in
s
tal
.
pc
z
.
pl8/202647
I
mp
u
t
a
c
j
a
b
r
a
k
u
j
ą
cyc
h
da
n
yc
h
n
a
p
o
t
r
z
eb
y
m
o
de
l
o
w
a
n
i
a
s
i
e
c
i
c
i
ep
ł
o
w
n
i
c
z
yc
h
I
mp
u
t
a
t
i
on
of
m
i
ss
i
n
g
da
t
a
fo
r
u
s
e
i
n
d
i
st
ri
ct
h
ea
t
i
n
g
n
e
tw
o
r
ks
m
o
de
li
n
g
JA
KUB
KU
Ś
,
M
IC
H
AŁ
Ż
U
RA
W
S
K
I
,
Ł
UK
AS
Z
M
I
K
A
D
O
I
:
10
.
17512/
I
NST
AL.
2026
.
08
.
02
W ramach prac
y
p
o
djęt
o
pr
o
blemat
yk
ę u
z
upełniania bra
k
ując
y
ch dan
y
ch chara
k
ter
y
z
ując
y
ch d
z
iałanie
w
ę
z
ł
ów
ciepln
y
ch,
w
s
y
tuacji nied
o
s
tępn
o
ś
ci d
ok
ładn
y
ch dan
y
ch telemetr
y
c
z
n
y
ch
.
K
o
mpletne
z
bi
o
r
y
dan
y
ch
w
ej
ś
ci
owy
ch
s
ą
nie
z
będne d
o
z
a
s
ilenia m
o
delu
o
blic
z
eni
ow
eg
o
s
ieci ciepł
ow
nic
z
ej
.
Schara
k
ter
y
z
ow
an
o
i p
o
r
ów
nan
o
tr
z
y
met
o
d
y
imputacji
:
imputację
ś
rednią, met
o
dę t
y
pu h
o
t-dec
k
o
ra
z
imputację
z
a p
o
m
o
cą regre
s
ji lini
ow
ej
.
Do
o
cen
y
met
o
d
wyko
r
z
y
s
tan
o
r
z
ec
z
yw
i
s
te dane telemetr
y
c
z
ne,
w
k
t
ó
r
y
ch
w
s
p
o
s
ó
b l
o
s
owy
wy
gener
ow
an
o
lu
k
i
.
Naj
s
k
utec
z
niej
s
z
a
w
u
z
upełnianiu bra
ków
ok
a
z
ała
s
ię met
o
da regre
s
ji lini
ow
ej,
o
s
iągając
w
s
k
a
ź
ni
k
d
o
pa
s
ow
ania
R
2
m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch na p
o
z
i
o
mie d
o
0,95 i natę
ż
enia pr
z
epł
yw
u na p
o
z
i
o
mie d
o
0,86
.
W art
yk
ule
w
s
k
a
z
an
o
ź
r
ó
dła p
o
ten-
cjalnie
w
art
o
ś
ci
ow
ej
w
ied
z
y
p
o
m
o
cnic
z
ej d
o
wyko
r
z
y
s
tania
w
celu u
z
upełniania bra
k
ując
y
ch dan
y
ch
.
Sł
ow
a
k
luc
z
ow
e
:
s
ieci ciepł
ow
nic
z
e, m
o
del
ow
anie h
y
draulic
z
ne, imputacja, bra
k
ujące dane
Thi
s
s
tud
y
addre
ss
e
s
the i
ss
ue
o
f imputing mi
ss
ing data relating t
o
the
o
perati
o
n
o
f di
s
trict heating
s
ub
s
tati
o
n
s
w
hen
accurate telemetr
y
data i
s
unavailable
.
A
c
o
mplete
s
et
o
f input data i
s
required t
o
inf
o
rm a mathematical m
o
del
o
f
a di
s
trict heating net
wo
r
k.
Three imputati
o
n meth
o
d
s
w
ere characteri
z
ed and c
o
mpared
:
mean imputati
o
n; the h
o
t-dec
k
meth
o
d; and imputati
o
n u
s
ing linear regre
ss
i
o
n
.
The meth
o
d
s
w
ere evaluated u
s
ing actual telemetr
y
data in
w
hich mi
ss
-
ing value
s
w
ere rand
o
ml
y
induced
.
Linear regre
ss
i
o
n pr
o
ved t
o
be the m
o
s
t effective meth
o
d f
o
r filling the gap
s
, achiev-
ing
R
²
s
c
o
re
s
o
f up t
o
0
.
95 f
o
r
s
ub
s
tati
o
n heat p
ow
er and up t
o
0
.
86 f
o
r v
o
lumetric fl
ow
rate
.
The article identifie
s
s
o
urce
s
o
f p
o
tentiall
y
valuable au
x
iliar
y
k
n
ow
ledge that c
o
uld be u
s
ed t
o
fill in mi
ss
ing data
.
Ke
ywo
rd
s
:
di
s
trict heating net
wo
r
k
s
, h
y
draulic m
o
delling, imputati
o
n, mi
ss
ing data
W
p
r
o
w
ad
z
e
n
i
e
Do
wyko
nania
o
blic
z
eń r
o
z
ywów
wo
d
y
i
s
trat ci
ś
nienia
w
s
ieci ciepł
ow
nic
z
ej
ko
niec
z
ne je
s
t d
y
s
p
o
n
ow
anie pełn
y
m
z
bi
o
-
rem nie
z
będn
y
ch dan
y
ch
w
ej
ś
ci
owy
ch
[
1
].
Jedną
z
c
z
ę
ś
ci
wy
maganeg
o
z
bi
o
ru
dan
y
ch
s
ą inf
o
rmacje na temat pr
z
epł
ywów
i
s
pad
ków
temperatur
y
w
w
ę
z
łach ciepl-
n
y
ch,
k
t
ó
re m
o
gą
z
o
s
tać p
o
z
y
s
k
ane na
p
o
d
s
ta
w
ie archi
w
aln
y
ch dan
y
ch
z
s
y
s
te-
m
ów
telemetr
y
c
z
n
y
ch
.
Pr
z
e
s
z
ko
dą
w
ok
re-
ś
leniu t
y
ch parametr
ów
m
o
ż
e b
y
ć niepełne
p
ok
r
y
cie
o
dbi
o
rc
ów
ciepła
s
y
s
temami tele-
metr
y
c
z
n
y
mi alb
o
a
w
arie lub błęd
y
z
w
ią-
z
ane
z
pr
z
et
w
ar
z
aniem, tran
s
mi
s
ją i archi-
w
i
z
acją dan
y
ch p
o
miar
owy
ch
[
2
].
Teg
o
r
o
d
z
aju pr
o
blem
y
m
o
gą pr
ow
ad
z
ić d
o
s
y
tuacji,
ż
e dla pe
w
nej p
o
dgrup
y
w
ę
z
ł
ów
ciepln
y
ch nie i
s
tnieje
ż
aden, na
w
et mał
y
,
z
bi
ó
r dan
y
ch p
o
z
w
alając
y
ch be
z
p
o
ś
redni
o
wy
z
nac
z
y
ć parametr
y
nie
z
będne d
o
z
a
s
i-
lenia m
o
delu ciepln
o
-h
y
draulic
z
neg
o
s
ieci
ciepł
ow
nic
z
ej
.
W
ów
c
z
a
s
p
o
ja
w
ia
s
ię
kw
e
s
tia,
w
ja
k
i
s
p
o
s
ó
b p
o
rad
z
ić
s
o
bie
z
nie
ko
mpletn
o
ś
cią
dan
y
ch
.
P
o
d
s
ta
wy
te
o
rii dan
y
ch bra
k
ują-
c
y
ch i
z
a
s
adnic
z
e met
o
d
y
rad
z
enia
s
o
bie
z
t
y
m pr
o
blemem
wywo
d
z
ą
s
ię m
.
in
.
z
d
z
ie-
d
z
in
y
nau
k
s
p
o
łec
z
n
y
ch i p
ok
re
w
n
y
ch,
k
t
ó
-
re c
z
ę
s
t
o
o
perują na dan
y
ch niepełn
y
ch,
np
.
z
e
w
z
ględu na uni
k
anie
z
r
ó
ż
n
y
ch pr
z
y
-
c
z
y
n pr
z
e
z
re
s
p
o
ndent
ów
o
dp
ow
ied
z
i na
nie
k
t
ó
re p
y
tania
z
kw
e
s
ti
o
nariu
s
z
y
[
3
]
lub
pracę na
z
a
s
o
bach dan
y
ch
z
z
ał
o
ż
enia
nie
ko
mpletn
y
ch, np
.
dlateg
o
,
ż
e trudn
o
b
y
ł
o
b
y
je p
o
z
y
s
k
ać
w
cał
o
ś
ci
[
4
].
B
ra
k
i
w
dan
y
ch
s
ą jedna
k
i
s
t
o
tn
y
m pr
o
blemem
interd
y
s
c
y
plinarn
y
m
[
2,5
].
W
z
bi
o
rach
dan
y
ch p
o
z
y
s
k
i
w
an
y
ch
z
s
y
s
tem
ów
ener-
get
y
c
z
n
y
ch,
w
t
y
m ciepł
ow
nic
z
y
ch, c
z
ę
s
t
o
wy
s
tępując
y
m pr
z
yk
ładem pr
o
blemu
z
w
ią-
z
aneg
o
z
nie
ko
mpletn
o
ś
cią dan
y
ch
s
ą bra-
k
ujące
w
art
o
ś
ci
w
s
z
eregach c
z
a
s
owy
ch
dan
y
ch p
o
miar
owy
ch
.
W
s
p
ó
łc
z
e
ś
nie nie-
ko
mpletn
o
ś
ć dan
y
ch
w
ujęciu te
o
ret
y
c
z
n
y
m
o
pi
s
uje
s
ię ja
ko
s
k
ute
k
d
z
iałania fen
o
menu
pr
o
babili
s
t
y
c
z
neg
o
, pr
ow
ad
z
ąceg
o
d
o
wyo
drębnienia
s
ię
w
z
bi
o
r
z
e dan
y
ch
d
wó
ch c
z
ę
ś
ci
:
o
b
s
er
wow
anej, na
k
t
ó
rą
s
k
ładają
s
ię
z
nane
w
art
o
ś
ci
z
mienn
y
ch
i c
z
ę
ś
ci nie
o
b
s
er
wow
anej,
z
ł
o
ż
o
nej
z
e
z
mienn
y
ch
o
nie
z
nan
y
ch
w
art
o
ś
ciach
.
S
y
s
temat
y
c
z
ne u
z
upełnienie dan
y
ch
bra
k
ując
y
ch
ko
n
k
retn
y
mi
w
art
o
ś
ciami,
w
ta
k
i
s
p
o
s
ó
b, ab
y
o
tr
z
y
mać
ko
mpletn
y
z
bi
ó
r dan
y
ch, na
z
yw
a
s
ię imputacją
[
6, 7
].
Według
[
4
]
inf
o
rmację
w
pr
ow
ad
z
o
ną
w
ten
s
p
o
s
ó
b, c
z
y
li imput
ow
aną na p
o
d
s
ta-
w
ie innej p
o
m
o
cnic
z
ej
w
ied
z
y
, na
z
yw
a
s
ię
implantem
s
tat
y
s
t
y
c
z
n
y
m
.
I
mputacja m
o
ż
e
z
o
s
tać pr
z
epr
ow
ad
z
o
-
na r
ó
ż
n
y
mi met
o
dami
.
Pra
w
d
o
p
o
d
o
bnie
najpr
o
s
t
s
z
ą
z
nich je
s
t imputacja
ś
rednią
.
P
o
lega
o
na na
z
a
s
tąpieniu bra
k
ując
y
ch
dan
y
ch
w
art
o
ś
cią
ś
rednią r
o
z
w
a
ż
aneg
o
parametru,
wy
z
nac
z
o
ną
z
z
a
s
o
bu dan
y
ch
o
b
s
er
wow
an
y
ch
.
I
nną pr
o
s
tą met
o
dą je
s
t
imputacja h
o
t-dec
k
, p
o
legająca na
z
a
s
tę-
p
ow
aniu bra
k
ując
y
ch dan
y
ch
w
art
o
ś
cią
z
ac
z
erpniętą
z
z
a
s
o
bu dan
y
ch
o
b
s
er
wo
-
w
an
y
ch
o
d
o
bie
k
tu
p
o
d
o
bneg
o
mgr in
ż
.
Ja
k
ub Ku
ś
O
R
C
I
D:
0009-0006-9309-4844,
A
ut
o
r
ko
re
s
p
o
ndenc
y
jn
y:
e-mail
:
j
k
u
s
@
agh
.
edu
.
pl, mgr in
ż
.
M
ichał
Ż
ura
w
s
k
i
O
R
C
I
D:
0009-0004-4052-7322,
Ak
ademia
G
ó
rnic
z
o
-Hutnic
z
a, W
y
d
z
iał
E
nerget
yk
i i Pali
w
,
A
l
.
M
ic
k
ie
w
ic
z
a 30, 30-059 Kra
ków
;
dr hab
.
in
ż
.
, Łu
k
a
s
z
M
i
k
a, pr
o
f
.
A
G
H
O
R
C
I
D:
0000-0002-0750-7694,
Ak
ademia
G
ó
rnic
z
o
-Hutnic
z
a, W
y
d
z
iał
E
nerget
yk
i i Pali
w
,
Katedra
M
a
s
z
y
n Ciepln
y
ch i Pr
z
epł
ywowy
ch,
A
l
.
M
ic
k
ie
w
ic
z
a 30, 30-059 Kra
ków
C
i
ep
ł
o
w
n
i
ctw
o
/H
ea
t
i
n
g
D
ata zgło
s
zenia: 14.06.2026.
D
ata p
r
z
y
jęcia: 16.07.2026.
D
ata publi
k
acji: 26.08.2026.
488/2026in
s
tal
.
pc
z
.
pl
C
da
w
c
y
[
3
].
W
z
ale
ż
n
o
ś
ci
o
d p
o
tr
z
eb t
o
p
o
d
o
bień
s
t
wo
m
o
ż
e
z
o
s
tać
z
defini
ow
a-
ne na r
ó
ż
ne
s
p
o
s
o
b
y
[
4
]
, np
.
z
a
o
bie
k
t
p
o
d
o
bn
y
m
o
ż
e
z
o
s
tać u
z
nan
y
ten,
k
t
ó
r
y
chara
k
ter
y
z
uje
s
ię najbli
ż
s
z
ą
w
art
o
ś
cią jed-
nej
z
o
b
s
er
wow
an
y
ch
z
mienn
y
ch
.
K
o
lejną
met
o
dą imputacji je
s
t regre
s
ja
.
W ramach
tej met
o
d
y
buduje
s
ię m
o
del regre
s
ji, np
.
lini
ow
ej, na p
o
d
s
ta
w
ie
o
b
s
er
wow
anej c
z
ę-
ś
ci
z
a
s
o
bu dan
y
ch, a na
s
tępnie
s
t
o
s
uje
s
ię
ten m
o
del d
o
c
z
ę
ś
ci nie
o
b
s
er
wow
anej
.
Wpr
ow
ad
z
ając d
o
tej determini
s
t
y
c
z
nej
met
o
d
y
element l
o
s
owo
ś
ci, u
z
y
s
k
uje
s
ię
s
t
o
-
cha
s
t
y
c
z
ną imputację regre
s
y
jną
[
3
].
P
owy
ż
s
z
e met
o
d
y
o
pierają
s
ię na
z
ał
o
-
ż
eniu,
ż
e c
z
ę
ś
ć nie
o
b
s
er
wow
ana,
k
t
ó
ra
z
o
s
tanie imput
ow
ana,
z
ale
ż
y
o
d
o
b
s
er
wo
-
w
anej c
z
ę
ś
ci
z
a
s
o
bu dan
y
ch
.
W pr
z
y
pad-
k
u dan
y
ch p
o
miar
owy
ch ta
k
ie
z
ał
o
ż
enie
c
z
ę
s
t
o
je
s
t u
z
a
s
adni
o
ne, nat
o
mia
s
t nie
z
a
w
s
z
e
z
mienne imput
ow
ane da
s
ię
o
pi
s
ać
be
z
p
o
ś
rednią
z
ale
ż
n
o
ś
cią fun
k
c
y
jną
w
z
ględem
z
mienn
y
ch
o
b
s
er
wow
an
y
ch
[
6
].
W pr
z
y
pad
k
u niem
o
ż
n
o
ś
ci
ok
re
ś
lenia ta
k
iej
be
z
p
o
ś
redniej
z
ale
ż
n
o
ś
ci fun
k
c
y
jnej, m
o
ż
-
li
w
ą d
o
z
a
s
t
o
s
ow
ania
k
la
s
ą met
o
d
s
ą met
o
-
d
y
o
pierające
s
ię na m
o
del
ow
aniu hip
o
te-
t
y
c
z
neg
o
r
o
z
k
ładu pra
w
d
o
p
o
d
o
bień
s
t
w
a
r
o
z
w
a
ż
an
y
ch
z
mienn
y
ch nie
o
b
s
er
wow
a-
n
y
ch na p
o
d
s
ta
w
ie parametr
ów
z
bi
o
ru
z
mienn
y
ch
o
b
s
er
wow
an
y
ch
[
2,6
].
A
pli
k
ac
y
jne
z
a
s
t
o
s
ow
anie met
o
d impu-tacji
m
o
ż
na
o
g
ó
lnie p
o
d
z
ielić na imputację
jedn
o
s
t
kow
ą (p
o
jed
y
nc
z
ą),
w
k
t
ó
rej
k
a
ż
da
bra
k
ująca
w
art
o
ś
ć je
s
t u
z
upełniana jedn
o
-
k
r
o
tnie
o
ra
z
imputację
w
iel
ok
r
o
tną,
w
k
t
ó
rej
k
a
ż
da bra
k
ująca
w
art
o
ś
ć u
z
upełniana je
s
t
k
il
k
u
k
r
o
tnie, a dal
s
z
a anali
z
a
s
tat
y
s
t
y
c
z
na
ko
lejn
y
ch
w
ariant
ów
u
z
upełni
o
neg
o
z
bi
o
ru
dan
y
ch je
s
t
o
s
tatec
z
nie łąc
z
o
na
w
jeden
ko
ńc
owy
wy
ni
k
[
7,8
].
Do
bre re
z
ultat
y
m
o
ż
-
na u
z
y
s
k
,
s
t
o
s
ując met
o
d
y
o
parte na
uc
z
eniu ma
s
z
y
n
owy
m
[
9
]
, pr
z
y
c
z
y
m teg
o
t
y
pu techni
k
i
wy
magają d
y
s
p
o
n
ow
ania
du
ż
y
m
z
a
s
o
bem dan
y
ch
o
b
s
er
wow
an
y
ch,
ab
y
o
dp
ow
iedni
o
wy
tren
ow
ać m
o
del
.
S
z
er
s
z
y
o
pi
s
wy
ż
ej
wy
mieni
o
n
y
ch
o
ra
z
inn
y
ch met
o
d imputacji m
o
ż
na
z
nale
ź
ć
w
pr
z
eglądach temat
y
c
z
n
y
ch, m
.
in
.
[
10,11
].
Na gruncie
z
agadnień
z
w
ią
z
an
y
ch
z
d
y
s
tr
y
bucją ciepła i p
ok
re
w
n
y
ch,
w
litera-
tur
z
e nau
kow
ej
o
becne
s
ą pr
z
yk
ład
y
wyko
-
r
z
y
s
tania met
o
d imputac
y
jn
y
ch
w
celu
d
o
pełnienia dan
y
ch p
o
miar
owy
ch
(
w
p
o
s
taci
s
z
ereg
ów
c
z
a
s
owy
ch) p
o
ch
o
-
d
z
ąc
y
ch
z
ciepł
o
mier
z
y
, (u
z
upełnienie
w
ten
s
p
o
s
ó
b inter
w
ów
c
z
a
s
owy
ch,
w
k
t
ó
r
y
ch
wy
s
tąpił bra
k
dan
y
ch)
[
12-14
].
W prac
y
[
12
]
p
o
r
ów
nan
o
wy
ni
k
i imputacji
r
ó
ż
n
y
mi met
o
dami bra
k
ując
y
ch dan
y
ch
p
o
miar
owy
ch
z
e
z
bi
o
ru
oko
ł
o
3000 cie-
pł
o
mier
z
y.
Ud
z
iał bra
k
ując
y
ch
o
b
s
er
w
acji
w
t
y
m
z
bi
o
r
z
e
wy
n
o
s
ił
oko
ł
o
0,3
%
w
s
z
y
s
t-
k
ich re
ko
rd
ów.
W art
yk
ule
[
13
]
ud
z
iał bra-
w
w
ź
r
ó
owy
m
z
a
s
o
bie dan
y
ch b
y
ł
w
k
s
z
y
i
wy
n
o
s
oko
ł
o
3,7
%
.
W prac
y
[
14
]
w
pr
z
y
pad
k
u
w
art
o
ś
ci ch
w
il
owy
ch naj-
lepiej
s
pra
w
d
z
a
s
ię met
o
da imputacji
o
parta na
ś
redniej ruch
o
mej, a
w
pr
z
y
pad-
k
u imputacji
w
art
o
ś
ci
s
k
umul
ow
an
y
ch naj-
bard
z
iej
s
k
utec
z
na
ok
a
z
ała
s
ię interp
o
lacja
lini
ow
a
.
W publi
k
acji
[
2
]
z
a
s
t
o
s
ow
an
o
r
ó
ż
-
ne met
o
d
y
imputacji bra
k
ując
y
ch dan
y
ch
z
lic
z
ni
ków
energii ele
k
tr
y
c
z
nej i p
ok
a
z
an
o
,
ż
e
s
k
utec
z
n
o
ś
ć imputacji malała
w
ra
z
z
r
o
s
nąc
y
m ud
z
iałem bra
ków.
W prac
y
[
15
]
z
adem
o
n
s
tr
ow
an
o
wyko
r
z
y
s
tanie
imputacji
w
iel
ok
r
o
tnej d
o
u
z
upełnienia bra-
ków
w
dan
y
ch p
o
miar
owy
ch
z
lic
z
ni
ków
energii ele
k
tr
y
c
z
nej
.
W art
yk
ule
[
16
]
pr
z
ed-
s
ta
w
i
o
n
o
pr
z
yk
ład p
o
dej
ś
cia mie
s
z
aneg
o
,
integrująceg
o
r
ó
ż
ne met
o
d
y
imputacji
.
D
e
f
i
n
i
c
j
a
p
r
o
b
l
em
u
W p
owy
ż
ej
wy
mieni
o
n
y
ch pr
z
yk
ładach
z
literatur
y
nau
kow
ej imputacja
wyko
r
z
y
s
t
y
-
w
ana b
y
ła gł
ów
nie d
o
u
z
upełniania lu
k
w
pr
o
filach c
z
a
s
owy
ch dan
y
ch
z
lic
z
ni
ków.
Pr
z
edmi
o
tem niniej
s
z
eg
o
art
yk
ułu będ
z
ie
s
y
tuacja,
w
k
t
ó
rej dla pe
w
nej grup
y
w
ę
z
ł
ów
ciepln
y
ch
w
o
g
ó
le nie
s
ą d
o
s
tępne g
o
d
z
i-
n
ow
e dane telemetr
y
c
z
ne p
o
z
w
alające na
be
z
p
o
ś
rednie
wy
z
nac
z
enie pr
z
epł
ywów
i
s
pad
ków
temperatur
y
,
s
tan
ow
iąc
y
ch nie-
z
będne dane
w
ej
ś
ci
ow
e dla m
o
delu ciepl-
n
o
-h
y
draulic
z
neg
o
s
ieci ciepł
ow
nic
z
ej
.
W dan
y
m pun
k
cie prac
y
s
ieci p
owy
ż
s
z
e
parametr
y
w
k
a
ż
d
y
m
z
w
ę
z
ł
ów
ciepln
y
ch
z
w
ią
z
ane
s
ą
z
ale
ż
n
o
ś
ciami
:
Q
=
ρ
Vc
p
T(1)
Q
=
ϕ
Q
n
o
m
(2)
p
n
o
m
gd
z
ie
:
Q
m
o
c cieplna
w
ę
z
ła
[k
W
]
,
ρ
gę
s
t
o
ś
ć
c
z
y
nni
k
a
[k
g/m
3
]
, V pr
z
epł
yw
o
bjęt
o
ś
-
ci
owy
c
z
y
nni
k
a pr
z
e
z
w
ę
z
eł
[
m
3
/
s
]
,
c
ciepł
o
w
ła
ś
ci
w
e c
z
y
nni
k
a
[k
J/(
k
g °C)
]
,
T
s
pade
k
temperatur
y
na
w
ę
ź
le
[
°C
]
,
ϕ
w
s
p
ó
łc
z
y
nni
k
wyko
r
z
y
s
tania m
o
c
y
z
am
ów
i
o
nej dla daneg
o
w
ę
z
ła
[
-
]
,
Q
m
o
c
z
am
ów
i
o
na
w
ę
z
ła cieplneg
o
[k
W
].
Z
nając d
w
ie
w
art
o
ś
ci
s
p
o
ś
r
ó
d
:
m
o
c
y
,
s
trumienia pr
z
epł
yw
u i
s
pad
k
u temperatur
y
,
z
a p
o
m
o
cą
w
z
o
ru (1) m
o
ż
na
o
blic
z
y
ć tr
z
e-
ci
z
parametr
ów.
Z
adanie r
o
z
w
a
ż
o
ne
w
niniej
s
z
ej prac
y
p
o
lega na imput
ow
aniu na p
o
d
s
ta
w
ie innej
w
ied
z
y
p
o
m
o
cnic
z
ej (np
.
w
iad
o
mej c
z
ę
ś
ci
dan
y
ch p
o
miar
owy
ch, dan
y
ch
G
I
S lub
technic
z
n
y
ch),
w
art
o
ś
ci d
wó
ch
z
tr
z
ech
p
owy
ż
s
z
y
ch parametr
ów
dla p
o
d
z
bi
o
ru
w
ę
z
ł
ów
ciepln
y
ch,
w
k
t
ó
r
y
ch nie je
s
t
z
nan
y
ż
aden
z
t
y
ch parametr
ów
,
w
celu u
z
y
s
k
a-
nia
ko
mpletneg
o
z
bi
o
ru dan
y
ch
w
ej
ś
ci
o
-
wy
ch d
o
z
a
s
ilenia m
o
delu
s
ieci ciepł
ow
ni-
c
z
ej
.
O
d
z
w
ierciedla t
o
pr
z
yk
ład
ow
ą
s
y
tuację,
w
k
t
ó
rej
w
dan
y
m
s
y
s
temie cie-
ow
nic
z
y
m pe
w
na lic
z
ba
w
ę
z
ł
ów
ciepln
y
ch je
s
t
o
bjęta
s
y
s
temem telemetrii
i parametr
y
t
y
ch
w
ę
z
ł
ów
p
o
tr
z
ebne d
o
m
o
del
ow
ania
s
ieci ciepł
ow
nic
z
ej m
o
ż
na
wy
z
nac
z
y
ć be
z
p
o
ś
redni
o
z
dan
y
ch teleme-
tr
y
c
z
n
y
ch, a pe
w
na grupa
w
ę
z
ł
ów
nie je
s
t
o
bjęta
s
y
s
temem telemetrii i parametr
y
t
y
ch
w
ę
z
ł
ów
p
o
tr
z
ebne d
o
m
o
del
ow
ania
s
ieci
ciepł
ow
nic
z
ej,
k
t
ó
re nie m
o
gą
z
o
s
tać
ok
re-
ś
l
o
ne be
z
p
o
ś
redni
o
z
dan
y
ch telemetr
y
c
z
-
n
y
ch, mu
s
z
ą
z
o
s
tać
wy
z
nac
z
o
ne
w
inn
y
s
p
o
s
ó
b
.
G
ł
ów
n
y
m celem prac
y
je
s
t p
o
r
ów
nanie,
ja
k
s
pra
w
d
z
ają
s
ię
w
ta
k
im
z
a
s
t
o
s
ow
aniu
tr
z
y
met
o
d
y
o
parte na imputacji
:
ś
rednią,
h
o
t-dec
k
i regre
s
ją
.
W
o
blic
z
eniach p
o
s
łu-
ż
o
n
o
s
ię
z
a
s
o
bem dan
y
ch p
o
ch
o
d
z
ąc
y
m
z
fragmentu r
z
ec
z
yw
i
s
teg
o
s
y
s
temu cie-
pł
ow
nic
z
eg
o
,
o
bejmująceg
o
42
w
ę
z
ł
y
cieplne
.
W
ś
r
ó
d
o
dbi
o
rc
ów
ciepła
z
najdują
s
ię bud
y
n
k
i mie
s
z
k
alne
w
z
abud
ow
ie
w
ie-
l
o
- i jedn
o
r
o
d
z
innej,
o
bie
k
t
y
u
s
ług
ow
e,
biur
ow
e i pr
z
em
y
s
ł
ow
e
.
Z
a
s
ó
b dan
y
ch
o
bejmuje
ko
mpletne dane
z
telemetrii
w
s
z
y
s
t
k
ich
w
ę
z
ł
ów
ciepln
y
ch
w
r
o
z
d
z
iel-
c
z
o
ś
ci g
o
d
z
in
ow
ej (m
o
ce, pr
z
epł
ywy
i
s
pad
k
i temperatur)
z
ok
re
s
u
o
d 1
s
t
y
c
z
nia
d
o
14 luteg
o
2024 r
.
W
o
blic
z
eniach
wyko
r
z
y
s
tan
o
r
ów
nie
ż
p
o
m
o
cnic
z
e
z
a
s
o
b
y
dan
y
ch inneg
o
t
y
pu,
wy
magan
y
ch
s
t
o
s
ow
-
nie d
o
met
o
d
y
(np
.
dane
G
I
S)
.
P
owy
ż
s
z
e dane telemetr
y
c
z
ne pr
z
e-
k
s
z
tałc
o
n
o
, p
o
z
y
s
k
ując c
z
ter
y
z
bi
o
r
y
dan
y
ch ba
z
owy
ch
:
tr
z
y
z
bi
o
r
y
u
ś
redni
o
ne
A
_n10,
A
_0
i
A
_p10,
o
dp
ow
iadające u
ś
redni
o
n
y
m
parametr
o
m
w
ę
z
ł
ów
ciepln
y
ch pr
z
y
temperaturach
z
e
w
nętr
z
n
y
ch bli
s
k
ich
o
dp
ow
iedni
o
10°C, 0°C i
+
10°C;
jeden
z
bi
ó
r
B
_0,
o
dp
ow
iadając
y
ch
w
i-
l
owy
m parametr
o
m
w
ę
z
ł
ów
ciepln
y
ch
w
jedn
y
m
z
k
il
k
ug
o
d
z
inn
y
ch inter
w
ał
ów
c
z
a
s
owy
ch, gd
y
d
z
iałanie
s
ieci cie-
pł
ow
nic
z
ej b
y
ł
o
bard
z
o
s
tabilne i
z
bli-
ż
o
ne d
o
s
tanu
s
tacj
o
narneg
o.
W
yko
r
z
y
s
tanie p
owy
ż
s
z
y
ch
z
bi
o
r
ów
dan
y
ch ba
z
owy
ch (
A
s
tan
y
u
ś
redni
o
ne,
„B
s
tan ch
w
il
owy
,
qua
s
i
s
tacj
o
narn
y
)
ma na celu um
o
ż
li
w
ić
s
pra
w
d
z
enie
s
k
utec
z
-
n
o
ś
ci imputacji dla dan
y
ch repre
z
entują-
c
y
ch r
ó
ż
ne
s
tan
y
s
ieci
.
W p
owy
ż
s
z
y
ch
z
bi
o
rach dan
y
ch ba
z
o
-
wy
ch
s
z
tuc
z
nie
wy
gener
ow
an
o
bra
k
i na
p
o
z
i
o
mie 10, 20 lub 30 l
o
s
owo
wy
bran
y
ch
w
ę
z
ł
ów.
B
ra
k
ujące dane imput
ow
an
o
k
a
ż
-
dą
z
r
o
z
w
a
ż
an
y
ch met
o
d
:
ś
rednią, h
o
t--
dec
k
i regre
s
ją,
w
o
parciu
o
o
b
s
er
wow
aną
c
z
ę
ś
ć
z
bi
o
ru dan
y
ch i,
s
t
o
s
ow
nie d
o
anali-
z
ow
anej met
o
d
y
, dane p
o
m
o
cnic
z
e
.
Ta
k
ie
p
o
dej
ś
cie um
o
ż
li
w
ia
s
pra
w
d
z
enie
z
ar
ów
n
o
s
k
utec
z
n
o
ś
ci p
o
s
z
c
z
eg
ó
ln
y
ch met
o
d, ja
k
i
w
pł
yw
u p
o
z
i
o
mu bra
k
ując
y
ch dan
y
ch
.
49
in
s
tal
.
pc
z
.
pl
8/2026
P
owy
ż
s
z
y
ciąg
o
peracji (indu
k
cję bra-
ków
i na
s
tępc
z
e ich u
z
upełnienie implanta-
mi
s
tat
y
s
t
y
c
z
n
y
mi
z
a p
o
m
o
cą tr
z
ech met
o
d)
p
ow
t
ó
r
z
o
n
o
dla
k
a
ż
dej
ko
mbinacji
w
arian-
t
ów
(dane ba
z
ow
e
×
p
o
z
i
o
m
wy
indu
kow
a-
n
y
ch bra
ków
) p
o
1000 ra
z
y
, ab
y
um
o
ż
li-
w
ić
o
cenę r
o
z
pr
o
s
z
enia u
z
y
s
k
i
w
an
y
ch
wy
ni
ków
, p
owo
d
ow
aneg
o
pr
z
e
z
z
r
ó
ż
nic
o
-
w
anie
o
b
s
er
wow
anej c
z
ę
ś
ci
z
bi
o
r
ów
dan
y
ch na
s
k
ute
k
l
o
s
ow
ej indu
k
cji bra
ków.
Ta
k
ie p
o
dej
ś
cie um
o
ż
li
w
ia
o
g
ó
lne
w
ni
o
s
ko
-
w
anie na temat
o
dp
o
rn
o
ś
ci met
o
d
y
na nie-
repre
z
entat
yw
n
o
ś
ć pr
ó
b
k
i
o
b
s
er
wow
anej
c
z
ę
ś
ci
z
bi
o
ru dan
y
ch
.
W t
ok
u dal
s
z
y
ch r
o
z
w
a
ż
ań
s
e
kw
encja
l
o
s
ow
ej indu
k
cji bra
ków
i na
s
tępc
z
eg
o
u
z
u-
pełnienia implantami
s
tat
y
s
t
y
c
z
n
y
mi będ
z
ie
na
z
yw
ana iteracją, a c
z
ę
ś
ć
o
b
s
er
wow
ana
z
a
s
o
bu dan
y
ch
w
ramach p
o
jed
y
nc
z
ej
iteracji,
s
tan
ow
iąca d
o
pełnienie c
z
ę
ś
ci nie-
o
b
s
er
wow
anej, będ
z
ie na
z
yw
ana pr
ó
b
k
ą
.
L
o
s
owo
wy
indu
kow
ana
w
danej iteracji
c
z
ę
ś
ć nie
o
b
s
er
wow
ana
z
a
s
o
bu dan
y
ch
będ
z
ie na
z
yw
ana pr
z
eci
w
pr
ó
b
k
ą
.
M
e
t
o
d
y
i
mp
u
t
a
c
ji
I
mp
u
t
a
c
j
a
ś
r
ed
n
i
ą
W ramach tej met
o
d
y
bra
k
ujące dane
w
c
z
ę
ś
ci nie
o
b
s
er
wow
anej
z
a
s
o
bu dan
y
ch
(pr
z
eci
w
pr
ó
bce) u
z
upełnian
o
w
art
o
ś
ciami
ś
rednimi,
wy
z
nac
z
o
n
y
mi na p
o
d
s
ta
w
ie c
z
ę-
ś
ci
o
b
s
er
wow
anej
z
a
s
o
bu dan
y
ch (pr
ó
b
k
i)
.
Z
pr
ó
b
k
i
wy
z
nac
z
an
o
ś
rednią
w
art
o
ś
ć
ϕ
o
ra
z
T i pr
z
y
jm
ow
an
o
je ja
ko
imput
ow
ane
ϕ
i T
w
pr
z
eci
w
pr
ó
bce
w
ę
z
ł
ów
ciepln
y
ch
.
I
mput
ow
an
y
s
trumień pr
z
epł
yw
u
w
pr
z
e-
ci
w
pr
ó
bce
o
blic
z
an
o
ja
ko
wy
ni
kowy
z
z
ale
ż
n
o
ś
ci (1) i (2)
.
Na r
y
s
un
k
ach 1, 2 i 3 pr
z
ed
s
ta
w
i
o
n
o
wy
ni
k
i imputacji
ś
rednią dla pr
z
yk
ład
ow
ej
iteracji
.
Wid
o
c
z
ne je
s
t,
ż
e ten r
o
d
z
aj impu-
tacji p
owo
duje
w
z
bi
o
r
z
e dan
y
ch imput
o
-
w
an
y
ch utratę
z
mienn
o
ś
ci parametr
ów
pr
z
eja
w
ianą
w
r
z
ec
z
yw
i
s
t
o
ś
ci
.
Naturalnie
najmniej trafna je
s
t imputacja dla
w
ę
z
ł
ów
ciepln
y
ch, dla
k
t
ó
r
y
ch
w
r
z
ec
z
yw
i
s
t
o
ś
ci
parametr
y
pr
z
y
jmują
w
art
o
ś
ci
s
k
rajne
.
K
o
lejn
y
m
w
id
o
c
z
n
y
m man
k
amentem
met
o
d
y
je
s
t t
o
,
ż
e
z
mienne imput
ow
ane nie
m
o
gą pr
z
y
jąć
w
art
o
ś
ci
wyk
rac
z
ając
y
ch
p
o
z
a
z
a
k
re
s
wy
z
nac
z
o
n
y
pr
z
e
z
najmniej-
s
z
ą i naj
w
ię
k
s
z
ą
w
art
o
ś
ć
o
b
s
er
wow
aną
w
pr
ó
bce
.
Na r
y
s
un
k
u 4 d
oko
nan
o
s
k
r
ó
t
ow
eg
o
pr
z
eglądu
s
k
utec
z
n
o
ś
ci imputacji m
o
c
y
w
ę
z
ł
ów
ś
rednią
.
Wi
z
uali
z
ow
an
y
m
w
s
k
a
ź
-
ni
k
iem je
s
t błąd
w
z
ględn
y
wy
z
nac
z
enia
łąc
z
nej m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch,
s
tan
ow
ią-
c
y
miarę trafn
o
ś
ci imput
ow
ania m
o
c
y
w
całej grupie
w
ę
z
ł
ów.
Na
o
s
i p
o
z
i
o
mej
o
d
w
z
o
r
ow
an
o
ś
rednią
w
art
o
ś
ć błędu
w
z
ględneg
o
w
1000
wyko
nan
y
ch itera-
cjach, na
o
s
i pi
o
n
ow
ej
o
dch
y
lenie
s
tandar-
d
ow
e teg
o
błędu
.
P
o
ż
ądan
y
mi cechami
s
ą
:
ś
rednia błędu bli
s
k
a
z
eru
z
jedn
o
c
z
e
s
n
y
m
ni
s
k
im
o
dch
y
leniem
s
tandard
owy
m, c
o
o
z
nac
z
ał
o
b
y
,
ż
e pr
z
eciętnie imputacja
s
umar
y
c
z
nej m
o
c
y
w
ę
z
ł
ów
je
s
t trafna, a ite-
racje,
w
k
t
ó
r
y
ch implant
y
s
tat
y
s
t
y
c
z
ne
z
nac
z
nie
o
dbiegają
o
d
w
art
o
ś
ci fa
k
t
y
c
z
-
n
y
ch,
s
ą r
z
ad
k
ie
.
I
mputacja,
o
ceniana
w
ten
s
p
o
s
ó
b, naj-
s
k
utec
z
niej
s
z
a
ok
a
z
ała
s
ię
w
w
ariantach
z
najmniej
s
z
ą lic
z
bą lu
k.
D
la
k
a
ż
deg
o
z
e
s
ta
w
u dan
y
ch ba
z
o
-
wy
ch,
w
ra
z
z
e
w
z
r
o
s
tem lic
z
b
y
lu
k
r
o
ś
nie
be
z
w
z
ględna
w
art
o
ś
ć
ś
rednieg
o
błędu
o
ra
z
o
dch
y
lenie
s
tandard
ow
e błędu
.
Najmniej
s
z
y
(c
o
d
o
w
art
o
ś
ci be
z
w
z
ględ-
nej)
ś
redni błąd,
wy
n
o
s
z
ąc
y
1,9
%
,
o
tr
z
y
-
man
o
w
z
bi
o
r
z
e dan
y
ch
A
_p10 dla 10 lu
k.
P
o
r
ów
nując
wy
ni
k
i międ
z
y
z
bi
o
rami
dan
y
ch ba
z
owy
ch,
ś
redni błąd b
y
ł mniej
s
z
y
w
pr
z
y
pad
k
u repre
z
entacji u
ś
redni
o
n
y
ch
s
tan
ów
s
y
s
temu ciepł
ow
nic
z
eg
o
ni
ż
dla
dan
y
ch ba
z
owy
ch
o
d
w
z
o
r
ow
ując
y
ch
s
tan
ch
w
il
owy.
Naj
w
k
s
z
y
(c
o
d
o
w
art
o
ś
ci
be
z
w
z
ględnej)
ś
redni błąd,
wy
n
o
s
z
ąc
y
7
%
,
o
tr
z
y
man
o
w
z
bi
o
r
z
e dan
y
ch ba
z
o
-
wy
ch
B
_0, repre
z
entując
y
m
s
tan ch
w
il
owy
,
dla 30 lu
k
, c
o
je
s
t pr
z
y
30 lu
k
ach
wy
ni
k
iem
g
o
r
s
z
y
m ni
ż
dla
z
bi
o
r
ów
dan
y
ch ba
z
o
-
wy
ch
o
dp
ow
iadając
y
ch
s
tan
o
m u
ś
redni
o
-
n
y
m, dla
k
t
ó
r
y
ch
ś
redni błąd b
y
ł ni
ż
s
z
y.
I
mp
u
t
a
c
j
a
ho
t
-
de
ck
W ramach tej met
o
d
y
bra
k
ujące dane
w
pr
z
eci
w
pr
ó
bce u
z
upełnian
o
w
art
o
ś
ciami
p
o
bran
y
mi
z
najbard
z
iej p
o
d
o
bn
y
ch
o
bie
k
-
t
ów
w
pr
ó
bce
.
Pr
z
ete
s
t
ow
an
o
d
w
a
w
arian-
t
y
met
o
d
y.
W pier
w
s
z
y
m
w
ariancie
wy
z
nac
z
ni
k
iem p
o
d
o
bień
s
t
w
a b
y
ła m
o
c
z
am
ów
i
o
na
z
a najlep
s
z
eg
o
d
o
n
o
ra dla
daneg
o
w
ę
z
ła
z
pr
z
eci
w
pr
ó
b
k
i u
z
na
w
an
o
w
ę
z
eł
z
pr
ó
b
k
i
o
najbli
ż
s
z
ej m
o
c
y
z
am
ó
-
w
i
o
nej
.
W drugim
w
ariancie
wy
z
nac
z
ni-
k
iem p
o
d
o
bień
s
t
w
a b
y
ł
o
z
u
ż
y
cie ciepła
pr
z
e
z
dan
y
w
ę
z
eł
w
mie
s
ięc
z
n
y
m
ok
re
s
ie
.
O
ba
w
ariant
y
met
o
d
y
wy
magają
w
ięc
s
ko
-
r
z
y
s
tania
z
p
o
m
o
cnic
z
eg
o
z
a
s
o
bu dan
y
ch
.
M
o
t
yw
acja
s
t
o
jąca
z
a p
owy
ż
s
z
y
mi
d
wo
ma
w
er
s
jami met
o
d
y
je
s
t na
s
tępująca
:
nie
z
a
w
s
z
e m
o
c
z
am
ów
i
o
na je
s
t d
o
brana
ade
kw
atnie d
o
fa
k
t
y
c
z
neg
o
pr
o
filu
z
ap
o
-
tr
z
eb
ow
ania
w
ę
z
ła cieplneg
o.
Z
u
ż
y
cie cie-
pła
w
ok
re
s
ie mie
s
ięc
z
n
y
m je
s
t
w
art
o
ś
cią,
k
t
ó
ra p
ow
inna b
y
ć
z
nana i łat
wo
d
o
s
tępna
ja
ko
dana p
o
m
o
cnic
z
a na
w
et
w
pr
z
y
pad
k
u
bra
k
u g
o
d
z
in
owy
ch dan
y
ch telemetr
y
c
z
-
n
y
ch, p
o
nie
w
a
ż
na jej p
o
d
s
ta
w
ie na
s
tępuje
r
o
z
lic
z
enie
z
o
dbi
o
rcą ciepła
.
Ry
s
.
1
.
Wart
o
ś
ci
ϕ
fa
k
t
y
c
z
ne i imput
ow
ane
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
1
.
A
ctual and imputed value
s
o
f
ϕ
in an
e
x
emplar
y
iterati
o
n
Ry
s
.
2
.
Wart
o
ś
ci
s
trumienia pr
z
epł
yw
u
wo
d
y
fa
k
t
y
c
z
ne i imput
ow
ane
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
2
.
R
eal and imputed value
s
o
f v
o
lumetric fl
ow
o
f the
w
ater in an e
x
emplar
y
iterati
o
n
Ry
s
.
3
.
Wart
o
ś
ci T fa
k
t
y
c
z
ne i imput
ow
ane
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
3
.
A
ctual and imputed value
s
o
f T
in an e
x
emplar
y
iterati
o
n
Ry
s
.
4
.
B
łąd
w
z
ględn
y
wy
z
nac
z
enia łąc
z
nej m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch
F
ig
.
4
.
R
elative err
o
r
o
f di
s
trict heating
s
ub
s
tati
o
n
s
s
ummar
y
heat p
ow
er
C
i
ep
ł
own
i
ct
wo
508/2026in
s
tal
.
pc
z
.
pl
C
W
o
bu
w
ariantach
o
d najbard
z
iej
p
o
d
o
bneg
o
d
o
n
o
ra p
o
bieran
o
w
art
o
ś
ć
m
o
c
y
, a na
s
tępnie na p
o
d
s
ta
w
ie
w
ten
s
p
o
-
s
ó
b
z
aimput
ow
anej m
o
c
y
w
s
k
a
z
yw
an
o
d
o
n
o
ra d
o
p
o
brania
w
art
o
ś
ci pr
z
epł
yw
u
.
I
mput
ow
an
y
T
w
pr
z
eci
w
pr
ó
bce
o
blic
z
a-
n
o
ja
ko
wy
ni
kowy
z
z
ale
ż
n
o
ś
ci (1)
.
W
k
a
ż
d
y
m
w
ariancie
w
arun
kow
an
y
m
ko
mbinacją lic
z
b
y
lu
k
i
z
bi
o
ru dan
y
ch
ba
z
owy
ch
s
k
utec
z
niej
s
z
a
ok
a
z
yw
ała
s
ię
imputacja
z
wy
z
nac
z
aniem d
o
n
o
ra
o
par-
t
y
m na
z
u
ż
y
ciu ciepła ni
ż
na m
o
c
y
z
am
ó
-
w
i
o
nej
.
Wariant met
o
d
y
wyko
r
z
y
s
tującej
ja
ko
miarę p
o
d
o
bień
s
t
w
a mie
s
ięc
z
ne
z
u
ż
y
-
cie ciepła pr
z
y
jęt
o
ja
ko
o
pt
y
malną
w
er
s
ję
met
o
d
y
h
o
t dec
k
d
o
dal
s
z
y
ch anali
z
.
Na r
y
s
un
k
ach 5, 6 i 7 pr
z
ed
s
ta
w
i
o
n
o
wy
ni
k
i imputacji h
o
t-dec
k
dla pr
z
yk
ład
ow
ej
iteracji
.
W p
o
r
ów
naniu
z
imputacją
ś
rednią,
z
aletą met
o
d
y
h
o
t-dec
k
je
s
t
z
ach
ow
anie
w
pr
z
eci
w
pr
ó
bce
wy
s
tępującej
w
r
z
ec
z
yw
i-
s
t
o
ś
ci
z
mienn
o
ś
ci parametr
ów.
Teg
o
t
y
pu
imputacja
o
granic
z
o
na je
s
t jedna
k
d
o
z
am
k
niętej li
s
t
y
w
art
o
ś
ci
wy
s
tępując
y
ch
w
pr
ó
bce i, p
o
d
o
bnie ja
k
imputacja
ś
red-
nią, nie um
o
ż
li
w
ia pr
z
y
jęcia
w
art
o
ś
ci
wyk
rac
z
ając
y
ch p
o
z
a granice najmniej
s
z
ej
i naj
w
k
s
z
ej
w
art
o
ś
ci
o
b
s
er
wow
anej
w
pr
ó
bce
.
Na r
y
s
un
k
u 8 pr
z
ed
s
ta
w
i
o
n
o
s
k
r
ó
t
owy
pr
z
egląd
s
k
utec
z
n
o
ś
ci imputacji m
o
c
y
met
o
dą h
o
t-dec
k
,
w
i
z
uali
z
ując
ś
redni
w
1000 iteracjach błąd
wy
z
nac
z
enia
s
umar
y
c
z
nej m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch i jeg
o
o
dch
y
lenie
s
tandard
ow
e
.
w
art
o
ś
ć be
z
w
z
ględna błędu je
s
t dla
k
a
ż
dej
lic
z
b
y
lu
k
mniej
s
z
a ni
ż
w
inn
y
ch
z
bi
o
rach
dan
y
ch repre
z
entując
y
ch
s
tan
y
u
ś
redni
o
ne
s
y
s
temu ciepł
ow
nic
z
eg
o.
Jedn
o
c
z
e
ś
nie jed-
na
k
w
z
bi
o
r
z
e
B
_0 dla
k
a
ż
dej lic
z
b
y
lu
k
w
art
o
ś
ci
o
dch
y
lenia
s
tandard
ow
eg
o
s
ą
w
k
s
z
e ni
ż
w
inn
y
ch
z
bi
o
rach dan
y
ch
ba
z
owy
ch,
s
ięgając p
o
z
i
o
mu 7,1
%
dla
30 lu
k
, c
o
je
s
t naj
wy
ż
s
z
ą
w
art
o
ś
cią
o
tr
z
y
-
maną
w
ramach met
o
d
y
h
o
t-dec
k.
I
mp
u
t
a
c
j
a
r
eg
r
e
s
j
ą
W ramach tej met
o
d
y
bra
k
ujące dane
w
pr
z
eci
w
pr
ó
bce u
z
upełnian
o
w
o
parciu
o
m
o
del lini
ow
ej regre
s
ji
w
iel
o
ra
k
iej
wy
z
na-
c
z
o
n
y
na p
o
d
s
ta
w
ie dan
y
ch
z
pr
ó
b
k
i
.
Do
pr
ó
b
k
i d
o
pa
s
owyw
an
o
o
s
o
bn
y
m
o
del
regre
s
ji lini
ow
ej
o
pi
s
ując
y
m
o
c
w
ę
z
ł
ów
ciepln
y
ch i
o
s
o
bn
y
m
o
del
o
pi
s
ując
y
s
tru-
mień pr
z
epł
yw
u
.
I
mput
ow
an
y
T
w
pr
z
e-
ci
w
pr
ó
bce
o
blic
z
an
o
ja
ko
wy
ni
kowy
z
z
ale
ż
n
o
ś
ci (1)
.
Z
a
s
adnic
z
ą
kw
e
s
tią je
s
t dec
y
z
ja, na
ja
k
ich
z
mienn
y
ch p
ow
inn
y
o
pierać
s
ię
m
o
dele regre
s
ji lini
ow
ej
.
W t
y
m celu pr
z
e-
pr
ow
ad
z
o
n
o
pr
ó
bę, mającą na celu
ok
re-
ś
lenie,
k
t
ó
re
z
mienne m
o
gą
ok
a
z
ać
s
ię traf-
n
y
mi pred
yk
t
o
rami
w
ramach regre
s
ji
.
W 100 iteracjach
s
pra
w
d
z
o
n
o
trafn
o
ś
ć
imputacji regre
s
ją
o
partą na jednej, d
wó
ch
lub tr
z
ech
z
mienn
y
ch
.
W
yko
r
z
y
s
tan
o
k
ata-
l
o
g
z
mienn
y
ch
z
p
o
m
o
cnic
z
y
ch
z
a
s
o
b
ów
dan
y
ch, m
o
ż
li
wy
ch d
o
p
o
z
y
s
k
ania
w
reali-
s
t
y
c
z
n
y
ch
s
cenariu
s
z
ach
:
p
o
d
s
ta
wow
e inf
o
rmacje chara
k
ter
y
z
ują-
ce
o
dbi
o
rcę ciepła
:
m
o
c
z
am
ów
i
o
na,
mie
s
ięc
z
ne
z
u
ż
y
cie ciepła, lic
z
ba fun
k
cji
w
ę
z
ła cieplneg
o
;
inf
o
rmacje m
o
ż
li
w
e d
o
p
o
z
y
s
k
ania
z
ba
z
dan
y
ch
G
I
S
:
lic
z
ba
ko
nd
y
gnacji
bud
y
n
k
u, fun
k
cja
o
g
ó
lna/d
o
minująca/
s
z
c
z
eg
ó
ł
ow
a bud
y
n
k
u;
inf
o
rmacje m
o
ż
li
w
e d
o
p
o
z
y
s
k
ania
z
d
ok
umentacji technic
z
nej
w
ę
z
ł
ów
ciepln
y
ch
:
ś
rednica pr
z
y
łąc
z
a, m
o
del
ciepł
o
mier
z
a, m
o
del
z
a
wo
ru regulac
y
j-
neg
o
, m
o
del
s
ter
ow
ni
k
a, m
o
del
wy
mien-
ni
k
a ciepła c
.o.
W
z
ale
ż
n
o
ś
ci
o
d chara
k
teru
z
mien-
n
y
ch, b
y
ł
y
o
ne u
w
z
ględniane
w
m
o
delu
regre
s
ji be
z
p
o
ś
redni
o
(
z
mienne lic
z
b
ow
e)
lub p
o
pr
z
e
ko
d
ow
aniu na
w
art
o
ś
ci lic
z
b
o
-
w
e (
z
mienne
k
ateg
o
r
y
c
z
ne)
.
Sp
o
ś
r
ó
d
p
owy
ż
s
z
y
ch
z
mienn
y
ch najlep
s
z
y
mi p
o
je-
d
y
nc
z
y
mi pred
yk
t
o
rami
ok
a
z
ał
y
s
ię, ja
k
p
ok
a
z
an
o
na r
y
s
un
k
u 9, mie
s
ięc
z
ne
z
u
ż
y
-
cie ciepła, m
o
c
z
am
ów
i
o
na i
ś
rednica pr
z
y
-
łąc
z
a
.
Najlep
s
z
ą
ko
mbinacją
z
mienn
y
ch d
o
imputacji m
o
c
y
ok
a
z
ał
s
ię
z
bi
ó
r pred
yk
t
o
-
r
ów
z
ł
o
ż
o
n
y
z
mie
s
ięc
z
neg
o
z
u
ż
y
cia ciepła
i lic
z
b
y
ko
nd
y
gnacji bud
y
n
k
u, dla
k
t
ó
reg
o
w
100 te
s
t
owy
ch iteracjach
ś
rednie
R
2
wy
ni
o
s
ł
o
0,92
.
Ry
s
.
5
.
Wart
o
ś
ci
ϕ
fa
k
t
y
c
z
ne i imput
ow
ane
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
5
.
A
ctual and imputed value
s
o
f
ϕ
in an
e
x
emplar
y
iterati
o
n
Ry
s
.
6
.
Wart
o
ś
ci
s
trumienia pr
z
epł
yw
u
wo
d
y
fa
k
t
y
c
z
ne i imput
ow
ane
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
6
.
A
ctual and imputed value
s
o
f v
o
lumetric
fl
ow
o
f the
w
ater in an e
x
emplar
y
iterati
o
n
Ry
s
.
7
.
Wart
o
ś
ci T fa
k
t
y
c
z
ne i imput
ow
ane
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
7
.
A
ctual and imputed value
s
o
f T
in an e
x
emplar
y
iterati
o
n
Ry
s
.
8
.
B
łąd
w
z
ględn
y
wy
z
nac
z
enia łąc
z
nej m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch
F
ig
.
8
.
R
elative err
o
r
o
f di
s
trict heating
s
ub
s
tati
o
n
s
s
ummar
y
heat p
ow
er
P
o
n
ow
nie najtrafniej
s
z
e
wy
ni
k
i u
z
y
s
k
a-
n
o
dla
w
ariant
ów
z
najmniej
s
z
y
m ud
z
iałem
lu
k.
Pr
z
y
10 lu
k
ach,
ś
redni błąd,
w
z
ale
ż
n
o
-
ś
ci
o
d
z
bi
o
ru dan
y
ch ba
z
owy
ch,
w
aha
s
ię
o
d 1
%
d
o
1,7
%
.
W
k
a
ż
d
y
m
z
e
s
ta
w
ie
dan
y
ch ba
z
owy
ch,
w
ra
z
z
e
z
w
ię
k
s
z
eniem
lic
z
b
y
lu
k
,
z
w
k
s
z
a
s
ię
w
art
o
ś
ć be
z
-
w
z
ględna błędu i jeg
o
o
dch
y
lenia
s
tandar-
d
ow
eg
o.
Pr
z
eciętnie najbli
ż
s
z
a r
z
ec
z
yw
i-
s
t
o
ś
ci je
s
t imputacja pr
z
epr
ow
ad
z
o
na na
z
bi
o
r
z
e dan
y
ch repre
z
entując
y
m ch
w
il
owy
s
tan
s
y
s
temu ciepł
ow
nic
z
eg
o
, ale
w
p
o
r
ów
-
naniu
z
e
z
bi
o
rami dan
y
ch
o
pi
s
ując
y
mi
u
ś
redni
o
ne
s
tan
y
s
y
s
temu ciepł
ow
nic
z
eg
o
,
z
wyk
le
w
ię
k
s
z
e je
s
t
o
dch
y
lenie
s
tandard
o
-
w
e błędu, c
o
nale
ż
y
interpret
ow
ać ja
ko
w
ię
k
s
z
e r
y
z
yko
pr
z
epr
ow
ad
z
enia nietrafnej
imputacji
w
pr
z
y
pad
k
u nierepre
z
entat
yw
nej
pr
ó
b
k
i
.
W
z
bi
o
r
z
e dan
y
ch
B
_0
ś
redni
błąd
wy
n
o
s
i 1
%
, 2,2
%
i 5,1
%
o
dp
o
-
w
iedni
o
dla 10, 20 i 30 lu
k
, ta
k
w
ięc
51
in
s
tal
.
pc
z
.
pl
8/2026
C
i
ep
ł
own
i
ct
wo
Najlep
s
z
e
wy
ni
k
i imputacji pr
z
epł
yw
u
w
te
s
t
owy
ch iteracjach
o
s
iągnięt
o
dla
ko
m-
binacji pred
yk
t
o
r
ów:
mie
s
ięc
z
ne
z
u
ż
y
cie
ciepła i m
o
del
s
ter
ow
ni
k
a;
ś
rednie
R
2
wy
ni
o
s
ł
o
0,96
.
U
z
upełnienie p
owy
ż
s
z
y
ch
pred
yk
t
o
r
ów
o
d
o
dat
kow
ą tr
z
ecią
z
mienną
nie pr
ow
ad
z
ił
o
d
o
i
s
t
o
tnej p
o
pra
wy
wy
ni-
ków.
P
owy
ż
ej pr
z
y
t
o
c
z
o
ne
w
art
o
ś
ci
R
2
z
o
s
tał
y
p
o
lic
z
o
ne
w
pr
z
eci
w
pr
ó
bce,
s
tan
o
-
w
ią
w
ięc miarę trafn
o
ś
ci imputacji, a nie
d
o
pa
s
ow
ania m
o
delu regre
s
ji d
o
pr
ó
b
k
i
.
(W te
s
t
owy
ch iteracjach
wy
s
tęp
ow
ał
y
ko
m-
binacje
z
mienn
y
ch dające
wy
ż
s
z
e
R
2
w
pr
ó
bce, nie pr
z
e
k
ładające
s
ię na lep
s
z
e
R
2
w
pr
z
eci
w
pr
ó
bce, c
o
nale
ż
y
interpret
o
-
w
ać ja
ko
nadmiernie d
o
pa
s
ow
ane,
z
a
mał
o
o
g
ó
lne m
o
dele regre
s
ji)
.
Na r
y
s
un
k
ach 10, 11 i 12 pr
z
ed
s
ta
w
i
o
-
n
o
wy
ni
k
i imputacji regre
s
ją dla pr
z
yk
ład
o
-
w
ej iteracji
.
W p
o
r
ów
naniu
z
w
c
z
e
ś
niej
o
ma
w
ian
y
mi met
o
dami, imput
ow
ane
w
ar-
t
o
ś
ci b
y
ł
y
pr
z
eciętnie najbard
z
iej
z
g
o
dne
z
w
art
o
ś
ciami fa
k
t
y
c
z
n
y
mi
.
Z
aletą tej met
o
-
d
y
je
s
t
z
ar
ów
n
o
wy
s
tęp
ow
anie
w
pr
z
eci
w
-
pr
ó
bce
z
mienn
o
ś
ci imput
ow
an
y
ch
w
art
o
ś
ci,
ja
k
i m
o
ż
li
wo
ś
ć imput
ow
ania
w
art
o
ś
ci nie-
wy
s
tępując
y
ch
w
pr
ó
bce,
w
t
y
m
w
art
o
ś
ci
s
p
o
z
a
z
a
k
re
s
u
wy
z
nac
z
aneg
o
pr
z
e
z
ma
k
-
s
imum i minimum
o
becne
w
pr
ó
bce
.
P
owy
ż
s
z
a
z
aleta p
o
ciąga jedna
k
z
a
s
o
bą pe
w
ną
w
adę
.
M
ian
ow
icie, m
o
ż
e
z
o
s
tać imput
ow
ana
ko
mbinacja m
o
c
y
i pr
z
epł
yw
u,
k
t
ó
ra
wy
ni
kowo
pr
ow
ad
z
i d
o
wy
z
nac
z
enia
z
z
ale
ż
n
o
ś
ci (1) niefi
z
y
c
z
nej
w
art
o
ś
ci T
.
Z
o
bra
z
ow
an
o
t
o
na r
y
s
un
k
u 13,
gd
z
ie
w
id
o
c
z
n
y
ch je
s
t
k
il
k
a
wy
ni
kowy
ch
w
art
o
ś
ci T
z
nac
z
nie p
o
ni
ż
ej lub p
owy
ż
ej
w
art
o
ś
ci
s
p
o
d
z
ie
w
an
y
ch dla anali
z
ow
ane-
g
o
s
tanu
s
y
s
temu ciepł
ow
nic
z
eg
o.
A
b
y
uni
k
nąć niefi
z
y
c
z
n
y
ch
w
art
o
ś
ci T, p
o
s
łu-
ż
o
n
o
s
ię na
s
tępującą met
o
dą
ko
re
k
t
y.
Do
w
art
o
ś
ci T
w
pr
ó
bce d
o
pa
s
owyw
an
o
r
o
z
k
ład Weibulla
.
Na d
o
pa
s
ow
anej gę
s
t
o
-
ś
ci teg
o
r
o
z
k
ładu
ok
re
ś
lan
o
granic
z
ne tem-
peratur
y
ja
ko
pun
k
t
y
wy
z
nac
z
ające d
o
lne
i g
ó
rne 2,5
%
d
y
s
tr
y
buant
y.
Je
ś
li imput
ow
a-
ne T
wyk
rac
z
ał
y
p
o
z
a
wy
ż
ej
ok
re
ś
l
o
ne
w
art
o
ś
ci granic
z
ne,
wyko
n
yw
an
o
ko
re
k
tę,
Ry
s
.
9
.
Najlep
s
z
e p
o
jed
y
nc
z
e pred
yk
t
o
r
y
w
ś
r
ó
d
s
pra
w
d
z
o
n
y
ch
z
mienn
y
ch
F
ig
.
9
.
The be
s
t
s
ingle predict
o
r
s
am
o
ng the variable
s
c
o
n
s
idered
Ry
s
.
10
.
Wart
o
ś
ci
ϕ
fa
k
t
y
c
z
ne i imput
ow
ane
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
10
.
A
ctual and imputed value
s
o
f
ϕ
in an
e
x
emplar
y
iterati
o
n
Ry
s
.
11
.
Wart
o
ś
ci pr
z
epł
yw
u fa
k
t
y
c
z
ne i imput
ow
ane
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
11
.
A
ctual and imputed value
s
o
f v
o
lumetric
fl
ow
in an e
x
emplar
y
iterati
o
n
Ry
s
.
12
.
Wart
o
ś
ci T fa
k
t
y
c
z
ne i imput
ow
ane
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
12
.
A
ctual and imputed value
s
o
f T
in an e
x
emplar
y
iterati
o
n
pr
z
y
jmując
z
a imput
ow
ane T
o
dp
ow
ied-
nie
w
art
o
ś
ci granic
z
ne (ma
k
s
y
malną lub
minimalną)
.
W
yko
nując
ko
re
k
tę T,
ko
r
y
g
ow
an
o
r
ów
nie
ż
imput
ow
an
y
pr
z
e-
pł
yw
, ab
y
z
ach
ow
ać
z
g
o
dn
o
ś
ć t
y
ch para-
metr
ów
z
imput
ow
aną m
o
cą
.
Teg
o
r
o
d
z
aju
ko
re
k
ta pr
ow
ad
z
a d
o
bard
z
iej trafnej
imputacji T
.
Ry
s
.
13
.
I
mput
ow
ane
w
art
o
ś
ci T
z
ko
re
k
tą i be
z
ko
re
k
t
y
w
pr
z
yk
ład
ow
ej iteracji
F
ig
.
13
.
I
mputed value
s
o
f T
w
ith and
w
ith
o
ut
the c
o
rrecti
o
n in an e
x
emplar
y
iterati
o
n
Ry
s
.
14
.
B
łąd
w
z
ględn
y
wy
z
nac
z
enia łąc
z
nej m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch
F
ig
.
14
.
R
elative err
o
r
o
f di
s
trict heating
s
ub
s
tati
o
n
s
s
ummar
y
heat p
ow
er
Na r
y
s
un
k
u 14 pr
z
ed
s
ta
w
i
o
n
o
s
k
r
ó
t
owo
pr
z
egląd
s
k
utec
z
n
o
ś
ci imputacji m
o
c
y
regre
s
ją,
w
i
z
uali
z
ując
ś
redni
w
1000 itera-
cjach błąd
wy
z
nac
z
enia
s
umar
y
c
z
nej m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch i jeg
o
o
dch
y
lenie
s
tan-
dard
ow
e
.
P
o
n
ow
nie najtrafniej
s
z
e
wy
ni
k
i
u
z
y
s
k
an
o
dla
w
ariant
ów
z
najmniej
s
z
y
m
ud
z
iałem lu
k.
W
k
a
ż
d
y
m
z
e
z
bi
o
r
ów
dan
y
ch ba
z
owy
ch najmniej
s
z
y
c
o
d
o
w
ar-
t
o
ś
ci be
z
w
z
ględnej błąd
ś
redni i najmniej-
s
z
e
o
dch
y
lenie
s
tandard
ow
e błędu
o
tr
z
y
-
man
o
dla 10 lu
k.
Najtrafniej
s
z
a b
y
ła impu-
tacja dla
z
bi
o
ru dan
y
ch ba
z
owy
ch
A
_0,
w
k
t
ó
r
y
m
ś
redni błąd nie pr
z
e
k
r
o
c
z
y
ł 0,1
%
na
w
et dla 30 lu
k.
D
la
k
a
ż
dej lic
z
b
y
lu
k
w
z
bi
o
r
z
e dan
y
ch ba
z
owy
ch
A
_0
o
dch
y
le-
nie
s
tandard
ow
e błędu je
s
t mniej
s
z
e ni
ż
w
p
o
z
o
s
tał
y
ch
z
bi
o
rach dan
y
ch
.
Po
r
ó
w
n
a
n
i
e
me
t
o
d
i
mp
u
t
a
c
ji
W tabeli 1 pr
z
ed
s
ta
w
i
o
n
o
5
w
ariant
ów
pr
ow
ad
z
ąc
y
ch d
o
naj
s
k
utec
z
niej
s
z
ej impu-
tacji,
o
cenianej
w
edle
w
s
k
a
ź
ni
k
a ilu
s
trują-
ceg
o
trafn
o
ś
ć pr
z
e
w
id
yw
ania
s
umar
y
c
z
nej
m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch
w
1000 iteracjach
.
W tabeli 2 pr
z
ed
s
ta
w
i
o
n
o
5
w
ariant
ów
pr
ow
ad
z
ąc
y
ch d
o
najmniej
s
k
utec
z
nej
imputacji
.
Wart
o
ś
ci lic
z
b
ow
e
w
o
bu tabe-
lach
o
dp
ow
iadają
s
k
rajn
y
m pr
z
y
pad
ko
m
z
o
bra
z
ow
an
y
m na r
y
s
un
k
ach 4, 8 i 14
.
Tabela 4
.
W
s
k
a
ź
ni
k
R
2
imputacji
s
trumienia pr
z
epł
y
-
w
u
wo
d
y
Table 4
.
R
2
s
c
o
re
o
f
w
ater v
o
lumetric fl
ow
imputati
o
n
M
e
t
o
da
Ś
r
ed
n
i
wsk
a
ź
n
i
k
R
2
i
mp
u
t
a
c
ji
L
i
c
z
ba
st
r
u
m
i
e
n
i
a
p
r
z
ep
ływ
u
[
-
]
l
u
k
D
a
n
e
ba
z
o
w
e
D
a
n
e
ba
z
o
w
e
A
_0 B_0
regre
s
ja100,850,81
regre
s
ja200,860,81
regre
s
ja300,850,77
h
o
t-dec
k
100,600,21
h
o
t-dec
k
200,610,33
h
o
t-dec
k
300,600,39
ś
rednia100,510,45
ś
rednia200,560,51
ś
rednia300,550,52
Najg
o
r
z
ej (najmniej
s
z
a
ś
rednia i naj-
w
ię
k
s
z
e
o
dch
y
lenie
s
tandard
ow
e
w
s
k
a
ź
ni-
k
a
R
2
w
1000 iteracjach)
wy
padła imputa-
cja dla T,
k
t
ó
r
y
w
met
o
d
z
ie h
o
t-dec
k
i
regre
s
ji je
s
t
z
ale
ż
n
y
o
d trafn
o
ś
ci imputacji
m
o
c
y
i pr
z
epł
yw
u
.
Na
w
ar
s
t
w
iające
s
ię r
o
z
-
bie
ż
n
o
ś
ci t
y
ch d
wó
ch
z
mienn
y
ch
w
z
glę-
dem
w
art
o
ś
ci fa
k
t
y
c
z
n
y
ch
k
umulują
s
ię pr
z
y
ok
re
ś
laniu T
.
Nale
ż
y
pr
z
y
t
y
m nadmienić,
ż
e ch
o
ć imputacja T b
y
ła najmniej trafna i
w
pr
z
eci
w
pr
ó
b
k
ach p
o
ja
w
iał
y
s
ię
w
art
o
ś
ci
z
nac
z
nie
o
dbiegające
o
d fa
k
t
y
c
z
n
y
ch,
528/2026in
s
tal
.
pc
z
.
pl
C
W
y
ni
k
i
z
o
s
tał
y
p
o
s
o
rt
ow
ane
w
edług
w
art
o
ś
ci
ś
redniej błędu
w
z
ględneg
o.
Najlep
s
z
e
wy
ni
k
i (najmniej
s
z
y
c
o
d
o
w
art
o
ś
ci be
z
w
z
ględnej
ś
redni błąd)
o
tr
z
y
-
man
o
z
wyko
r
z
y
s
taniem met
o
d
y
regre
s
ji,
dla lic
z
b
y
lu
k
wy
n
o
s
z
ącej 10 lub 20
.
Naj
w
ię
k
s
z
e c
o
d
o
w
art
o
ś
ci be
z
w
z
ględnej
błęd
y
wy
s
tąpił
y
w
pr
z
y
pad
k
u lic
z
b
y
lu
k
wy
n
o
s
z
ącej 30, pr
z
y
wyko
r
z
y
s
taniu impu-
tacji
ś
rednią lub h
o
t-dec
k.
Najmniej trafne
w
ariant
y
imputacji,
z
e
s
ta
w
i
o
ne
w
tabeli 2,
chara
k
ter
y
z
ują
s
ię
w
ię
k
s
z
y
mi
w
art
o
ś
ciami
o
dch
y
lenia
s
tandard
ow
eg
o
błędu ni
ż
w
ariant
y
najbard
z
iej trafne pr
z
ed
s
ta
w
i
o
ne
w
tabeli 1, c
o
nale
ż
y
interpret
ow
ać ja
ko
w
ię
k
s
z
e r
y
z
yko
pr
z
epr
ow
ad
z
enia nietrafnej
imputacji
w
pr
z
y
pad
k
u nierepre
z
entat
yw
nej
pr
ó
b
k
i
.
Tabela 1
.
B
łąd
w
z
ględn
y
wy
z
nac
z
enia łąc
z
nej m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch
5 najbard
z
iej trafn
y
ch
w
arian-
t
ów
imputacji
Table 1
.
R
elative err
o
r
o
f di
s
trict heating
s
ub
s
tati
o
n
s
s
ummar
y
heat p
ow
er
5 m
o
s
t accurate imputati
o
n
s
cenari
o
s
L
p
.
M
e
t
o
da
Ś
r
ed
n
i
O
d
c
h
y
l
e
n
i
e
D
a
n
e
L
i
c
z
bab
ł
ąd
st
anda
r
-
ba
z
o
w
e
l
u
k
w
z
g
l
ę
dn
y
do
w
e
[%]
b
ł
ęd
u
[%]
1 regre
s
ja
A
_010-0,010,9
2 regre
s
ja
A
_0200,021,5
3 regre
s
ja
B
_0200,053,2
4 regre
s
ja
A
_p1010 -0,11,2
5 regre
s
ja
A
_n10100,11,3
Tabela 2
.
B
łąd
w
z
ględn
y
wy
z
nac
z
enia łąc
z
nej m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch
5 najmniej trafn
y
ch
w
ariant
ów
imputacji
Table 2
.
R
elative err
o
r
o
f di
s
trict heating
s
ub
s
tati
o
n
s
s
ummar
y
heat p
ow
er
5 lea
s
t accurate imputati
o
n
s
cenari
o
s
L
p
.
M
e
t
o
da
Ś
r
ed
n
i
O
d
c
h
y
l
e
n
i
e
D
a
n
e
L
i
c
z
bab
ł
ąd
st
anda
r
-
ba
z
o
w
e
l
u
k
w
z
g
l
ę
dn
y
do
w
e
[%]
b
ł
ęd
u
[%]
1 h
o
t-dec
k
A
_p10 30 -7,4 6,9
2
ś
rednia
B
_0 30 -7,0 10,8
3
ś
rednia
A
_0 30 -6,9 10,5
4 h
o
t-dec
k
A
_0 30 -6,7 5,6
5
ś
rednia
A
_p10 30 -5,8 10,5
Na r
y
s
un
k
ach 15 i 16
z
w
i
z
uali
z
ow
an
o
trafn
o
ś
ć imputacji m
o
c
y
r
ó
ż
n
y
mi met
o
dami
w
1000 iteracjach dla
k
a
ż
deg
o
z
w
arian-
t
ów.
Z
e
w
z
ględu na r
o
z
s
tęp p
o
międ
z
y
mini-
maln
y
mi i ma
k
s
y
maln
y
mi fa
k
t
y
c
z
n
y
mi
m
o
cami,
w
s
k
a
ź
ni
k
R
2
o
blic
z
o
n
o
na p
o
d
s
ta-
w
ie
w
art
o
ś
ci be
z
wy
miar
ow
ej
ϕ
z
defini
ow
a-
nej r
ów
naniem (2)
.
Wid
o
c
z
ne je
s
t,
ż
e m
o
c
imput
ow
ana je
s
t najtrafniej (naj
w
k
s
z
a
ś
rednia i najmniej
s
z
e
o
dch
y
lenie
s
tandard
o
-
w
e
w
s
k
a
ź
ni
k
a
R
2
)
z
wyko
r
z
y
s
taniem regre-
s
ji,
z
ar
ów
n
o
w
pr
z
y
pad
k
u
z
bi
o
r
ów
dan
y
ch
repre
z
entując
y
ch
s
tan
y
s
y
s
temu ciepł
ow
ni-
c
z
eg
o
u
ś
redni
o
ne, ja
k
i ch
w
il
ow
e, pr
z
y
c
z
y
m lepiej
wy
pada imputacja dla
s
tan
ów
u
ś
redni
o
n
y
ch
o
b
s
er
wow
ane
s
ą
wy
ż
s
z
e
ś
rednie
w
art
o
ś
ci
w
s
k
a
ź
ni
k
a
R
2
dla
z
bi
o
ru
A
_0 ni
ż
dla
z
bi
o
ru
B
_0
.
W
ś
r
ó
d r
o
z
w
a
ż
o
n
y
ch met
o
d
wy
ni
k
i
imputacji regre
s
ją najmniej
z
mieniają
s
ię
w
ra
z
z
e
w
z
r
o
s
tem ud
z
iału bra
w
w
dan
y
ch
.
Dok
ładne
w
art
o
ś
ci lic
z
b
ow
e
pr
z
ed
s
ta
w
i
o
n
o
w
tabeli 3
.
Tabela 3
.
W
s
k
a
ź
ni
k
R
2
imputacji
ϕ
Table 3
.
R
2
s
c
o
re
o
f
ϕ
imputati
o
n
l
u
k
Ś
r
ed
n
i
wsk
a
ź
n
i
k
R
2
M
e
t
o
da
L
i
c
z
ba
i
mp
u
t
a
c
ji
ϕ
[
-
]
D
a
n
e
ba
z
o
w
e
D
a
n
e
ba
z
o
w
e
A
_0 B_0
regre
s
ja100,950,57
regre
s
ja200,950,59
regre
s
ja300,920,43
h
o
t-dec
k
100,740,21
h
o
t-dec
k
200,680,26
h
o
t-dec
k
300,360,07
ś
rednia10-0,18 -0,20
ś
rednia20-0,11-0,11
ś
rednia30-0,13-0,13
P
o
d
o
bnie, ja
k
pr
z
ed
s
ta
w
i
o
n
o
na r
y
s
un-
k
ach 17 i 18, met
o
da regre
s
ji
ok
a
z
ała
s
ię
naj
s
k
utec
z
niej
s
z
a (naj
w
ię
k
s
z
a
ś
rednia i naj-
mniej
s
z
e
o
dch
y
lenie
s
tandard
ow
e
w
s
k
a
ź
ni-
k
a
R
2
w
1000 iteracjach)
w
imputacji pr
z
e-
ywów.
Dok
ładne
w
art
o
ś
ci lic
z
b
ow
e
pr
z
ed
s
ta
w
i
o
n
o
w
tabeli 4
.
Ry
s
.
15
.
W
s
k
a
ź
ni
k
R
2
imputacji
ϕ
w
z
bi
o
r
z
e dan
y
ch
ba
z
owy
ch
A
_0
F
ig
.
15
.
R
2
s
c
o
re
o
f
ϕ
imputati
o
n in
A
_0 data
s
et
Ry
s
.
16
.
W
s
k
a
ź
ni
k
R
2
imputacji
ϕ
w
z
bi
o
r
z
e dan
y
ch
ba
z
owy
ch
B
_0
F
ig
.
16
.
R
2
s
c
o
re
o
f
ϕ
imputati
o
n in
B
_0 data
s
et
Ry
s
.
17
.
W
s
k
a
ź
ni
k
R
2
imputacji
s
trumienia pr
z
epł
yw
u
wo
d
y
w
z
bi
o
r
z
e dan
y
ch ba
z
owy
ch
A
_0
F
ig
.
17
.
R
2
s
c
o
re
o
f
w
ater v
o
lumetric fl
ow
imputati
o
n
in
A
_0 data
s
et
Ry
s
.
18
.
W
s
k
a
ź
ni
k
R
2
imputacji
s
trumienia pr
z
epł
yw
u
wo
d
y
w
z
bi
o
r
z
e dan
y
ch ba
z
owy
ch
B
_0
F
ig
.
18
.
R
2
s
c
o
re
o
f
w
ater v
o
lumetric fl
ow
imputati
o
n
in
B
_0 data
s
et
53
in
s
tal
.
pc
z
.
pl
8/2026
w
pr
z
y
pad
k
u pr
z
y
pi
s
ania d
o
błęd
ów
ok
re-
ś
lenia T
w
ag
z
w
ią
z
an
y
ch
z
pr
z
epł
yw
ami
w
w
ę
z
łach,
o
b
s
er
wow
an
o
z
nac
z
nie lep
s
z
ą
trafn
o
ś
ć
.
O
z
nac
z
a t
o
trafniej
s
z
ą imputację
T dla
w
ę
z
ł
ów
o
w
ię
k
s
z
y
m
w
pł
yw
ie na
s
ieć
ciepł
ow
nic
z
ą
.
Tabela 4
.
W
s
k
a
ź
ni
k
R
2
imputacji T
z
błędami
w
a
ż
o
n
y
mi
s
trumieniem pr
z
epł
yw
u
Table 4
.
R
2
s
c
o
re
o
f T imputati
o
n
w
ith err
o
r
s
w
eighted b
y
v
o
lumetric fl
ow
M
e
t
o
da
Ś
r
ed
n
i
wsk
a
ź
n
i
k
R
2
i
mp
u
t
a
c
ji
L
i
c
z
ba
T [
-
]
l
u
k
D
a
n
e
ba
z
o
w
e
D
a
n
e
ba
z
o
w
e
A
_0B_0
regre
s
ja100,970,91
regre
s
ja200,980,93
regre
s
ja300,980,92
h
o
t-dec
k
100,910,83
h
o
t-dec
k
200,860,79
h
o
t-dec
k
300,780,73
ś
rednia100,640,62
ś
rednia200,690,68
ś
rednia300,690,69
Po
d
s
u
m
o
w
a
n
i
e
Sp
o
ś
r
ó
d r
o
z
w
a
ż
o
n
y
ch met
o
d imputacji
najlepiej
s
pra
w
d
z
iła
s
ię met
o
da
o
parta na
regre
s
ji lini
ow
ej,
o
s
iągając
w
s
k
a
ź
ni
k
d
o
pa-
s
ow
ania
R
2
m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch na
p
o
z
i
o
mie d
o
0,95 i natę
ż
enia pr
z
epł
yw
u
na p
o
z
i
o
mie d
o
0,86
.
Z
aletą met
o
d
y
je
s
t
o
d
z
w
ierciedlenie
w
z
bi
o
r
z
e imput
ow
an
y
m
z
mienn
o
ś
ci,
k
t
ó
ra chara
k
ter
y
z
uje dane fa
k
-
t
y
c
z
ne
.
Jedn
o
c
z
e
ś
nie met
o
da ta um
o
ż
li
w
ia
imput
ow
anie
w
art
o
ś
ci
wyk
rac
z
ając
y
ch
p
o
z
a
k
atal
o
g t
y
ch
o
b
s
er
wow
an
y
ch
w
pr
ó
bce
.
K
o
r
z
y
s
tne
w
pr
z
y
pad
k
u imputacji
regre
s
ją je
s
t
wyko
n
yw
anie d
o
dat
kow
ej
ko
re
k
t
y
T,
o
partej na
w
art
o
ś
ciach granic
z
-
n
y
ch
wy
z
nac
z
o
n
y
ch
z
d
o
pa
s
ow
aneg
o
d
o
pr
ó
b
k
i r
o
z
k
ładu Weibulla, ab
y
uni
k
nąć
imput
ow
ania niereali
s
t
y
c
z
n
y
ch
w
art
o
ś
ci
.
M
et
o
da imputacji regre
s
ją
ok
a
z
ała
s
ię r
ów
-
nie
ż
,
w
p
o
r
ów
naniu d
o
p
o
z
o
s
tał
y
ch,
s
t
o
s
un
kowo
o
dp
o
rna na
w
z
r
o
s
t ud
z
iału
bra
ków
w
dan
y
ch
.
St
o
s
un
kowo
ni
s
k
ie,
w
p
o
r
ów
naniu
z
inn
y
mi met
o
dami,
w
art
o
ś
ci
o
dch
y
lenia
s
tandard
ow
eg
o
anali
z
ow
an
y
ch
w
s
k
a
ź
ni
ków
,
s
ugerują r
z
ad
k
ie
wy
s
tęp
ow
a-
nie mał
o
trafn
y
ch iteracji, a
z
atem
ś
w
iadc
z
ą
r
ów
nie
ż
o
relat
yw
nej
o
dp
o
rn
o
ś
ci na niere-
pre
z
entat
yw
n
o
ś
ć pr
ó
be
k.
D
la imputacji
regre
s
ją
o
dch
y
lenie
s
tandard
ow
e błędu
w
z
ględneg
o
wy
z
nac
z
enia
s
umar
y
c
z
nej
m
o
c
y
w
ę
z
ł
ów
ciepln
y
ch
wy
ni
o
s
ł
o
w
grupie
5 najlep
s
z
y
ch
w
ariant
ów
imputacji
o
d
0,9
%
d
o
3,2
%
, p
o
dc
z
a
s
gd
y
dla 5 najg
o
r-
s
z
y
ch
w
ariant
ów
,
o
pierając
y
ch
s
ię na
inn
y
ch met
o
dach,
o
dch
y
lenie
s
tandard
ow
e
wy
ni
o
s
ł
o
o
d 5,6
%
d
o
10,8
%
.
Najlep
s
z
ą grupą pred
yk
t
o
r
ów
dla
imputacji pr
z
y
p
o
m
o
c
y
regre
s
ji lini
ow
ej
ok
a
z
ał
y
s
ię
:
dla m
o
c
y
mie
s
ięc
z
ne
z
u
ż
y
cie
ciepła i lic
z
ba
ko
nd
y
gnacji bud
y
n
k
u
(
R
2
ś
redni
o
na p
o
z
i
o
mie 0,92), a dla pr
z
e-
ywów
mie
s
ięc
z
ne
z
u
ż
y
cie ciepła
i m
o
del
s
ter
ow
ni
k
a (
R
2
ś
redni
o
na p
o
z
i
o
mie
0,96)
.
Je
s
t t
o
o
b
s
er
w
acja ułat
w
iająca iden-
t
y
fi
k
ację p
o
tencjalnie cennej
w
ied
z
y
p
o
m
o
c-
nic
z
ej (d
o
u
z
upełniania bra
ków
w
dan
y
ch
w
ej
ś
ci
owy
ch m
o
delu
s
ieci ciepł
ow
nic
z
ej)
w
inn
y
ch reali
s
t
y
c
z
nie d
o
s
tępn
y
ch
z
a
s
o
bach
dan
y
ch, m
.
in
.
dan
y
ch r
o
z
lic
z
eni
owy
ch,
ba
z
ach
G
I
S i d
ok
umentacji technic
z
nej
.
M
et
o
d
y
imputacji
ś
rednią i h
o
t dec
k
s
pra
w
d
z
ił
y
s
ię g
o
r
z
ej
o
d imputacji
o
partej
na regre
s
ji (
w
s
k
a
ź
ni
k
d
o
pa
s
ow
ania
R
2
m
o
c
y
w
ę
z
ł
ów
na p
o
z
i
o
mie p
o
ni
ż
ej
z
era dla
imputacji
ś
rednią i d
o
0,74 dla met
o
d
y
h
o
t-dec
k
o
ra
z
R
2
dla natę
ż
enia pr
z
epł
yw
u
o
dp
ow
iedni
o
na p
o
z
i
o
mie d
o
0,56 i d
o
0,61), jedna
k
w
nie
k
t
ó
r
y
ch
s
y
tuacjach (u
z
u-
pełnianie
z
bi
o
r
ów
dan
y
ch u
ś
redni
o
n
y
ch,
gd
y
wy
s
tępuje nie
w
iele lu
k
) met
o
da
h
o
t-dec
k
m
o
ż
e
ok
a
z
ać
s
ię atra
k
c
y
jna,
z
e
w
z
ględu na łat
w
iej
s
z
ą jej implementację ni
ż
imputacji
o
partej na regre
s
ji
.
W
ś
w
ietle
w
c
z
e
ś
niej pr
z
ed
s
ta
w
i
o
n
y
ch
wy
ni
ków
,
w
pr
z
y
pad
k
u met
o
d
y
h
o
t-dec
k
trafniej
s
z
e
je
s
t
wy
z
nac
z
anie ade
kw
atneg
o
d
o
n
o
ra
w
o
parciu
o
mie
s
ięc
z
ne
z
u
ż
y
cie ciepła, nie
o
m
o
c
z
am
ów
i
o
ną
.
M
et
o
d
y
pr
z
ed
s
ta
w
i
o
ne
w
niniej
s
z
y
m
art
yk
ule m
o
gą
s
tan
ow
ić pr
z
y
datne nar
z
ę-
d
z
ie d
o
u
z
y
s
k
ania pełneg
o
z
bi
o
ru dan
y
ch
w
ej
ś
ci
owy
ch d
o
t
y
c
z
ąc
y
ch
w
ę
z
ł
ów
ciepl-
n
y
ch, nie
z
będn
y
ch d
o
wyko
nania
o
blic
z
eń
r
o
z
ywów
wo
d
y
i
s
trat ci
ś
nienia
w
s
ieci
ciepł
ow
nic
z
ej,
w
s
y
tuacji bra
k
u g
o
d
z
in
o
-
wy
ch dan
y
ch telemetr
y
c
z
n
y
ch
z
pe
w
nej
c
z
ę
ś
ci
o
dbi
o
r
ów
ciepła
.
Pr
z
ed
s
ta
w
i
o
ne
wy
ni
k
i
w
s
k
a
z
ują r
ów
-
nie
ż
na
z
g
o
dną
z
intuicją
z
a
s
adę,
ż
e traf-
niej
s
z
e
s
ą pr
z
e
w
id
yw
ania
o
parte na peł-
niej
s
z
y
ch dan
y
ch
.
P
o
d
k
re
ś
la t
o
i
s
t
o
tn
o
ś
ć
i
w
art
o
ś
ć
w
n
o
s
z
o
ną pr
z
e
z
nie
z
a
wo
dne
i p
ok
r
yw
ające m
o
ż
li
w
ie du
ż
ą c
z
ę
ś
ć
o
dbi
o
r-
c
ów
ciepła
s
y
s
tem
y
telemetr
y
c
z
ne
.
Po
d
z
i
ę
k
o
w
a
n
i
a
Praca
z
o
s
tała
z
reali
z
ow
ana d
z
ię
k
i pr
o
-
gram
ow
i
M
ini
s
ter
s
t
w
a Nau
k
i i S
z
ko
lnict
w
a
W
y
ż
s
z
eg
o
Dok
t
o
rat
w
dr
o
ż
eni
owy
2024
,
w
ramach pr
o
je
k
tu
D
W
D
/0066/2024
.
S
k
ładam
y
p
o
d
z
ię
kow
ania firmie P
GE
E
nergia
C
iepła S
.A.
z
a ud
o
s
tępnienie
dan
y
ch um
o
ż
li
w
iając
y
ch pr
z
epr
ow
ad
z
enie
badań
s
tan
ow
iąc
y
ch p
o
d
s
ta
w
ę niniej
s
z
eg
o
art
yk
ułu
.
L
i
t
e
r
a
t
u
r
a
[
1
]
Niem
y
j
s
k
i,
O
.
Kalibracja m
o
delu h
y
draulic
z
neg
o
s
ieci ciepł
ow
nic
z
ej
.
I
NST
A
L 2020, 415, 12-16,
http
s
:
//d
o
i
.o
rg/10
.
36119/15
.
2020
.
3
.
1
.
[
2
]
D
hungana, H
.
;
B
ell
o
tti,
F
.
;
B
erta,
R.
;
D
e
G
l
o
ria,
A.
Perf
o
rmance C
o
mpari
s
o
n
o
f
I
mputati
o
n
M
eth
o
d
s
in
B
uilding
E
nerg
y
D
ata Set
s
.
I
n
A
pplicati
o
n
s
in
E
lectr
o
nic
s
Pervading
I
ndu
s
tr
y
,
E
nvir
o
nment and
S
o
ciet
y
; Sap
o
nara, S
.
,
D
e
G
l
o
ria,
A.
,
E
d
s
.
; Lec-
ture N
o
te
s
in
E
lectrical
E
ngineering; Springer
I
nternati
o
nal Publi
s
hing
:
Cham, 2021; V
o
l
.
738,
pp
.
144
151
I
S
B
N 978-3-030-66728-3
.
[
3
]
P
ok
r
o
pe
k
,
A.
W
y
brane
s
tat
y
s
t
y
c
z
ne met
o
d
y
rad
z
enia
s
o
bie
z
bra
k
ami dan
y
ch
.
P
o
l
s
k
ie
F
o
rum
P
s
y
ch
o
l
o
gic
z
ne 2018, 291
310, http
s
:
//d
o
i
.
o
rg/10
.
14656/P
F
P20180205
.
[
4
]
M
ł
o
da
k
,
A.
I
mputacja
D
an
y
ch
w
Spi
s
ach
P
ow
s
z
echn
y
ch
.
WS 2010, 2010, 7
22, http
s
:
//
d
o
i
.o
rg/10
.
59139/
w
s
.
2010
.
08
.
2
.
[
5
]
E
nder
s
, C
.
K
.
; Little, T
.D.
A
pplied
M
i
ss
ing
D
ata
A
nal
y
s
i
s
;
M
eth
o
d
o
l
o
g
y
in the
s
o
cial
s
cience
s
;
Sec
o
nd
E
diti
o
n
.
; The
G
uilf
o
rd Pre
ss
:
Ne
w
Y
o
r
k
L
o
nd
o
n, 2022;
I
S
B
N 978-1-4625-4986-3
.
[
6
]
We
s
o
ł
ow
s
k
i, J
.
; Tarc
z
y
ń
s
k
i, J
.
P
o
d
s
ta
wy
matema-
t
y
c
z
ne techni
k
imputac
y
jn
y
ch
.
Wiad
o
m
o
ś
ci Sta-
t
y
s
t
y
c
z
ne 2016, 7
54
.
[
7
]
M
i
s
z
tal,
M
.
Pr
ó
ba
O
cen
y
Wpł
yw
u W
y
bran
y
ch
M
et
o
d
I
mputacji
D
an
y
ch Na W
y
ni
k
i Kla
s
y
fi
k
acji
O
bie
k
t
ów
z
W
yko
r
z
y
s
taniem
D
r
z
e
w
Kla
s
y
fi
k
a-
c
y
jn
y
ch
.
Prace Nau
kow
e Uni
w
er
s
y
tetu
E
ko
n
o
-
mic
z
neg
o
w
e Wr
o
cła
w
iu
.
Ta
k
s
o
n
o
mia 2011, 18,
246--253
.
[
8
]
H
o
rt
o
n, N
.
J
.
; Kleinman, K
.
P
.
M
uch
A
d
o
A
b
o
ut
N
o
thing
:
A
C
o
mpari
s
o
n
o
f
M
i
ss
ing
D
ata
M
eth
o
d
s
and S
o
ft
w
are t
o
F
it
I
nc
o
mplete
D
ata
R
egre
ss
i
o
n
M
o
del
s
.
The
A
merican Stati
s
tician
2007, 61, 79
90, http
s
:
//d
o
i
.o
rg/10
.
1198/
000313007
X
172556
.
[
9
]
Lu
o
,
Z
.
; Lin,
X.
;
Z
h
o
ng, W
.
;
F
eng,
E
.
R
e
s
earch
o
n
C
o
ar
s
e
G
ranularit
y
D
ata Sample C
o
mpleti
o
n
M
eth
o
d f
o
r
D
i
s
trict Heating S
y
s
tem
.
I
n Pr
o
ce-
eding
s
o
f the 2023 26th
I
nternati
o
nal C
o
nferen-
ce
o
n C
o
mputer Supp
o
rted C
oo
perative W
o
r
k
in
D
e
s
ign (CSCW
D
);
I
EEE
:
R
i
o
de Janeir
o
,
B
ra
z
il,
M
a
y
24 2023; pp
.
249
254
.
[
10
]
Z
h
o
u,
Y
.
;
A
r
y
al, S
.
;
B
o
uadjene
k
,
M
.R.
R
evie
w
f
o
r
Handling
M
i
ss
ing
D
ata
w
ith
s
pecial mi
ss
ing
mechani
s
m,http
s
:
//d
o
i
.o
rg/10
.
48550/
ar
X
iv
.
2404
.
04905
.
[
11
]
A
l
w
ateer,
M
.
;
A
tlam,
E
.
-S
.
;
E
l-
R
a
o
uf,
M
.
M
.A.
;
G
h
o
neim,
O
.A.
;
G
ad,
I
.
M
i
ss
ing
D
ata
I
mputa-
ti
o
n
:
A
C
o
mprehen
s
ive
R
evie
w.
JCC 2024, 12,
53
75, http
s
:
//d
o
i
.o
rg/10
.
4236/jcc
.
2024
.
1211004
.
[
12
]
Schaffer,
M
.
; Tvedebrin
k
, T
.
;
M
ar
s
z
al P
o
mian
ow
-
s
k
a,
A.
Three
Y
ear
s
o
f H
o
url
y
D
ata fr
o
m 3021
Smart Heat
M
eter
s
I
n
s
talled in
D
ani
s
h
R
e
s
idential
B
uilding
s
.
Sci
D
ata 2022, 9, 420, http
s
:
//d
o
i
.
o
rg/10
.
1038/
s
41597-022-01502-3
.
[
13
]
J
o
hra, H
.
; Leiria,
D.
; Hei
s
elberg, P
.
;
M
ar
s
z
al--
P
o
mian
ow
s
k
a,
A.
; Tvedebrin
k
, T
.
Treatment
and
A
nal
y
s
i
s
o
f Smart
E
nerg
y
M
eter
D
ata fr
o
m
a Clu
s
ter
o
f
B
uilding
s
C
o
nnected t
o
D
i
s
trict
Heating
:
A
D
ani
s
h Ca
s
e
.
E
3S Web C
o
nf
.
2020, 172, 12004, http
s
:
//d
o
i
.o
rg/10
.
1051/
e3
s
c
o
nf/202017212004
.
[
14
]
Leiria,
D.
; J
o
hra, H
.
;
M
ar
s
z
al-P
o
mian
ow
s
k
a,
A.
;
P
o
mian
ow
s
k
i,
M
.
Z
.
; Kv
o
l
s
Hei
s
elberg, P
.
U
s
ing
D
ata fr
o
m Smart
E
nerg
y
M
eter
s
t
o
G
ain Kn
ow
-
ledge ab
o
ut H
o
u
s
eh
o
ld
s
C
o
nnected t
o
the
D
i
s
trict Heating Net
wo
r
k:
A
D
ani
s
h Ca
s
e
.
Smart
E
nerg
y
2021, 3, 100035, http
s
:
//d
o
i
.o
rg/
10
.
1016/j
.
s
eg
y.
2021
.
100035
.
[
15
]
I
nman,
D.
;
E
lm
o
re,
R.
;
B
u
s
h,
B
.
A
Ca
s
e Stud
y
t
o
Ex
amine the
I
mputati
o
n
o
f
M
i
ss
ing
D
ata t
o
I
mpr
o
-
ve Clu
s
tering
A
nal
y
s
i
s
o
f
B
uilding
E
lectrical
D
emand
.
B
uilding Service
s
E
ngineering
R
e
s
earch
and Techn
o
l
o
g
y
2015, 36, 628
637, http
s
:
//
d
o
i
.o
rg/10
.
1177/0143624415573215
.
[
16
]
Lee,
G
.
; Ch
o
i, S
.
; Ch
o
i,
Y
.
; K
oo
, J
.
; Kim,
D.
-W
.
;
Y
oo
n, S
.
A
T
wo
-Stage
I
mputati
o
n
M
eth
o
d f
o
r
E
nhancing Urban
B
uilding
E
nerg
y
D
ata
R
e
s
ilien-
ce U
s
ing
B
a
y
e
s
ian
I
nference
.
E
nerg
y
and
B
uil-
ding
s
2025, 349, 116515, http
s
:
//d
o
i
.
o
rg/10
.
1016/j
.
enbuild
.
2025
.
116515
.
C
i
ep
ł
own
i
ct
wo