کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6730399 504020 2016 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Modeling and disaggregating hourly electricity consumption in Norwegian dwellings based on smart meter data
ترجمه فارسی عنوان
مدل سازی و تجزیه مصرف برق ساعتی در خانه های نروژی بر اساس داده های هوشمند
کلمات کلیدی
اندازه گیری هوشمند گرمایش الکتریکی، تجزیه و تحلیل، پیش بینی، پنل اطلاعات،
ترجمه چکیده
با استفاده از اندازه گیری های هوشمند در سراسر منطقه، مقدار زیادی از داده های مصرف برق فردی با رزولوشن زمانی بالا در دسترس قرار می گیرد. ما با استفاده از مدل های رگرسیون چندگانه برای مصرف برق ساعتی در خانه های نروژی بر اساس داده های پانل متشکل از داده های ساعت هوشمند متراکم، داده های آب و هوا و داده های پاسخ از یک نظرسنجی خانگی استفاده می کنیم. دو مدل بر اساس مقادیر میانگین روزانه و ساعتی به ترتیب در فضای باز مقایسه و مورد بحث قرار می گیرند. نتایج ما نشان می دهد که میانگین دمای روزانه در معرض دمای روزانه درجه گرمایش، می تواند به عنوان متغیر ورودی مربوط به آب و هوا برای مدل سازی مصرف برق ساعتی استفاده شود. مدل های رگرسیون بیشتر برای تخریب مصرف برق ساعتی به دو جزء استفاده می شود، که به ترتیب نشان دهنده مصرف مدل شده برای گرم کردن فضایی و سایر وسایل الکتریکی است. بنابراین، بدون استفاده از تجهیزات گرمایش الکتریکی، تخمینی از مصرف انرژی گرمایی در دسترس است و می تواند برای ارزیابی گزینه های مختلف مدیریت تقاضا استفاده شود، برای مثال جایگزینی سوخت یا کنترل بار. علاوه بر این، مدل ها را می توان برای پیش بینی مصرف برق منطقه ای در بخش خانگی نروژی با تفکیک زمانی بالا، به عنوان مثال تغییرات در شرایط آب و هوایی منطقه، ساختار مسکن و عوامل جمعیت شناختی می تواند مورد توجه قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
چکیده انگلیسی
By area-wide implementation of smart metering, large amounts of individual electricity consumption data with a high temporal resolution become available. We use multiple regression models for hourly electricity consumption in Norwegian dwellings, based on panel data consisting of hourly smart meter data, weather data, and response data from a household survey. Two models based on daily and hourly mean values of outdoor temperature, respectively, are compared and discussed. Our results indicate that daily mean outdoor temperature - represented by heating degree day - can serve as weather-related input variable for modeling aggregate hourly electricity consumption. The regression models are further used to break down hourly electricity consumption into two components, representing modeled consumption for space heating and other electric appliances, respectively. Thus, without submetering electric heating equipment an estimate for heating energy consumption is available, and can be used for evaluating different demand side management options, e.g. fuel substitution or load control. Moreover, the models can be used for forecasting aggregate regional electricity consumption in the Norwegian household sector with a high temporal resolution, as e.g. changes in regional climatic conditions, dwelling structure, and demographic factors can be taken into account.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy and Buildings - Volume 118, 15 April 2016, Pages 350-369
نویسندگان
, ,