tailieunhanh - Nghiên cứu và ứng dụng học máy để dự đoán năng lượng tiêu thụ trong tòa nhà

Bài viết Nghiên cứu và ứng dụng học máy để dự đoán năng lượng tiêu thụ trong tòa nhà dự đoán năng lượng tiêu thụ trong một tháng với tính chính xác cao bằng phương pháp sử dụng máy hỗ trợ vector (SVM) và cây quyết định ngẫu nhiên (random forest) trong lĩnh vực học máy. Kết quả của mô hình dự báo được kiểm tra bằng các phương pháp thống kê tiêu chuẩn. | Tuyển tập Hội nghị Khoa học thường niên năm 2022. ISBN 978-604-82-7001-8 NGHIÊN CỨU VÀ ỨNG DỤNG HỌC MÁY ĐỂ DỰ ĐOÁN NĂNG LƯỢNG TIÊU THỤ TRONG TÒA NHÀ Lê Thị Hương Trường Đại học Thủy lợi 1. GIỚI THIỆU CHUNG Schneider Electric cho một tòa nhà được sử dụng cho nghiên cứu bao gồm Năng lượng tiêu thụ ngày càng tăng lên do Dữ liệu thời tiết trong 3 năm. thay đổi thời tiết tuổi thọ của các thiết bị trong Năng lượng điện tiêu thụ trong 3 năm từ tòa nhà tăng trưởng kinh chỉ thị về năm 2016 đến năm 2018. Tính năng năng lượng đối với các tòa nhà Dùng hàm describe trong python hiển thị Energy Performance of Buildings Directive - các thông số của năng lượng và thời tiết EPBD của Liên Minh Châu Âu EU yêu cầu tăng tiết kiệm năng lượng đối với các tòa nhà thương mại lên 30 vào năm 2030. Việt Nam không thể nằm ngoài xu thế chung của thế giới. Ngày nay nhờ hệ thống quản lý tòa nhà chúng ta đã có thể thu thập được dữ liệu tiêu thụ năng lượng thời gian thực giám sát và điều khiển từ xa các thiết bị trong tòa nhà để cắt giảm tiêu thụ năng lượng gây lãng phí. Điều này cũng mở ra cơ hội cho khả năng mới đó là trực quan hóa dữ liệu phân tích chuyên sâu để giúp người vận hành đưa ra quyết định điều khiển các thiết bị dựa trên mô phỏng. Có nhiều kỹ thuật được sử dụng nhưng ứng dụng dữ liệu lớn với tính chính xác cao đang là xu hướng được nghiên cứu. Mục đích chính của bài báo này dự đoán năng lượng tiêu thụ trong một tháng với tính chính xác cao bằng phương pháp sử dụng máy hỗ trợ vector SVM và cây quyết định ngẫu nhiên random forest trong lĩnh vực học máy. Hình 1. Biểu đồ kiểm tra tính khả dụng Kết quả của mô hình dự báo được kiểm tra của dữ liệu bằng các phương pháp thống kê tiêu chuẩn. Dựa vào đồ thị ta thấy không có dữ liệu bỏ 2. PHƯƠNG PHÁP NGHIÊN CỨU sót. Sử dụng hệ số tương quan Person để đo Dữ liệu sử dụng và lựa chọn thông số tương quan giữa các biến số. Từ Hình 2 ta đầu vào thấy nhiệt độ Temp tương quan dương với Trong nghiên cứu này dữ liệu được chiết điện năng sử .