پیش‌بینی مصرف انرژی ساختمان مسکونی: یک رویکرد شبکه عصبی

برخی از چالش‌ها برای پیش‌بینی استفاده از انرژی در بخش مسکونی به دلیل مصرف انرژی قابل‌توجه در دهه‌های اخیر، به رسمیت شناخته شده‌است. با این حال، مدل‌سازی مصرف انرژی ساختمان مسکونی هنوز هم برای راه‌حل‌های بهینه و قدرتمند توسعه‌نیافته است، در حالی که این حوزه تحقیقاتی با پیشرفت‌های چشمگیری در محاسبات و شبیه‌سازی ارتباط بیشتری پیدا کرده‌است. چنین پیشرفت‌هایی شامل ظهور تحقیقات هوش مصنوعی در توسعه مدل آماری می‌شود. شبکه عصبی مصنوعی به عنوان یک روش کلیدی برای پرداختن به مساله غیر خطی سازی داده‌های انرژی ساختمان و محاسبه نیرومند داده‌های بزرگ و دینامیک مطرح شده‌است. توسعه و اعتبار چنین مدل‌هایی در یکی از خانه‌های تحقیقاتی TxAIRE در این مقاله نشان‌داده شده‌است. خانه‌های TxAIRE برای ارایه تسهیلات آزمون واقع گرایانه برای نشان دادن تکنولوژی‌های جدید طراحی شده‌اند. متغیرهای ورودی مورد استفاده در داده‌های خانه شامل تعداد روز، دمای محیط و تابش خورشیدی هستند در حالی که متغیرهای خروجی خانه و مصرف انرژی پمپ حرارتی هستند. مدل‌های مبتنی بر الگوریتم های Levenberg – Marquardt و OWO – نیوتن نتایج خوبی از

Some of the challenges to predict energy utilization has gained recognition in the residential sector due to the significant energy consumption in recent decades. However, the modeling of residential building energy consumption is still underdeveloped for optimal and robust solutions while this research area has become of greater relevance with significant advances in computation and simulation. Such advances include the advent of artificial intelligence research in statistical model development. Artificial neural network has emerged as a key method to address the issue of nonlinearity of building energy data and the robust calculation of large and dynamic data. The development and validation of such models on one of the TxAIRE Research houses has been demonstrated in this paper. The TxAIRE houses have been designed to serve as realistic test facilities for demonstrating new technologies. The input variables used from the house data include number of days, outdoor temperature and sola