Czasopisma
Czasopisma
Czasopisma
ATEST - OCHRONA PRACY
ATEST - OCHRONA PRACY
AURA
AURA
AUTO MOTO SERWIS
AUTO MOTO SERWIS
CHEMIK
CHEMIK
CHŁODNICTWO
CHŁODNICTWO
CIEPŁOWNICTWO, OGRZEWNICTWO, WENTYLACJA
CIEPŁOWNICTWO, OGRZEWNICTWO, WENTYLACJA
DOZÓR TECHNICZNY
DOZÓR TECHNICZNY
ELEKTROINSTALATOR
ELEKTROINSTALATOR
ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA
ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA
Czasopisma
Czasopisma
Czasopisma
GAZETA CUKROWNICZA
GAZETA CUKROWNICZA
GAZ, WODA I TECHNIKA SANITARNA
GAZ, WODA I TECHNIKA SANITARNA
GOSPODARKA MIĘSNA
GOSPODARKA MIĘSNA
GOSPODARKA WODNA
GOSPODARKA WODNA
HUTNIK - WIADOMOŚCI HUTNICZE
HUTNIK - WIADOMOŚCI HUTNICZE
INŻYNIERIA MATERIAŁOWA
INŻYNIERIA MATERIAŁOWA
MASZYNY, TECHNOLOGIE, MATERIAŁY - TECHNIKA ZAGRANICZNA
MASZYNY, TECHNOLOGIE, MATERIAŁY - TECHNIKA ZAGRANICZNA
MATERIAŁY BUDOWLANE
MATERIAŁY BUDOWLANE
OCHRONA PRZECIWPOŻAROWA
OCHRONA PRZECIWPOŻAROWA
OCHRONA PRZED KOROZJĄ
OCHRONA PRZED KOROZJĄ
Czasopisma
Czasopisma
Czasopisma
ODZIEŻ
ODZIEŻ
OPAKOWANIE
OPAKOWANIE
PACKAGING REVIEW
PACKAGING REVIEW
POLISH TECHNICAL REVIEW
POLISH TECHNICAL REVIEW
PROBLEMY JAKOŚCI
PROBLEMY JAKOŚCI
PRZEGLĄD ELEKTROTECHNICZNY
PRZEGLĄD ELEKTROTECHNICZNY
PRZEGLĄD GASTRONOMICZNY
PRZEGLĄD GASTRONOMICZNY
PRZEGLĄD GEODEZYJNY
PRZEGLĄD GEODEZYJNY
PRZEGLĄD MECHANICZNY
PRZEGLĄD MECHANICZNY
PRZEGLĄD PAPIERNICZY
PRZEGLĄD PAPIERNICZY
Czasopisma
Czasopisma
Czasopisma
PRZEGLĄD PIEKARSKI I CUKIERNICZY
PRZEGLĄD PIEKARSKI I CUKIERNICZY
PRZEGLĄD TECHNICZNY. GAZETA INŻYNIERSKA
PRZEGLĄD TECHNICZNY. GAZETA INŻYNIERSKA
PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE
PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE
PRZEGLĄD WŁÓKIENNICZY - WŁÓKNO, ODZIEŻ, SKÓRA
PRZEGLĄD WŁÓKIENNICZY - WŁÓKNO, ODZIEŻ, SKÓRA
PRZEGLĄD ZBOŻOWO-MŁYNARSKI
PRZEGLĄD ZBOŻOWO-MŁYNARSKI
PRZEMYSŁ CHEMICZNY
PRZEMYSŁ CHEMICZNY
PRZEMYSŁ FERMENTACYJNY I OWOCOWO-WARZYWNY
PRZEMYSŁ FERMENTACYJNY I OWOCOWO-WARZYWNY
PRZEMYSŁ SPOŻYWCZY
PRZEMYSŁ SPOŻYWCZY
RUDY I METALE NIEŻELAZNE
RUDY I METALE NIEŻELAZNE
SZKŁO I CERAMIKA
SZKŁO I CERAMIKA
TECHNOLOGIA I AUTOMATYZACJA MONTAŻU
TECHNOLOGIA I AUTOMATYZACJA MONTAŻU
WIADOMOŚCI ELEKTROTECHNICZNE
WIADOMOŚCI ELEKTROTECHNICZNE
WOKÓŁ PŁYTEK CERAMICZNYCH
WOKÓŁ PŁYTEK CERAMICZNYCH
Menu
Menu
Menu
Prenumerata
Prenumerata
Publikacje
Publikacje
Drukarnia
Drukarnia
Kolportaż
Kolportaż
Reklama
Reklama
O nas
O nas
ui-button
Twój Koszyk
Twój koszyk jest pusty.
Niezalogowany
Niezalogowany
Zaloguj się
Zarejestruj się
Reset hasła
Czasopismo
|
PRZEGLĄD ELEKTROTECHNICZNY
|
Rocznik 2024 - zeszyt 2
Wpływ czynników zewnętrznych na predykcję zużycia energii elektrycznej w budynku biurowym z panelami fotowoltaicznymi
Impact of external factors on electricity consumption prediction in office building with photovoltaic supply
10.15199/48.2024.02.46
KAZIMIERZ KAWA
RAFAŁ MULARCZYK
WALDEMAR BAUER
EDYTA KUCHARSKA
nr katalogowy: 147364
10.15199/48.2024.02.46
Streszczenie
Planowanie zużycia energii elektrycznej ze względu na pojawiające się niespodziewanie przerwy w dostawie staje istotnym aspektem zarządzania utrzymania budynków. Analiza szeregów czasowych pozwala na predykowanie zużycia energii elektrycznej w kolejnych latach na podstawie danych historycznych. Celem badania jest weryfikacja wpływu czynników zewnętrznych na predykcję ilości zużycia energii elektrycznej. W badaniach zostały wykorzystane metody analizy szeregów czasowych: model naiwny z sezonowością, regresji liniowej oraz Facebook Prophet. Wyniki pokazują, że zaproponowane modele w zadawalający sposób są w stanie prognozować zapotrzebowanie na energię
Abstract
Planning for electricity consumption due to power outages occurring unexpectedly is becoming an important aspect of building maintenance management. Time series analysis makes it possible to predict electricity consumption in future years based on historical data. The purpose of the study is to verify the influence of external factors on the prediction of the amount of electricity consumption. The study used time series analysis methods: naive model with seasonality, linear regression and Facebook Prophet. The results show that the proposed models are able to predict energy demand satisfactorily
Słowa kluczowe
predykcja
zużycie energii
analiza szeregów czasowych
metody predykcji danych
Keywords
prediction
energy consumption
time series analysis
methods of data predication
Bibliografia
[1] Ray M., Samal P., Kumar Panigrahi C., The influencing factors on efficacy enhancement of HVAC systems – A review, Materials Today: Proceedings, (2021), ISSN 2214-7853, https://doi.org/10.1016/j.matpr.2021.07.264 [2] Tsanas A., Xifara A., Accurate quantitative estimation of energy performance of residential buildings using statistical machine learning tools, Energy and Buildings, Volume 49, (2012), 560- 567, ISSN 0378-7788, https://doi.org/10.1016/j.enbuild.2012.03.003. [3] Yu Z., Haghighat F., Fung B.C.M., Yoshino H., A decision tree method for building energy demand modeling, Energy and Buildings, Volume 42, Issue 10, (2010), 1637-1646, ISSN 0378- 7788, https://doi.org/10.1016/j.enbuild.2010.04.006. [4] Dincer I., On thermal energy storage systems and applications in buildings, Energy and Buildings, Volume 34, Issue 4, (2002), 377-388, ISSN 0378-7788, https://doi.org/10.1016/S0378- 7788(01)00126-8. [5] Farouk N., Alhumaidi A. Alotaibi, Alshahri A.H., Almitani K. H., Using PCM in buildings to reduce HVAC energy usage taking into account Saudi Arabia climate region, Journal of Building Engineering, Volume 50, (2022), 104073, ISSN 2352-7102, https://doi.org/10.1016/j.jobe.2022.104073. [6] Hou J., Li X., Wan H, Sun Q., Dong K., Huang G., Real-time optimal control of HVAC systems: Model accuracy and optimization reward, Journal of Building Engineering, Volume 50, 2022, 104159, ISSN 2352-7102, https://doi.org/10.1016/j.jobe.2022.104159. [7] Belafi, Z., Hong, T., Reith, A. Smart building management vs. intuitive human control—Lessons learnt from an office building in Hungary. Build. Simul. 10, 811–828 (2017). https://doi.org/10.1007/s12273-017-0361-4 [8] Bagheri-Esfeh H., Reza Dehghan M., Multi-objective optimization of setpoint temperature of thermostats in residential buildings, Energy and Buildings, Volume 261, (2022), 111955, ISSN 0378-7788, https://doi.org/10.1016/j.enbuild.2022.111955. [9] Guo, C., Ge, Q., Jiang, H., Yao, G., & Hua, Q. (2020). Maximum power demand prediction using fbprophet with adaptive Kalman filtering. IEEE Access, 8, 19236-19247., Chicago, [10] M. Daraghmeh, A. Agarwal, R. Manzano and M. Zaman, "Time Series Forecasting using Facebook Prophet for Cloud Resource Management," 2021 IEEE International Conference on Communications Workshops (ICC Workshops), Montreal, QC, Canada, 2021, pp. 1-6, doi: 10.1109/ICCWorkshops50388.2021.9473607. [11] Brandt, J. A., & Bessler, D. A. (1983). Price forecasting and evaluation: An application in agriculture. Journal of Forecasting, 2(3), 237-248. [12] Lacina, M., Brian Lee, B. and Zhaohui Xu, R. (2011), "An Evaluation of Financial Analysts and Naïve Methods in Forecasting Long-Term Earnings", Lawrence, K.D. and Klimberg, R.K. (Ed.) Advances in Business and Management Forecasting (Advances in Business and Management Forecasting, Vol. 8), Emerald Group Publishing Limited, Bingley, pp. 77-101. [13] De Felice, M., Alessandri, A., & Ruti, P. M. (2013). Electricity demand forecasting over Italy: Potential benefits using numerical weather prediction models. Electric Power Systems Research, 104, 71-79. [14] Jan F, Shah I, Ali S. Short-Term Electricity Prices Forecasting Using Functional Time Series Analysis. Energies. 2022; 15(9):3423. https://doi.org/10.3390/en15093423 [15] Nogales, F. J., & Conejo, A. J. (2006). Electricity price forecasting through transfer function models. Journal of the Operational Research Society, 57(4), 350-356. [16] Svec, J., & Stevenson, M. (2007). Modelling and forecasting temperature based weather derivatives. Global Finance Journal, 18(2), 185-204., Chicago, [17] Mohamed, Z., & Bodger, P. (2005). Forecasting electricity consumption in New Zealand using economic and demographic variables. Energy, 30(10), 1833-1843. [18] Ng, S. T., Skitmore, M., & Wong, K. F. (2008). Using genetic algorithms and linear regression analysis for private housing demand forecast. Building and Environment, 43(6), 1171-1184. [19] Marill, K. A. (2004). Advanced statistics: linear regression, part II: multiple linear regression. Academic emergency medicine, 11(1), 94-102. [20] Salem, O., Guerassimov, A., Mehaoua, A., Marcus, A., & Furht, B. (2014). Anomaly detection in medical wireless sensor networks using SVM and linear regression models. International Journal of E-Health and Medical Communications (IJEHMC), 5(1), 20-45., Chicago, [21] . Peng and X. Li, "Application of a multifactor linear regression model for stock portfolio optimization," in 2018 International Conference on Virtual Reality and Intelligent Systems (ICVRIS) 2018, pp. 367-370 [22] Zunic, E., Korjenic, K., Hodzic, K., & Donko, D. (2020). Application of facebook's prophet algorithm for successful sales forecasting based on real-world data. arXiv preprint arXiv:2005.07575. [23] Soloviev, V., Titov, N., & Smirnova, E. (2020, July). Coking coal railway transportation forecasting using ensembles of ElasticNet, LightGBM, and Facebook prophet. In International Conference on Machine Learning, Optimization, and Data Science (pp. 181-190). Cham: Springer International Publishing. [24] Garlapati, A., Krishna, D. R., Garlapati, K., Rahul, U., & Narayanan, G. (2021, April). Stock price prediction using Facebook Prophet and Arima models. In 2021 6th International Conference for Convergence in Technology (I2CT) (pp. 1-7). IEEE. [25] Kaninde, S., Mahajan, M., Janghale, A., & Joshi, B. (2022). Stock price prediction using facebook prophet. In ITM Web of Conferences (Vol. 44, p. 03060). EDP Sciences. [26] Saiktishna, C., Sumanth, N. S. V., Rao, M. M. S., & Thangakumar, J. (2022, May). Historical Analysis and Time Series Forecasting of Stock Market using FB Prophet. In 2022 6th International Conference on Intelligent Computing and Control Systems (ICICCS) (pp. 1846-1851). IEEE. [27] Battineni, G., Chintalapudi, N., & Amenta, F. (2020). Forecasting of COVID-19 epidemic size in four high hitting nations (USA, Brazil, India and Russia) by Fb-Prophet machine learning model. Applied Computing and Informatics. [28] Satrio, C. B. A., Darmawan, W., Nadia, B. U., & Hanafiah, N. (2021). Time series analysis and forecasting of coronavirus disease in Indonesia using ARIMA model and PROPHET. Procedia Computer Science, 179, 524-532.
Treść płatna
Jeśli masz wykupiony/przyznany dostęp -
zaloguj się
.
Skorzystaj z naszych propozycji zakupu!
Publikacja
e-Publikacja (format pdf) - nr 115397 "Inteligentny system trans..."
licencja: Osobista
Produkt cyfrowy
10.00 zł
Do koszyka
Zeszyt
PRZEGLĄD MECHANICZNY - e-zeszyt (pdf) 2018-7-8
licencja: Osobista
Produkt cyfrowy
28.00 zł
Do koszyka
Zeszyt
2024-2
Czasopisma
ATEST - OCHRONA PRACY
AURA
AUTO MOTO SERWIS
CHEMIK
CHŁODNICTWO
CIEPŁOWNICTWO, OGRZEWNICTWO, WENTYLACJA
DOZÓR TECHNICZNY
ELEKTROINSTALATOR
ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA
GAZETA CUKROWNICZA
GAZ, WODA I TECHNIKA SANITARNA
GOSPODARKA MIĘSNA
GOSPODARKA WODNA
HUTNIK - WIADOMOŚCI HUTNICZE
INŻYNIERIA MATERIAŁOWA
MASZYNY, TECHNOLOGIE, MATERIAŁY - TECHNIKA ZAGRANICZNA
MATERIAŁY BUDOWLANE
OCHRONA PRZECIWPOŻAROWA
OCHRONA PRZED KOROZJĄ
ODZIEŻ
OPAKOWANIE
PACKAGING REVIEW
POLISH TECHNICAL REVIEW
PROBLEMY JAKOŚCI
PRZEGLĄD ELEKTROTECHNICZNY
PRZEGLĄD GASTRONOMICZNY
PRZEGLĄD GEODEZYJNY
PRZEGLĄD MECHANICZNY
PRZEGLĄD PAPIERNICZY
PRZEGLĄD PIEKARSKI I CUKIERNICZY
PRZEGLĄD TECHNICZNY. GAZETA INŻYNIERSKA
PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE
PRZEGLĄD WŁÓKIENNICZY - WŁÓKNO, ODZIEŻ, SKÓRA
PRZEGLĄD ZBOŻOWO-MŁYNARSKI
PRZEMYSŁ CHEMICZNY
PRZEMYSŁ FERMENTACYJNY I OWOCOWO-WARZYWNY
PRZEMYSŁ SPOŻYWCZY
RUDY I METALE NIEŻELAZNE
SZKŁO I CERAMIKA
TECHNOLOGIA I AUTOMATYZACJA MONTAŻU
WIADOMOŚCI ELEKTROTECHNICZNE
WOKÓŁ PŁYTEK CERAMICZNYCH