کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10225261 1701164 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Influences of energy data on Bayesian calibration of building energy model
ترجمه فارسی عنوان
تأثیر داده های انرژی بر کالیبراسیون بیزی از مدل انرژی ساختمان
کلمات کلیدی
مدل انرژی ساختمان، کالیبراسیون بیزی داده های سودمند، داده های انرژی قابل اطمینان، تجزیه و تحلیل میزان حساسیت،
ترجمه چکیده
هر ساختمان دارای خصوصیات متفاوتی (و فازی) و شامل سیستم های پیچیده ای است که بر یکدیگر تاثیر می گذارد. بنابراین، هنگام طراحی یک ساختمان کل به عنوان یک سیستم، عدم قطعیت قابل ملاحظه ای وجود دارد. کالیبراسیون ضروری است و قادر به کاهش بسیاری از منابع این عدم اطمینان است. کالیبراسیون بیزی یکی از روش های کالیبراسیون خودکار است که در کاربردهای مختلف مورد استفاده قرار گرفته است. با این حال، تعداد کمی از تحقیقات نشان داده است که تأثیرات کیفیت و کمیت دادهای اندازه گیری شده مورد استفاده برای کالیبراسیون را مورد بررسی قرار داده است. علاوه بر این، کالیبراسیون بایسس به دلیل ویژگی تکرار ذاتی نیاز به هزینه محاسباتی قابل توجهی دارد. در این مقاله، استفاده از داده های اطلاعاتی برای تولید کالیبراسیون دقیق بیزی با زمان کم محاسبات پیشنهاد شده است. داده های انرژی اندازه گیری شده توسط روش های طبقه بندی آماری طبقه بندی می شوند. با استفاده از داده های مختلف اندازه گیری انرژی، مطالعه، نتایج کالیبراسیون را با سه معیار ارزیابی می کند: دقت برآورد پارامتر ورودی، دقت پیش بینی استفاده از انرژی، و زمان کلی محاسبات. نتایج نشان می دهد که زمان محاسبه و دقت کالیبراسیون برای انتخاب های مختلف داده ها برای کالیبراسیون متفاوت است. داده های مناسب باید در درک جامع اهداف، زمان محاسبه و صحت کالیبراسیون استفاده شوند. با استفاده از داده های اطلاعاتی برای کالیبراسیون قادر به حفظ دقت مشابه، اما با کاهش 44٪ در زمان محاسبه نسبت به استفاده از تمام داده ها.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
پیش نمایش مقاله
تأثیر داده های انرژی بر کالیبراسیون بیزی از مدل انرژی ساختمان
چکیده انگلیسی
Every building has different (and fuzzy) characteristics and contains complex sub-systems that affect each other. Therefore, significant uncertainties exist when modeling an entire building as a system. Calibration is necessary and able to reduce many sources of these uncertainties. Bayesian calibration is one of the automatic calibration methods that has been utilized in various applications. However, few researches were found that investigated the influences of quality and quantity of measured data used for the calibration. Moreover, Bayesian calibration requires considerable computing cost due to the inherent iteration attribute. This paper proposes the use of informative data to produce more accurate Bayesian calibration with reduced computing time. The measured energy data are classified by statistical classification methods. Using different energy measurement data, the study compares and analyzes the calibration outcomes with three criteria: input parameter estimation accuracy, energy use prediction accuracy, and overall computing time. The results show that the calculation time and the accuracy of the calibration are distinct for different selections of the data for calibration. Proper data should be used in comprehensive consideration of purpose, computing time and accuracy of calibration. Using informative data for calibration is able to keep similar accuracy but with 44% reduction in computing time compared to the use of all data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Energy - Volume 231, 1 December 2018, Pages 686-698
نویسندگان
, ,