Model neuronowy predykcji temperatury wewnętrznej w lokalach mieszkalnych budynku wielorodzinnego
DOI:
https://doi.org/10.36119/15.2019.9.4Słowa kluczowe:
predykcja zapotrzebowania na ciepło, metody eksploracji danych, Sztuczne Sieci Neuronowe, Inteligentne Systemy Grzewcze, SCADAAbstrakt
Stosowane obecnie w ciepłownictwie Inteligentne Systemy Grzewcze, których obsługa odbywa się za pomocą plat form SCADA (ang. Supervisory Control and Data Acquisition), są źródłem wielkiej ilości danych pomiarowych. Bardzo często informacje w nich zawarte są tracone, ponieważ ich analiza stwarza problemy natury metodologicznej. W niniejszym artykule przedstawiono wyniki badań nad wykorzystaniem jednej z metod eksploracji danych (ang. Data Mining) do predykcji temperatury powietrza w 31 lokalach mieszkalnych budynku wielorodzinnego. W tym celu za pomocą Sztucznych Sieci Neuronowych (ang. Artificial Neural Networks – ANN) analizowano szeregi czasowe temperatury wewnętrznej oraz dobowych sum temperatury wewnętrznej w trakcie jednego sezonu grzewcze go (październik-maj). Jakość utworzonych neuronowych modeli predykcji oceniano na podstawie wartości współczynników korelacji liniowej oraz ilorazu odchyleń standardowych pomiędzy danymi rzeczywistymi i prognozowanymi. Wykazano, że zaproponowana metoda może być stosowana jako narzędzie wspomagające naliczanie opłat za użytkowanie sieci grzewczej w przypadku krótkotrwałych awarii systemu monitoringu.
Pobrania
Bibliografia
Pobrania
Opublikowane
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe.
Authors retain copyright and grant the journal the right of first publication, with the work simultaneously licensed under a Creative Commons Attribution 4.0 International License, which permits others to share the work with appropriate acknowledgment of the authorship and initial publication in this journal.
