کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4918807 1428934 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting hourly energy consumption in buildings using occupancy-related characteristics of end-user groups
ترجمه فارسی عنوان
پیش بینی مصرف انرژی ساعتی در ساختمان ها با استفاده از ویژگی های مربوط به اشغال گروه های کاربر نهایی
کلمات کلیدی
ذخیره انرژی، پیش بینی استفاده از انرژی، تکنیک های داده کاوی، موقعیت شغلی، رفتار مصرف انرژی اشغالگران،
ترجمه چکیده
پیش بینی های دقیق مصرف انرژی برای بهینه سازی عملکرد استفاده از انرژی ساختمان ضروری است. تا به امروز، تلاش های قابل توجهی برای بهبود دقت پیش بینی شده انجام شده است، به طور خاص در حالی که تمرکز بر حضور ساکنان در ساختمان ها است. متاسفانه، هنگام پیش بینی مصرف انرژی ساختمان با استفاده از داده های اشغال، دو مانع مهم وجود دارد. اولا، تنوع اشغال در میان گروه های کاربر نهایی در طراحی مدل در نظر گرفته نمی شود. دوم، همبستگی اشباع با مصرف انرژی ممکن است ناشی از اختلاف در رفتار ساکنان باشد. بنابراین، این پژوهش با هدف بررسی تاثیر ویژگی های مربوط به اشغال گروه های کاربری بر عملکرد پیش بینی شده است. به منظور دستیابی به این هدف، مدل پیش بینی مبتنی بر داده کاوی به منظور تقلید رفتارهای حرارتی ساختمان ساخته شده است. نتایج تجربی، با استفاده از مدل پیش بینی پیشنهادی، آشکار می سازد که دقت پیش بینی با توجه به اشغال متنوع و همبستگی آن با استفاده از انرژی بهبود می یابد. علاوه بر این، دقت پیش بینی قابل توجهی با استفاده از حداقل مقدار داده های تاریخی به دست می آید. با استفاده از مدل پیش بینی پیشنهادی، می توان اطلاعات بیشتری در مورد الگوهای مصرف انرژی (به عنوان مثال، شکل بار، مقدار مصرف انرژی) برای گروه های کاربر نهایی بدست آورد. بنابراین، مدیران تسهیلات قادر خواهند بود که تجهیزات مصرف انرژی را بسته به گروه کاربر نهایی به منظور کاهش مصرف انرژی بدون آسیب رساندن به راحتی حرارتی ساکنان شخصی سازی کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
پیش بینی مصرف انرژی ساعتی در ساختمان ها با استفاده از ویژگی های مربوط به اشغال گروه های کاربر نهایی
چکیده انگلیسی
Accurate predictions of energy consumption are essential to optimizing building energy use performance. To date, substantial efforts have been undertaken to improve prediction accuracy, specifically while focusing on occupants' presence in buildings. Unfortunately, two significant obstacles remain when predicting building energy consumption using occupancy data. First, occupancy diversity among end-user groups is rarely considered during model development. Second, occupancy's correlation with energy consumption may be weak due to variances in occupant behavior. Therefore, this research aims to investigate how occupancy-related characteristics of end-user groups affect prediction performance. In order to achieve this objective, a data mining-based prediction model is constructed to mimic building thermal behaviors. The experimental results using the proposed prediction model make it evident that prediction accuracy is improved when considering diverse occupancy and its correlation with energy use. In addition, significant prediction accuracy is achieved using only a minimal amount of historical data. With the proposed prediction model, it is possible to obtain more detailed information about energy use patterns (e.g., load shape, the amount of energy use) for end-user groups. Thus, facility managers will be able to personalize the operation of energy-consuming equipment depending on end-user group for reducing energy consumption without compromising occupants' thermal comfort.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy and Buildings - Volume 156, 1 December 2017, Pages 121-133
نویسندگان
, , , , , ,