Inverse energy model development via high-dimensional data analysis and sub-metering priority in building data monitoring

در این مقاله روشی برای طراحی مدل مصرف انرژی به عنوان یک مدل رگرسیون معکوس از طریق روش تحلیل داده ای با داده های پیشرفته و قدرتمند ارائه شده است. با توجه به مدل رگرسیون معکوس، متغیرهای مستقل تعیین شده برای تأثیر بیشتر بر مصرف انرژی باید قبل از ساختن تأسیسات تکمیلی یا ممیزی مورد سنجش قرار گیرند. برای انتخاب متغیرهای تاثیر گذار، این پژوهش یک مجموعه جامع از متغیرهای بالقوه بالقوه را برای جلوگیری از مسئله مدل نامشخص مشخص می کند. مدل های ایجاد شده توسط این روش مشاهده شده اند که قدرت زیادی در پیش بینی مصرف انرژی ساختمان دارند. از همه مهمتر، از طریق روش انتخاب متغیر، روش شناسایی متغیرهای کلیدی است که باید به طور مداوم بهبود عملکرد ساختمان ساختمان را کنترل کنند. یک مطالعه شبیه سازی و یک مطالعه موردی برای نشان دادن اثربخشی رویکرد جدید ارائه شده است.