PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Czasopismo
2017 | nr 9 | 46--49
Tytuł artykułu

Wykorzystanie analizy skupień do analizy szeregów czasowych zmian temperatury w lokalach mieszkalnych w sezonie grzewczym

Wybrane pełne teksty z tego czasopisma
Warianty tytułu
EN
Using the cluster analysis for temperature changes’ time series exploration in residential premises in heating season
Języki publikacji
PL
Abstrakty
PL
Indywidualne wymagania mieszkańców, co do komfortu cieplnego w pomieszczeniach mieszkalnych, mają wpływ na wielkość poboru ciepła. Czynniki te nakładają się na losową zmienność temperatury powietrza zewnętrznego, co wpływa w istotny sposób na prognozowanie ilości ciepła dostarczanego do pomieszczeń mieszkalnych w okresie grzewczym. W artykule przedstawiono wyniki badań zmian temperatury powietrza zewnętrznego oraz temperatury wewnętrznej w mieszkaniach w budynku wielorodzinnym. Podjęto próbę określenia wpływu temperatury zewnętrznej na zachowania się użytkowników mieszkań celem utrzymania temperatury wewnątrz pomieszczeń. Wykazano, że analiza skupień (ang. Cluster Analysis) pozwala na wyodrębnienie charakterystycznych grup pomieszczeń, których mieszkańcy mają podobne wymagania w stosunku do temperatury wewnętrznej. Wyniki badań mogą być przydatne przy opracowaniu algorytmów sterowania pracą wewnętrznych instalacji centralnego ogrzewania.
EN
The individual residents' requirements concerning the heat comfort in the living space affect the amount of heat they use. These factors overlap with the random variation of outdoor air temperature, which significantly influences the forecasting of the amount of heat delivered to the living space during the heating season. The article presents the results of the outdoor air temperatures and indoor temperature changes in a multi-family building studies. An attempt to determine the outdoor temperature influence on the behavior of apartment residents in order to maintaining indoor temperature was made. It was shown that Cluster Analysis allows for the isolation of characteristic groups of premises whose residents have similar requirements with respect to indoor temperature. Study results may be useful for developing control algorithms for internal central heating systems.
Wydawca

Czasopismo
Rocznik
Tom
Strony
46--49
Opis fizyczny
Bibliogr. 15 poz., rys.
Twórcy
autor
  • Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
  • Uniwersytet Przyrodniczy we Wrocławiu, Instytut Inżynierii Środowiska, Wrocław
  • Uniwersytet Przyrodniczy we Wrocławiu, Instytut Inżynierii Środowiska, Wrocław
  • Uniwersytet Przyrodniczy we Wrocławiu, Instytut Inżynierii Środowiska, Wrocław
autor
  • Politechnika Wrocławska, Katedra Wodociągów i Kanalizacji, Wrocław
Bibliografia
  • [1] Aleksiejuk P.: Model prognostyczny zapotrzebowania na ciepło z wykorzystaniem struktur sztucznych sieci neuronowych. Instal, 2, 2016, s. 13-15.
  • [2] Alsabry A., Pigalski W., Maciejewski T.: Teoretyczne a rzeczywiste zapotrzebowanie energetyczne na centralne ogrzewanie i wentylację mieszkań w budownictwie wielorodzinnym. Przegląd Budowlany, R. 81, 11, 2010. s. 39-45.
  • [3] Balas P., Falba L.: Inteligentna Sieć Ciepłownicza w Warszawie - charakterystyka projektu modernizacji Warszawskiej Sieci Ciepłowniczej. Instal, 1, 2016, s. 5-10.
  • [4] Bandurski K., Koczyk H.: Wpływ losowych zysków wewnętrznych w budynkach wielorodzinnych na zapotrzebowanie na energię w ciągu roku. Instal, 12, 2015, s. 55-61.
  • [5] Bartnicki G., Nowak B.: Wpływ wybranych czynników na pobór ciepła w lokatach mieszkalnych. Ochrona Środowiska, 2/33, 2011, s. 45-48.
  • [6] Bartosz D., Specjał A.: Alternatywa dla wyznaczania obliczeniowej charakterystyki energetycznej budynków. Instal, 7/8, 2013, s. 30-33.
  • [7] Combe N., Harrison D., Way C.: Modelling the impact of user behaviour on heat energy consumption. Proceedings of the Behaviour, Energy and Climate Change Conference, 29 November - 2 December 2011, Washington, USA, s. 1-9.
  • [8] Gram-Hanssen K.: Households' energy use - which is the more important: efficient technologies or user practices? World Renewable Energy Congress 2011, 8-13 May 2011, Linkoping, Sweden, p. 992-999.
  • [9] http://stat.gov.pl
  • [10] Peaersen T. H., Elbeek Hedegaard R., Petersen S.: Space heating demand response potential of retrofitted residential apartment blocks. Energy and Buildings, 141, 2017, p. 158-166.
  • [11] Rószkiewicz M.: Narzędzia statystyczne w analizach marketingowych. Wydawnictwo C. H. Beck, 2002, Warszawa.
  • [12] Specjał A., Bartosz D.: Metoda bilansowa wyznaczania sezonowego zapotrzebowania na ciepło na podstawie dwutygodniowych pomiarów zużycia ciepła w budynku. Instal, 12, 2014, s. 37-43.
  • [13] Stevenson E., Leaman A.: Evaluating housing performance in relation to human behavior new challenges. Building Research & Information, 5/38, 2010, p. 437-441.
  • [14] Śnieżyk R.: Ile lokatorzy Spółdzielni Mieszkaniowych we Wrocławiu powinni płacić za ogrzewanie? Instal, 4, 2010, s. 20-24.
  • [15] Weissmann C., Hong T., Graubner C. A.: Analysis of heating load diversity in German residential districts and implications for the application in district heating systems. Energy and Buildings, 139, 2017, s. 302-313.
Uwagi
PL
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-20548119-5812-453e-ba94-5bdacb0eba21
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.