کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6682326 501846 2016 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A regression-based approach to estimating retrofit savings using the Building Performance Database
ترجمه فارسی عنوان
یک رویکرد مبتنی بر رگرسیون برای برآورد پس اندازهای تکمیلی با استفاده از پایگاه داده عملکرد
کلمات کلیدی
داده های انرژی ساختمان، پس انداز مجدد، رگرسیون خطی، عدم قطعیت،
ترجمه چکیده
سیستم های ساختمان مجتمع شناخته شده برای صرفه جویی در هزینه های صرفه جویی در انرژی است. با این حال، اولویت دادن به سیستم های پیشرفته و محاسبه صرفه جویی در انرژی مورد انتظار و هزینه ها / مزایا می تواند یک تلاش پیچیده، پر هزینه و نامطمئن باشد. اولویت بندی مجدد برای نمونه کارها از ساختمان ها می تواند حتی دشوارتر باشد اگر مالک باید استراتژی های سرمایه گذاری مختلف برای هر یک از ساختمان ها را تعیین کند. در همین حال، ما اطلاعات بیشتر در مورد استفاده از انرژی، ویژگی ها و تجهیزات را مشاهده می کنیم. این داده ها فرصت هایی برای توسعه الگوریتم هایی است که ویژگی های ساختمان و تجدید تجدید ساختار را به هم پیوند می دهد. در این مقاله پتانسیل استفاده از چنین اطلاعاتی را برای پیش بینی صرفه جویی در مصرف انرژی مورد انتظار از تجهیزات پیش ساخته برای تعداد زیادی از ساختمان ها مورد بررسی قرار می دهیم. ما نشان می دهد که داده های ساختمان با الگوریتم های آماری می تواند تخمین های پس انداز را فراهم کند، زمانی که ممیزی های دقیق انرژی و شبیه سازی های مبتنی بر فیزیک هزینه یا زمان قابل اجرا نیستند. ما یک مدل رگرسیون خطی چند متغیره با پیش بینی کننده های عددی (به عنوان مثال ساعت کار، چگالی شغل) و متغیرهای شاخص (از قبیل منطقه آب و هوا، نوع سیستم گرمایشی) برای پیش بینی شدت مصرف انرژی استفاده می کنیم. این مدل سهم ویژگی های ساختمان و سیستم ها در مصرف انرژی را تعیین می کند و ما از آن برای به دست آوردن صرفه جویی مورد انتظار در هنگام اصلاح تجهیزات خاص استفاده می کنیم. ما مدل را با استفاده از تحلیل باقی مانده و اعتبارسنجی متقابل بررسی می کنیم. ما تجزیه و تحلیل تکمیلی را با ارائه یک برآورد احتمال احتمالی صرفه جویی در انرژی برای چندین اصلاح ساختاری فرضیه نشان می دهیم. ما در مورد راه های درک ریسک مربوط به سرمایه گذاری های تکمیلی می توانیم تصمیم گیری را اطلاع دهیم. سهم این کار توسعه یک مدل آماری برای برآورد صرفه جویی انرژی، کاربرد آن در یک مجموعه داده های ساختمان های بزرگ و بحث در مورد استفاده از آن در اطلاع رسانی از تصمیمات اتمام ساخت و ساز ساختمان است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
پیش نمایش مقاله
یک رویکرد مبتنی بر رگرسیون برای برآورد پس اندازهای تکمیلی با استفاده از پایگاه داده عملکرد
چکیده انگلیسی
Retrofitting building systems is known to provide cost-effective energy savings. However, prioritizing retrofits and computing their expected energy savings and cost/benefits can be a complicated, costly, and an uncertain effort. Prioritizing retrofits for a portfolio of buildings can be even more difficult if the owner must determine different investment strategies for each of the buildings. Meanwhile, we are seeing greater availability of data on building energy use, characteristics, and equipment. These data provide opportunities for the development of algorithms that link building characteristics and retrofits empirically. In this paper we explore the potential of using such data for predicting the expected energy savings from equipment retrofits for a large number of buildings. We show that building data with statistical algorithms can provide savings estimates when detailed energy audits and physics-based simulations are not cost- or time-feasible. We develop a multivariate linear regression model with numerical predictors (e.g., operating hours, occupant density) and categorical indicator variables (e.g., climate zone, heating system type) to predict energy use intensity. The model quantifies the contribution of building characteristics and systems to energy use, and we use it to infer the expected savings when modifying particular equipment. We verify the model using residual analysis and cross-validation. We demonstrate the retrofit analysis by providing a probabilistic estimate of energy savings for several hypothetical building retrofits. We discuss the ways understanding the risk associated with retrofit investments can inform decision making. The contributions of this work are the development of a statistical model for estimating energy savings, its application to a large empirical building dataset, and a discussion of its use in informing building retrofit decisions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Energy - Volume 179, 1 October 2016, Pages 996-1005
نویسندگان
, ,