کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4911519 1428371 2017 43 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A new modeling approach for short-term prediction of occupancy in residential buildings
ترجمه فارسی عنوان
یک روش مدل سازی جدید برای پیش بینی کوتاه مدت اشغال در ساختمان های مسکونی
کلمات کلیدی
تصرف، ساختمان مسکونی، مدلسازی آماری،
ترجمه چکیده
مدل های مسکن برای طراحی و بهره برداری از ساختمان های هوشمند ضروری است. در حال توسعه یک الگوریتم مناسب برای پیش بینی حضور اشغال، کنترل بهتر و بهینه سازی کل مصرف انرژی ساختمان را امکان پذیر می سازد. با این حال، بیشتر مطالعات قبلی در مورد توسعه چنین مدل تنها بر ساختمان های تجاری متمرکز است. مدل اشغال خانه های مسکونی معمولا براساس داده های نظرسنجی زمان است. این مطالعه بر روی ارائه یک مجموعه اطلاعات منحصر به فرد از چهار خانه مسکونی جمع آوری شده از سنسورهای اشغال تمرکز دارد. مدل جدید نامتقارن مارکوف برای پیش بینی حضور اشغال پیشنهاد شده است و در مقایسه با مدل های معمول استفاده شده مانند نمونه گیری احتمالی، شبکه عصبی مصنوعی و رگرسیون بردار پشتیبانی. دوره های آموزشی برای پیش بینی حضور به واسطه تجزیه و تحلیل تغییرات داده های تاریخی بهینه می شود. این مطالعه به بررسی و پیش بینی توانایی پیش بینی مدل های مختلف سناریوهای زمانی، از جمله 15 دقیقه پیش، 30 دقیقه پیش، 1 ساعت پیش و پیش بینی های 24 ساعته پیش بینی شده است. مقایسه سطح فضایی علاوه بر انجام ارزیابی دقت پیش بینی در هر سطح در اتاق و در سطح خانه انجام می شود. نتایج نهایی نشان می دهد که مدل پیشنهادی مارکوف روش های دیگر را از لحاظ صحیح بودن 5٪ با حداکثر اختلاف 11٪ در پیش بینی پیش بینی 15 دقیقه از حضور اشغال کرده است. با این حال، تفاوت های زیادی برای پیش بینی های پیش بینی شده 24 ساعته وجود ندارد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
یک روش مدل سازی جدید برای پیش بینی کوتاه مدت اشغال در ساختمان های مسکونی
چکیده انگلیسی
Occupancy models are necessary towards design and operation of smart buildings. Developing an appropriate algorithm to predict occupancy presence will allow a better control and optimization of the whole building energy consumption. However, most previous studies of development of such model only focus on commercial buildings. The occupancy model of residential houses are usually based on Time User Survey data. This study focuses on providing a unique data set of four residential houses collected from occupancy sensors. A new inhomogeneous Markov model for occupancy presence prediction is proposed and compared to commonly used models such as Probability Sampling, Artificial Neural Network, and Support Vector Regression. Training periods for the presence prediction are optimized based on change-point analysis of historical data. The study further explores and evaluates the predictive capability of the models by various temporal scenarios, including 15-min ahead, 30-min ahead, 1-hour ahead, and 24-hour ahead forecasts. The spatial-level comparison is additionally conducted by evaluating the prediction accuracy at both room-level and house-level. The final results show that the proposed Markov model outperforms the other methods in terms of an average 5% correctness with 11% maximum difference in 15-min ahead forecast of the occupancy presence. However, there is not much differences observed for 24-hour ahead forecasts.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Building and Environment - Volume 121, 15 August 2017, Pages 277-290
نویسندگان
, ,