1 / 21

進度報告

進度報告. Presenter : Min- chia Chang Advisor : Prof. Jane Hsu Date : 201 1 - 04 - 0 9. 系統 架構 - 空調 情況 分析. motion sensor state. AC waste analysis. AC state predictor. result of AC waste. AC information. AC state. thermal comfort calculator. thermal comfort

hyman
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 - 04- 09

  2. 系統架構 - 空調情況分析 motion sensor state AC waste analysis AC state predictor result of AC waste AC information AC state thermal comfort calculator thermal comfort questionnaire thermal comfort range Tindoor Toutdoor NTU CSIE iAgent Lab

  3. 分析 • 即時資料 • 歷史資料 NTU CSIE iAgent Lab

  4. 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

  5. 分析 即時資料 :咖啡色 歷史資料 :咖啡色+紫色 • 區域(zone) • 三種空調情況 (無人但空調開啟, 過冷, 過熱) • 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) • 三種空調情況 • 1. 該房間每個區域的 mn= N且 至少有一區域的 yn≠0 • 2. 在 mn=Y, yn=2 的區域中, 符合Tindoor < TcomfortableRange 的區域數大於等於 50% • 3. 在 mn=Y, yn=2 的區域中, 符合Tindoor > TcomfortableRange 的區域數大於等於 50% • 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

  6. 即時資料 motion sensor state read from DB • calculating program • machine learning model AC waste analysis AC state predictor result of AC waste AC information AC state read from DB write to DB thermal comfort calculator thermal comfort questionnaire thermal comfort range Tindoor • Tcomfort = a × Toutdoor + b • offset of the range Toutdoor

  7. 即時資料 • 一次讀取10分鐘資訊，分析每分鐘之情況 • 情況 :{正常, 無人但空調開啟, 過冷, 過熱} • 一次讀取10分鐘是為了motion sensor的時間延遲 • NNNNYYYYYY-> NNNNYYYYYY • YYYYYYYNNN -> NNNNNNNNNN NTU CSIE iAgent Lab

  8. 歷史資料 有標註(label)的資料 一月, 二月, 三月 Another testing data Dataset one AC state predictor AC information collector error prediction NTU CSIE iAgent Lab

  9. 遇到的問題 Q : 空調狀態預測錯誤 解1: 標註更多資料增加 training dataset,但仍預測錯誤…… 解2 : 將各區域分開 train and test,但仍預測錯誤…… 解3: 刪除 noise,但仍預測錯誤…… NTU CSIE iAgent Lab

  10. 解3: 刪除 noise,但仍預測錯誤 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

  11. 遇到的問題 Q : 空調狀態預測錯誤 解1: 標註更多資料增加 training dataset,但仍預測錯誤…… 解2 : 將各區域分開 train and test, ,但仍預測錯誤…… 解3: 刪除 noise,但仍預測錯誤…… 解4: 重新檢視有標註的資料，發現…… NTU CSIE iAgent Lab

  12. 解4: 重新檢視有標註的資料 1.有些區域的送風與冷氣的出風口資料太相似(幾乎一樣): • 送風 : (9-10 ℃,60-64%) • 冷氣 :(8.7-9.8℃,60-66%) →把這些區域的送風也標註成冷氣 →yn={0,2} NTU CSIE iAgent Lab

  13. 解4: 重新檢視有標註的資料 2.同區域不同狀態的資料範圍在不同氣候下會重複 • 例 : 此例天氣冷-關 與天氣適中-開 的溫度一樣 testing data : (15, 75%) →model 會接著按照溼度部分去分 => 天氣適中-開 (卻分成天氣冷-關) 原因 :1. 溫度 dominate 2.training data 中，天氣冷的資料較多 NTU CSIE iAgent Lab

  14. 解法 testing data : (15, 75%) 解法 :normalization [0,1] testing data : (0.5, 0.875) → (天氣適中) 開 註 :normalization後，testing data <0 or >1 的情況? NTU CSIE iAgent Lab

  15. 空調預測現況 • 各區域分開 train and test • 內插 • Feature : • 溫溼度 • 溫溼度差(室內, 室外) • 溫溼度差(室內, 出風口) • normalization [0,1] → 預測正確 • 之後 : 用上述程序, 加上地點的feature, 各區域標註的資料學一個model(例:16區train, 2區test) NTU CSIE iAgent Lab

  16. 系統架構 - 高(異常)用電因素找尋 clustering analysis result of clustering power consumption Of AC reasons for high AC’s power consumption data association many possible reasons …… NTU CSIE iAgent Lab

  17. 問題定義 : 高(異常)用電因素找尋 • clustering analysis: • input : 空調冰水主機耗電(小時) • output :用電分群結果 , PAC = { 低, 中, 高 } • data association: • input : PAC, 許多可能的因素(例 : context data, 各sensor量測到的狀態 ……) • output : 高用電因素 NTU CSIE iAgent Lab

  18. 下一步要做的事 • 空調情況分析(論文) • 高用電因素找尋(實驗) NTU CSIE iAgent Lab

  19. backup NTU CSIE iAgent Lab

  20. 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

  21. Condition of AC waste • waste situation • mn = no and (yn = 1 or yn = 2) • mn = yes and yn = 2 and Tindoor < TcomfortableRange • mn = yes and yn = 2 and Tindoor > TcomfortableRange NTU CSIE iAgent Lab

More Related