A Survey on Semantic Modeling for Building Energy Management
Deze enquête analyseert 60 semantische modellen en meer dan 20 op ontologie gebaseerde use cases om de huidige capaciteiten en hiaten in de semantische modellering van gebouwenergiebeheer (BEM) te evalueren, waarbij wordt onthuld dat hoewel fysieke structuren en apparaten goed worden gerepresenteerd, abstracte operationele concepten inconsistent worden gedekt, wat daarmee de ontwikkeling van generaliseerbare en autonome BEM-toepassingen belemmert.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je een enorm, hoogtechnologisch gebouw voor als een levend organisme. Het heeft een skelet (muren, vloeren), een zenuwstelsel (sensoren, bedrading) en een brein (de beheersoftware) dat probeert het gebouw comfortabel en energiezuinig te houden.
Lange tijd had dit "brein" moeite om met de "zenuwen" te communiceren. Waarom? Omdat elke sensor, thermostaat en energiemeter een andere taal sprak. De ene fabrikant zei "Temperatuur", een andere zei "Temp", en een derde stuurde alleen een ruw getal zonder aan te geven wat de eenheid was. Dit maakte het voor het brein van het gebouw onmogelijk om het volledige plaatje te begrijpen of slimme beslissingen te nemen.
Dit artikel is een onderzoek naar de "woordenboeken" (ontologieën) die onderzoekers hebben ontwikkeld om deze verschillende talen te vertalen naar één universele taal, zodat het gebouw helder kan nadenken.
Hier is een overzicht van wat het artikel heeft gevonden, met behulp van eenvoudige analogieën:
1. Het probleem: Een Toren van Babel
De auteurs leggen uit dat, hoewel we enorme hoeveelheden data hebben uit gebouwen (zoals weer, energieverbruik en wie er in een kamer is), de data rommelig is. Het is alsof je een orkest probeert te dirigeren waarbij de violen Frans spreken, de drums Japans spreken en de fluiten Morsecode spreken. De dirigent (het Building Energy Management systeem) kan ze niet in harmonie krijgen.
2. De oplossing: De "Universele Woordenboeken" (Ontologieën)
Om dit op te lossen, hebben onderzoekers Ontologieën gecreëerd. Zie dit als gespecialiseerde woordenboeken of regelboeken die precies definiëren wat elk woord betekent en hoe ze met elkaar verband houden.
- BOT (Building Topology Ontology): Dit is het woordenboek voor de structuur van het gebouw. Het definieert wat een "kamer", een "verdieping" of een "gebouw" is.
- SAREF: Dit is het woordenboek voor apparaten. Het legt uit wat een "wasmachine", een "thermostaat" of een "sensor" doet.
- Brick: Dit is een woordenboek specifiek voor HVKB- en gebouwingsystemen (HVAC). Het is zeer gedetailleerd over hoe airconditioners en pompen met elkaar verbonden zijn.
- SSN/SOSA: Dit is het woordenboek voor observaties. Het definieert wat het betekent om iets te "meten", zoals temperatuur of luchtvochtigheid.
3. Het onderzoek: De woordenboeken controleren
De auteurs hebben deze woordenboeken niet alleen opgesomd; ze zijn het veld in gegaan om te zien hoe ze daadwerkelijk worden gebruikt in echte bouwprojecten. Ze keken naar 60 verschillende woordenboeken en analyseerden meer dan 20 specifieke bouwprojecten (use cases) om te zien hoe goed deze hulpmiddelen werkten.
Ze gebruikten een slim scoresysteem genaamd OEC (Ontology Evidence Completeness).
- De analogie: Stel je een chef kok voor die beweert een specifiek receptenboek te gebruiken.
- Volledige OEC: De chef laat je het boek zien, wijst de exacte pagina aan en laat de ingrediënten zien die hij heeft gebruikt. Je kunt het verifiëren.
- Gedeeltelijke OEC: De chef noemt het boek wel, maar laat je niet de specifieke pagina of de ingrediënten zien. Je moet gokken.
- Geen (None): De chef zegt alleen maar: "Ik heb een receptenboek gebruikt," maar wil niet laten zien welke of hoe hij het heeft gebruikt.
4. De bevindingen: Goed in botten, slecht in hersenen
De studie vond een duidelijk patroon in hoe deze woordenboeken worden gebruikt:
- Het sterke punt (Fysieke zaken): De woordenboeken zijn uitstekend in het beschrijven van het fysieke gebouw. Ze zijn erg goed in het definiëren van muren, vloeren, sensoren en thermostaten. Als je wilt weten "Waar zit de sensor?" of "Wat voor soort klep is dit?", werken deze woordenboeken perfect.
- Het zwakke punt (Abstract denken): De woordenboeken zijn zwak in het beschrijven van het "breinwerk". Ze worstelen met het definiëren van zaken zoals:
- KPI's (Key Performance Indicators): Hoe definiëren we wiskundig het concept "succes" voor energiebesparing?
- Besturingslogica (Control Logic): De eigenlijke "als-dan" regels (bijv. "Als de kamer leeg is, zet dan de lichten uit").
- Workflows: Het stapsgewijze proces van het nemen van een beslissing.
- Optimalisatie: De complexe wiskunde die wordt gebruikt om de beste energiestrategie te vinden.
De metafoor: Het is alsof je een woordenboek hebt dat elk baksteen in een huis en elk gereedschap in de gereedschapskist perfect beschrijft, maar geen woorden heeft om de blauwdruk van het bouwen van het huis of de instructies voor het repareren van de loodgieterswerk te beschrijven.
5. Hoe mensen ermee omgaan: De "Frankenstein"-aanpak
Omdat geen enkel woordenboek alles dekt, vond het paper dat de meeste projecten moeten combineren en matchen.
- De strategie: Onderzoekers nemen vaak één woordenboek (zoals Brick) voor de gebouwonderdelen, een ander (zoals SAREF) voor de apparaten, en verzinnen dan hun eigen nieuwe woorden om de gaten te vullen voor zaken als "energieflexibiliteit" of "besturingslogica".
- Het resultaat: Ze bouwen een "Frankenstein"-model. Het werkt voor dat specifieke gebouw, maar omdat iedereen zijn eigen Frankenstein anders bouwt, is het moeilijk om ze later met elkaar te laten communiceren.
6. De conclusie: We hebben betere "denktools" nodig
Het paper concludeert dat we het probleem van het benoemen van de hardware (de sensoren en muren) hebben opgelost, maar dat we nog niet het probleem van het benoemen van de softwarelogica (de beslissingen en strategieën) hebben opgelost.
Om gebouwen echt slim en energiezuinig te maken, moeten we stoppen met alleen het beschrijven van de fysieke objecten en beginnen met het creëren van betere "woordenboeken" voor de besluitvormingsprocessen. We moeten het brein van het gebouw leren hoe het de waarom achter een beslissing kan begrijpen, niet alleen waar het naar kijkt.
Kortom: We hebben geweldige kaarten voor het lichaam van het gebouw, maar we worstelen nog steeds met het in kaart brengen van de geest.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.