Zastosowanie sztucznych sieci neuronowych w modelowaniu prędkości wiatru jako jednej z determinant poboru energii w budynkach

• Autorzy: Jasiński T.

Warianty tytułu

EN

Application of neural networks in modeling wind speed as a determinant of energy consumption in buildings

• Języki publikacji: PL

Abstrakty

PL

Celem pracy była analiza możliwości wykorzystania narzędzia z obszaru sztucznej inteligencji, jakim są sztuczne sieci neuronowe (ANN) w zagadnieniach związanych z prognozowaniem poboru energii elektrycznej w budynkach. W wielu opracowaniach wykazano, że głównym źródłem popytu na energię są systemy klimatyzacji oraz systemy grzewcze (HVAC). Z tego też powodu jednym z podstawowych determinant zapotrzebowania na energię są czynniki atmosferyczne, w tym prędkość wiatru. W pracy oprócz badań literaturowych przeprowadzono również badania empiryczne w obszarze przewidywania prędkości wiatru przy użyciu ANN wykorzystujących dane archiwalne pochodzące ze stacji meteorologicznej usytuowanej na lotnisku Lublinek w Łodzi. Testom zostały poddane sieci pracujące w oparciu o architekturę perceptronu wielowarstwowego (MLP), sieci realizujące regresję uogólnioną (GRNN) oraz sieci o radialnych funkcjach bazowych (RBF). Modelowanie objęło prędkości wiatru w latach 2008-2016. Dane zostały podzielone na trzy zbiory: uczący, walidacyjny i testowy. Takie podejście umożliwiło minimalizację ryzyka przeuczenia ANN. Jednocześnie użycie jedynie najnowszych informacji w charakterze danych testowych umożliwiło opracowanie modelu, który może zostać wykorzystany w praktyce biznesowej. W pracy nie ograniczono się do poszukiwania optymalnego zbioru zmiennych objaśniających jedynie wśród danych pozyskanych bezpośrednio ze stacji meteorologicznej, lecz analizie poddano także zmienne wejściowe powstałe poprzez zastosowanie narzędzi analizy technicznej.

EN

The paper presents possibilities to use ANN as a model predicting both - demand for energy in buildings and meteorological parameters affecting that demand such as wind speed. Empirical studies included wind speed forecasts using weather data from a meteorological station located at Lublinek Airport in Lodz. Numerous ANN types such as MLP, RBF and GRNN were tested during simulations.

Słowa kluczowe

PL

sztuczne sieci neuronowe; energia elektryczna; prognozowanie; wiatr

EN

artificial network; electrical energy; forecasting; wind

• Wydawca: Instytut Fizyki Budowli Katarzyna i Piotr Klemm S.C.
• Czasopismo: Fizyka Budowli w Teorii i Praktyce
• Rocznik: 2018
• Tom: T. 10, nr 2
• Strony: 9--14
• Opis fizyczny: Bibliogr. 19 poz., rys., wykr.

Twórcy

autor

Jasiński T.

• Politechnika Łódzka, Wydział Organizacji i Zarządzania, Instytut Nauk Społecznych i Zarządzania Technologiami

Bibliografia

• [1] Jasiński T. Niezawodność oraz metody jej zwiększania w różnych modelach rynku [w:] A.T. Szablewski, M. Martin (red.) Ekonomiczne, regulacyjne, strukturalne i techno-logiczne uwarunkowania bezpieczeństwa energetycznego. Monografie Politechniki Łódzkiej, Łódź 2011, 199-219
• [2] Jasiński T. Przegląd architektur sztucznych sieci neuronowych wykorzystywanych w ekonomii do prze-widywania szeregów czasowych, Studia i prace Kolegium Zarządzania i Finansów, SGH, zeszyt naukowy 35 (2003) 166-177
• [3] Jasiński T., Ścianowska A. Security Assessment and Optimization of Energy Supply, Oeconomia Copernicana, vol. 6, issue 2 (2015) 129-141
• [4] Aydinalp M., Ugursal V.I., Fung A.S. Modeling of the space and domestic hot water heating energy consumption in the residential sector using neural networks, Applied Energy, nr 79 (2004) 159-178
• [5] Mena R., Rodríguez F., Castilla M., Arahal M.R. A prediction model based on neural networks for the energy consumption of a bioclimatic building, Energy and Buildings 82 (2014) 142-155
• [6] Eriksson N. Predicting demand in district heating systems. A neural network approach, School of Engineering and Department of Physics and Astronomy, Uppsala University, Uppsala, Sweden, UPTEC F12015 (2015)
• [7] Geletka V., Sedlakova A. Impact of Shape Of Buildings on Energy Consumption, Czasopismo Techniczne Budownictwo, zeszyt 3, r. 109 (2012) 123-129
• [8] Jasiński T. Prognozowanie zapotrzebowania na energię cieplną przy użyciu sztucznych sieci neuronowych [w:] A.T. Szablewski (red.) Rynkowe i technologiczne oraz regulacyj-ne uwarunkowania rozwoju krajowego sektora ciepłowni-czego. Dom Wydawniczy ELIPSA, Warszawa 2016, 196-203
• [9] Jasiński T. Dane wejściowe sztucznych sieci neuro-nowych prognozujących krótkoterminowe zapotrzebowanie na energię, Logistyka, nr 6 (2014)
• [10] Kumar R., Aggarwal R.K., Sharma J.D. Estimation of Total Energy Load of Building Using Artificial Neural Network, Energy and Environmental Engineering 1(2) (2013) 25-35
• [11] Rosiek S., Batlles F.J. Modelling a solar-assisted air-conditioning system installed in CIESOL building using an artificial neural network, Renewable Energy 35 (2010) 2894-2901
• [12] Fonte P.M., Silva G.X., Quadrado J.C. Wind Speed Prediction using Artificial Neural Networks, Proceedings of the 6th WSEAS Int. Conf. on Neural Networks, Lisbon, Portugal, June 16-18 (2005) 134-139
• [13] Kalogirou S.A., Neocleous C., Paschiardis S., Schizas C. Wind Speed Prediction Using Artificial Neural Networks, Proceedings of the European Symposium on Intelligent Techniques ESIT’99 na CD-ROM, Crete, Greece (1999)
• [14] Bilgili M., Sahin B., Yasar A. Application of artificial neural networks for the wind speed prediction of target station using reference stations data, Renewable Energy 32 (2007) 2350-2360
• [15] Jąderko A., Kowalewski M.K. Wyznaczanie parame-trów wiatru w energetyce odnawialnej, Przegląd Elektro-techniczny, r. 91, nr 1 (2015) 148-151
• [16] Santhosh Baboo S., Kadar Shereef I. An Efficient Weather Forecasting System using Artificial Neural Network, International Journal of Environmental Science and Development, Vol. 1, nr 4, October (2010) 321-326
• [17] Kumar Abhishek, Singh M.P., Saswata Ghosh, Abhishek Anand Weather forecasting model using Artificial Neural Network, Procedia Technology 4 (2012) 311-318
• [18] Leszczyński Z., Jasiński T. Inżynieria kosztów, ODDK, Gdańsk (2015)
• [19] Kadu P.P., Wagh K.P., Chatur P.N. Temperature Prediction System Using Back propagation Neural Network: An Approach, International Journal of Computer Science & Communication Networks, Vol 2(1) (2012) 61-64

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).