苹果|一张某厂的建筑暖通「AI节能架构图」解读( 二 )

2022-12-12 VR 苹果电动汽车增强现实

应该是包含了负载相似日+环境相似日+模式相似日。
直接通过相似日就能直接获取到“候选解” ，这部分有些跳跃，但根据候选解再进入到冷冻单元模型，二次侧模型即可以判断整个流程中是通过相似日迅速定位到哪些日子的控制参数的专家经验控制值，然后拿着这些候选操作方式去计算冷冻单元的完整耗电量，再通过管路侧的模型，计算出来完整的制冷量。
有了以上两个预测出来的核心指标再进行排序，逻辑很简单，满足制冷量的，能耗最优的控制参数，就是最终需要的“最优解输出”

3)小结

用一种比较取巧“相似日”计算的方式（XGBoost应该就是在这应用了）来减少后面对于模型服务的计算消耗，因为直接基于天气进行控制参数遍历势必会消耗非常多的算力和时间。过去的相同状态控制策略中，最节能的那一种就是整个寻优工程里面的最优解。
那跑不掉了，这家大厂使用的面向独立项目的全黑箱模型，基于历史操控经验，去取历史最优的控制策略当最优解，对过往的专家控制经验依赖极大。但确实也是当下最直接高效能见效的方式。所以这种单个项目也远远谈不上“大数据”也用不上那么强大的“飞浆”工程化底座了。

上一篇：企业动态|网友发现黄桃罐头里面有石头厂家：是麦饭石、可增加微量元素

下一篇：spring|小米13深入贯彻三年探索心得：高端无短板，从参数领先到体验优先