調使用情形 (無人但空調開啟, 過冷, 過熱, 正常) • 各種空調、有/無人狀態比例 • 周一至周日每個時段(小時)的空調情況比例 • 周間與周末每個時段(小時)的空調情況比例 • 房間(room) • 四種空調使用情形 • 1. 該房間每個區域的 ot= 0 且 至少有一區域的 yt≠0 • 2. 在 ot=1 , yt=2 的區域中, 符合TtI < Ttlb的區域數 ≧ 50% • 3. 在 ot=1, yt=2 的區域中, 符合TtI > Ttub 的區域數 ≧ 50% • 4. 其他 • 周一至周日每個時段(小時)的空調情況比例 • 周間與周末每個時段(小時)的空調情況比例 NTU CSIE iAgent Lab

  30. 圖示 : 情形一 yt = 0 yt = 2 yt = 2 × × →St = 0 yt = 0 yt = 2 yt = 0 yt = 2 × × NTU CSIE iAgent Lab

  31. 圖示 : 情形二 yt = 2 (Ttlb ≦TtI ≦Ttub) yt = 1 →St = 1 yt = 2 (TtI < Ttlb) yt = 2 (TtI < Ttlb) NTU CSIE iAgent Lab

  32. 圖示 : 此情形 (未考慮到) yt = 0 yt = 2 (TtI < Ttlb) →St = 3 yt = 2 (TtI < Ttlb) yt = 0 NTU CSIE iAgent Lab

  33. 房間 St 假設一房間有區域i=1…M • St=0 • if (∀ ot,i=0) and (∃ yt,i ≠ 0) • St=1 • if (∃ ot,i=1) and ( ∑⟦ yt,i=2 and Tt,iI<Tt,ilb⟧ / ∑⟦yt,i=2⟧ ) ≧ 0.5 • St=2 • if (∃ ot,i=1) and ( ∑⟦ yt,i=2 and Tt,iI>Tt,iub⟧ / ∑⟦yt,i=2⟧ ) ≧ 0.5 • St=3 • otherwise NTU CSIE iAgent Lab

  34. 2011.03 R204 周間v.s.周末 周間 周末 NTU CSIE iAgent Lab

  35. 2011.03 R204, R336 一周變化 R204 R336 NTU CSIE iAgent Lab

  36. backup NTU CSIE iAgent Lab

  37. Display (history) • zone • percentage of each state (ac, motion) during a period • percentage of each waste situation during a period (previous) • from Monday to Sunday, the count of each waste situation for each time interval (hour) • room • percentage of each waste situation during a period • 1.every zone in the room that mn= 0 and there exists at least one zone that yn≠0 • 2. within the zones (mn=1, yn=2), calculate number of the zones that conform to Tindoor<TcomfortableRange more than50%or not • 3. within the zones (mn=1, yn=2), calculate number of the zones that conform to Tindoor>TcomfortableRange more than50%or not • from Monday to Sunday, the count of each waste situation for each time interval (hour) NTU CSIE iAgent Lab

  38. 地點 • 區域 (zone, 18區) • R104_1, R104_2, R104_3, R104_4 (教室) • R204_1, R204_2, R204_3, R204_4, R204_5, R204_6(電腦教室) • R318_1(教授研究室) • R324_1, R324_2(研討室) • R336_1, R336_2(實驗室) • R439_1(研討室) • R521_1, R521_2(研討室) • 房間(room, 7間) • R104, R204, R318, R324, R336, R439, R521 NTU CSIE iAgent Lab

  39. 數據 : 2010-11 ~ 2011-03 (未heuristic刪) NTU CSIE iAgent Lab

  40. range比較 NTU CSIE iAgent Lab

  41. range比較 NTU CSIE iAgent Lab

  42. range比較 NTU CSIE iAgent Lab

  43. range比較 NTU CSIE iAgent Lab

  44. range比較 NTU CSIE iAgent Lab

  45. range比較 NTU CSIE iAgent Lab

  46. NTU CSIE iAgent Lab

  47. NTU CSIE iAgent Lab

More Related