THOMAS OHLSON TIMOUDAS

Ä°sveç, RISE AraÅŸtırma Enstitüleri,

YIYU DING

Norveç Bilim ve Teknoloji Üniversitesi (MTNU), Enerji ve Proses MühendisliÄŸi Fakültesi

QIAN WANG

KTH Kraliyet Teknoloji Enstitüsü, Ä°nÅŸaat MühendisliÄŸi ve Mimarlık Fakültesi, Stockholm/Ä°sveç 

(*) Bu makale The REHVA European HVAC Journal - Aralık 2022 sayısından çevrilmiÅŸtir.
Telif hakkı © 2022 yazarlarca alınmıştır. Konferans makalesi CC-BY*4.0 lisansıyla yayınlanmaktadır.

Özet
Bu çalışmada, bölgesel ısıtma sisteminde (District Heating (DH)) son kullanıcıların ısıtma enerjisi talebini bir gün öncesinden tahmin etmek için; DH son kullanıcılarının mevcut tüketim deÄŸerlerini ölçme bilgilerini ve hava durumu bilgilerini kullanarak makine öÄŸrenimi yöntemlerini geliÅŸtiriyoruz. Çalışmanın odak noktası, kısa vadeli yük tahmin yöntemlerinin doÄŸruluk düzeylerinin ayrıntılı bir analizidir. Özellikle doÄŸruluk seviyelerinin miktarları giriÅŸ parametrelerindeki varyasyonlarla beraber Yapay Sinir Ağı (Artificial Neural Network (ANN)) modelleri için belirtilmiÅŸtir. Özellikle geçmiÅŸteki saatlik ısıtma yüklerinin tahmin modeline girdi olarak dâhil edilmesinin önemi bakımından geçmiÅŸ verilerin önemi araÅŸtırılmıştır. Ek olarak, geçmiÅŸteki girdi verilerinin farklı uzunluklarının etkisi incelenmiÅŸtir. Yöntemlerimiz, bir Ä°skandinav ortamındaki gerçek bir kullanım durumundan alınan, 2016-2019 yılları arasında DH sistemi tarafından beslenen 20 bakım evinden toplanan ölçüm verileri kullanılarak deÄŸerlendirilmiÅŸ ve doÄŸrulanmıştır. Bu çalışma, dış ortam sıcaklığı ve ısıtma yükü arasında güçlü bir doÄŸrusal iliÅŸki olmasına raÄŸmen, gelecekteki ısıtma yüklerinin tahmini için geçmiÅŸteki ısıtma yüklerini bir girdi olarak dâhil etmenin önemini göstermiÅŸtir. Ayrıca, sonuçlar en azından önceki 24 saate ait geçmiÅŸ verileri dâhil etmenin önemli olduÄŸunu göstermektedir. Ortaya çıkan modeller, bu tür tahmin modellerinin gerçek bir kullanım çalışması için pratik olarak uygulanabilir olduÄŸunu göstermektedir. 

devamı için tıklayınız...