Możliwości predykcji zużycia ciepła w lokalu mieszkalnym za pomocą modeli autoregresji
DOI:
https://doi.org/10.36119/15.2021.5.1Słowa kluczowe:
sztuczna inteligencja, uczenie maszynowe, modelowanie predykcyjneAbstrakt
W artykule opisano możliwości wykorzystania modeli ARIMA i XGBoost do predykcji zużycia ciepła w mieszkaniach budynku wielorodzinnego. W oparciu o dane pomiarowe zużycia ciepła w mieszkaniach dwóch zespołów budynków z okresu 2016-2020 opracowano modele ARIMA i XGBoost do predykcji zużycia ciepła w okresach miesięcznych, a do obliczeń wykorzystano środowisko R. Wyniki zaprezentowano w artykule dla wybranych mieszkań w postaci tabelarycznej i rysunków. Stwierdzono, że modele ARIMA wykazują dużą dokładność, nie są jednak skuteczne w przypadku gwałtownych zmian pojedynczych obserwacji. Do zastosowań opisanych w artykule wymagają też jeszcze dalszych badań. XGBoost jest algorytmem znacznie bardziej zaawansowanym, a w konsekwencji istnieje znacznie więcej parametrów modelu, które należy ustawić i później zoptymalizować. Ten aspekt będzie przedmiotem dalszych prac badawczych, gdyż pomimo oczekiwania takiego rezultatu, wykorzystanie tego algorytmu nie dało dużo lepszych przybliżeń wyniku do wartości rzeczywistych niż modele ARIMA.
Pobrania
Bibliografia
Adamski M., Myszkowska A., Rozliczanie kosztów ogrzewania na przykładzie wybranego mieszkania, Budownictwo i Inżynieria Środowiska 9/2018, s. 7-14.
Ashina S., Nakata T. (2008) Energy-efficien-cy strategy for CO2 emissions in a residential sector in Japan. Applied Energy, 85 (2-3), pp. 101-114.
Baldvinsson I., Development of Community Heat Supply System towards Increased Sustainability, Doctoral Thesis, Department of Management Science & Technology Graduate School of Engineering, Thoku University, August 9, 2016.
Bandurski K., Wpływ użytkowników na bilans energetyczny budynków mieszkalnych – badania i modelowanie, Rozprawa doktorska, Wydział Inżynierii Środowiska i Energetyki Politechniki Poznańskiej, Poznań 2021.
Bartnicki G., Nowak B., Predykcja zużycia ciepła w lokalu mieszkalnym na podstawie danych historycznych z ciepłomierzy mieszkaniowych, INSTAL 12/2020, s. 15-20. DOI: 10.36119/15.2020.12.2

