Learning lighting models for optimal control of lighting system via experimental and numerical approach

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Gentile Francesco) > (2021) > Learning lighting m...

LIBRIS Formathandbok (Information om MARC21)

Fältnamn	Indikatorer	Metadata
000		03895naa a2200409 4500
001		oai:lup.lub.lu.se:719636f7-1bb2-4f24-9528-e89e64b96513
003		SwePub
008		201201s2021 \| \|\|\|\|\|\|\|\|\|\|\|000 \|\|eng\|
024	7	a https://lup.lub.lu.se/record/719636f7-1bb2-4f24-9528-e89e64b965132 URI
024	7	a https://doi.org/10.1080/23744731.2020.18464272 DOI
040		a (SwePub)lu
041		a engb eng
042		9 SwePub
072	7	a art2 swepub-publicationtype
072	7	a ref2 swepub-contenttype
100	1	a de Rubeis, Tulliou University of L'Aquila4 aut
245	1 0	a Learning lighting models for optimal control of lighting system via experimental and numerical approach
264		c 2020-11-30
264	1	b Informa UK Limited,c 2021
300		a 13 s.
520		a Lighting control systems have been traditionally employed to reduce energy use for lighting by, for example, maximizing daylight harvesting. When highly efficient light sources are installed and for tasks where maintaining target illuminance is particularly important, designers may decide to prioritize the latter together with energy use. In this context, the use of data-driven algorithms is emerging. In this paper different data-driven approaches are proposed as lighting control systems, to maximize daylight harvestingand to optimize energy consumption. The approaches employ experimental data of occupancy and lighting switch on/off events of a private side-lit office in an academic building. The office is later modeled in DIVA4Rhino to provide yearly illuminances and electric lighting dimming profiles. These data are used to implement data-driven optimal controls. Three different approaches have beenemployed: Regression Trees; Random Forests; Least Squares. Different lighting control strategies have been hypothesized based on installed Lighting Power Densities (LPD). Results show that Regression Trees outperforms both Least Squares and Random Forests, in terms of model accuracy and control performance.
650	7	a TEKNIK OCH TEKNOLOGIERx Samhällsbyggnadsteknikx Arkitekturteknik0 (SwePub)201012 hsv//swe
650	7	a ENGINEERING AND TECHNOLOGYx Civil Engineeringx Architectural Engineering0 (SwePub)201012 hsv//eng
650	7	a TEKNIK OCH TEKNOLOGIERx Samhällsbyggnadsteknikx Husbyggnad0 (SwePub)201032 hsv//swe
650	7	a ENGINEERING AND TECHNOLOGYx Civil Engineeringx Building Technologies0 (SwePub)201032 hsv//eng
650	7	a TEKNIK OCH TEKNOLOGIERx Elektroteknik och elektronikx Reglerteknik0 (SwePub)202022 hsv//swe
650	7	a ENGINEERING AND TECHNOLOGYx Electrical Engineering, Electronic Engineering, Information Engineeringx Control Engineering0 (SwePub)202022 hsv//eng
700	1	a Smarra, Francescou University of L'Aquila4 aut
700	1	a Gentile, Nikou Lund University,Lunds universitet,Institutionen för arkitektur och byggd miljö,Institutioner vid LTH,Lunds Tekniska Högskola,Avdelningen för Energi och byggnadsdesign,Institutionen för bygg- och miljöteknologi,Department of Architecture and Built Environment,Departments at LTH,Faculty of Engineering, LTH,Division of Energy and Building Design,Department of Building and Environmental Technology,Faculty of Engineering, LTH4 aut0 (Swepub:lu)arki-ngi
700	1	a D'Innocenzo, Alessandrou University of L'Aquila4 aut
700	1	a Ambrosini, Dariou University of L'Aquila4 aut
700	1	a Paoletti, Domenicau University of L'Aquila4 aut
710	2	a University of L'Aquilab Institutionen för arkitektur och byggd miljö4 org
773	0	t Science and Technology for the Built Environmentd : Informa UK Limitedg 27:8, s. 1018-1030q 27:8<1018-1030x 2374-4731x 2374-474X
856	4	u http://dx.doi.org/10.1080/23744731.2020.1846427y FULLTEXT
856	4 8	u https://lup.lub.lu.se/record/719636f7-1bb2-4f24-9528-e89e64b96513
856	4 8	u https://doi.org/10.1080/23744731.2020.1846427

Hitta via bibliotek

Science and Technology for the Built Environment (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: de Rubeis, Tulli ...; Smarra, Francesc ...; Gentile, Niko; D'Innocenzo, Ale ...; Ambrosini, Dario; Paoletti, Domeni ...

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Samhällsbyggnads ...; och Arkitekturteknik

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Samhällsbyggnads ...; och Husbyggnad

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Reglerteknik

Artiklar i publikationen: Science and Tech ...

Av lärosätet: Lunds universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se