Bachelorarbeit: Autonome Lichtsteuerung und -optimierung

Im Rahmen dieser Bachelorarbeit soll ein maschinelles Lernframework etabliert werden, welches die Funktionalität des Individual Lighting Modul (IndiLight Modul) (ILM), das am Arbeitsbereich Energieeffizientes Bauen (Universität Innsbruck) entwickelt wurde, autonom erlernt. Dabei sollen Techniken der Neuronalen Netze oder des Reinforcement Learnings (oder beides) zum Einsatz kommen. Die aktuelle Implementierung des ILM fungiert hierbei als der “Teacher”, welcher dem “Learner” (das zu entwicklende Framework) Eingabedaten und entsprechendes Feedback zur Verfügung stellt.

Das ILM ermöglicht durch Erfassung der Nutzerpositionen im Raum und durch Steuern des Tageslicht- (z.B. Lamellen) sowie des Kunstlichtsystems eine individuelle Optimierung der Lichtsituation am Arbeitsplatz. Mehrere Fassadenbereiche und Leuchten im Raum werden dazu individuell angesteuert. Verschiedene Steuerstrategien können dabei eingesetzt werden. Durch Anpassung der Schwellwerte kann jeder Nutzer seine individuellen Wünsche eingeben und die Steuerung kann darauf reagieren.

Am Ende soll das erlente Modul auf einem PI lauffähig sein.

Die maschinell-erlernte ILM Steuerung kommt im Projekt TwinLight zum Einsatz, wo es die übergeordnete Beleuchtungs- und Beschattungssteuerung für Gebäude ermöglichen soll. Die Betreuung erfolgt zusammen mit dem Arbeitsbereich für Energieeffizientes Bauen.

Anzahl Studenten: 1
Kontakt: philipp.zech@uibk.ac.at