BAYESIAN OPTIMIZATION OF VISUAL COMFORT

Transcription

1 BAYESIAN OPTIMIZATION OF VISUAL COMFORT THÈSE N O 3918 (2007) PRÉSENTÉE LE 15 NOVEMBRE 2007 À LA FACULTÉ DE L'ENVIRONNEMENT NATUREL, ARCHITECTURAL ET CONSTRUIT LABORATOIRE D'ÉNERGIE SOLAIRE ET PHYSIQUE DU BÂTIMENT PROGRAMME DOCTORAL EN ENVIRONNEMENT ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE POUR L'OBTENTION DU GRADE DE DOCTEUR ÈS SCIENCES PAR David LINDELÖF ingénieur physicien diplômé EPF et de nationalité suédoise acceptée sur proposition du jury: Prof. A. Mermoud, président du jury Prof. J.-L. Scartezzini, Dr N. Morel, directeurs de thèse Prof. L. Halonen, rapporteur Prof. S. Morgenthaler, rapporteur Dr T. Schumann, rapporteur Suisse 2007

2 Abstract We propose a self-commissioning, user-adaptive blinds and electric lighting controller for small office rooms. Self-commissioning, in this context, means that the controller builds an internal representation of the room, in particular of the room s daylighting characteristics, automatically and without user input. By user-adaptive, we mean that the illuminances the controller will seek to maintain are derived from a statistical analysis of the user s behaviour on the manually overridable blinds and electric lighting. Self-commission and user-adaptation are implemented by two decoupled software elements. The first element is a method for modeling the daylighting illuminance on arbitrary locations in the office room, when the windows are shaded by one or two venetian blinds (though the method can be generalized to an arbitrary number and kinds of window shadings). It uses the past history of illuminance distributions in the office room for a similar scene configuration, and models the current illuminance on a given point as a linear combination of outdoor global and diffuse irradiance. The second element is an algorithm for the estimation of the user s visual discomfort probability. It is a function of the current illuminance distribution in that office room, and of the past history of the user s interactions with the blinds and lighting controls. A bayesian formalism is applied to infer the probability that any illuminance distribution should be considered by the user as visually uncomfortable. We describe how these elements have been integrated in a blinds and electric lighting controller. That controller runs today on an office room of the experimental LESO building and we present the results of the algorithm s adaptation to the preferences of that room s user. We have also assessed that controller s performance on computer-simulated virtual office rooms. We have let the controller run for one year simulated time on six different combinations of office room location (Rome and Brussels) and orientation (north, west and south). These simulations have let us evaluate the energy savings made possible with such a controller, and the improvement of the user s visual comfort. Keywords: Bayes s theorem, daylighting controller, user adaptation, self-commissioning, smart buildings, embedded controller, non-parametric density estimation, linear daylighting model. i

3 Résumé Nous proposons un système de commande automatique de stores vénitiens et de l éclairage électrique pour des bureaux individuels. Ce système s adapte, d une part, aux caractéristiques lumineuses du bureau concerné; et d autre part, aux préférences de l utilisateur, en choisissant des niveaux d éclairement en fonction d une analyse statistique du comportement de l utilisateur sur les commandes mises à sa disposition. Deux modules logiciels découplés permettent la double adaptation aux caractéristiques du bureau et aux préférences de l utilisateur. Nous décrivons ces deux modules qui constituent ce système de commande. Dans un premier temps nous décrivons une méthode de prédiction de l éclairement naturel sur des points arbitraires dans un bureau, pour des fenêtres munies d un ou deux stores vénitiens (la méthode se généralise facilement à un nombre arbitraire de protections solaires). La méthode consiste à considérer l éclairement en un point donné, et pour une configuration de scène donnée, comme une combinaison linéaire de l irradiance globale et diffuse extérieure. Dans un deuxième temps, nous décrivons un algorithme pour l estimation de la probabilité d inconfort visuel de l utilisateur. Fonction de la distribution de l éclairement dans la pièce, la méthode utilise le formalisme bayesien pour analyser les situations ayant par le passé provoqué une intervention manuelle de l utilisateur sur ses stores ou l éclairage électrique. De cette analyse, une probabilité d inconfort visuel peut être dérivée pour toute distribution d éclairement. Ces deux éléments ont été intégrés dans un régulateur de stores vénitiens et d éclairage artificiel. Ce régulateur commande aujourd hui les stores et l éclairage dans un bureau du bâtiment experimental LESO. Nous présentons le résultat de l adaptation de ce régulateur aux préférences de l occupant de ce bureau. Nous avons évalué les performances énergétiques de ce système par simulations informatiques. Six combinaisons de bureaux, à savoir deux emplacements (Rome et Bruxelles) et trois orientations (nord, ouest et sud), ont été simulées en présence du régulateur. Ces simulations ont permis d évaluer les économies d énergie possibles avec notre système, ainsi que les améliorations du confort visuel. Mots-clés: Théorème de Bayes, commande de l éclairage naturel, adaptation à l utilisateur, mise en service automatique, commande embarquée, estimation non-paramétrique de densité, modèle linéaire d éclairage naturel. iii

4 Contents Abstract Résumé Foreword i iii v 1 Results summary 1 2 The need for integrated daylighting controllers in modern buildings Global warming and carbon emissions Inadequacies of manual blinds control Health benefits of daylight Difficulties in defining visual comfort Early ergonomical studies Preferred range of illuminance Objective quantification of visual discomfort and glare Legislative efforts CIE Guide on Interior Lighting CIE Lighting of Indoor Work Places European Parliament directive 2002/91/EC Leadership in Energy and Environmental Design ASHRAE IESNA Lighting Handbook Swiss norms The need for an adaptive controller Difficulties in modeling daylighting with modern blinds Recent control systems Scope of this project Monitoring and simulation of controlled office rooms Office rooms description The Eibserver program Data logging The leso_eib database Simbad model Daylighting and electric lighting model User behaviour model Heating and cooling model Thermal model Solar gains model vii

5 Contents 3.3 Chapter summary Daylighting model Model requirements Daylight coefficients Daylight factor methods Daylight factor Vertical irradiance Fixed sun position Simplified daylighting model for a given sun position Validation by simulation Half-year training data Progressive learning West-facing facade and venetian blinds Implementation in a daylighting controller and test on a virtual office room Chapter summary Bayesian discomfort model Bayesian inference User visual discomfort probability Discomfort estimation on monitored data User actions Density estimation Single office room Remaining office rooms Discussion of results Visual discomfort probability function Choice of prior Bayesian network with more than one variable Chapter summary Controller implementation Controller requirements Blinds and electric lighting control Visual comfort User adaptation Energy savings Building automation response time Solar variability response time Design notes Integration of the visual discomfort probability User adaptation Daylighting model optimization Solar vector computation Optimization algorithm Alternatives to a cost function Building bus interface viii

6 Contents 6.4 Design decisions Overall controller structure System initialization and typical event loop Controller states Chapter summary Controller tests Control runs on virtual and real office rooms User visual comfort Adaptation to a real user Estimated visual discomfort in virtual office rooms Energy performance LESO office rooms 201 and Simulation runs Chapter summary Concluding remarks and recommended follow-up Comprehensive field tests Further improvement towards a commercial controller Latent variables discovery A Hardware independent building control API 169 B Statistical methods 171 B.1 Analysis of variance in R B.2 Linear models C Source code 175 C.1 Companion website C.2 Precalculated illuminance files naming convention C.3 Astronomical Almanac algorithm R implementation C.4 Machine synchronization ix