文献

J-GLOBAL ID：201702255205105244   整理番号：17A1652437

空調環境における短期電気負荷の予測モデル【Powered by NICT】

Prediction model of short-term electrical load in an air conditioning environment

著者 (2件)： Palapanyakul Kriangsak (Department of Computer Engineering King Mongkut’s University of Technology Thonburi Bangkok, Thailand) ,  Siripongwutikorn Peerapon (Department of Computer Engineering King Mongkut’s University of Technology Thonburi Bangkok, Thailand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： iEECON  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ビル・オフィスでは,空調システムは,電気エネルギー消費に最も寄与していることをシステムの一つである。空調環境における短期電気エネルギー消費を予測する能力は,電気機器使用を制御するのに価値ある情報を提供することができる全体的なエネルギー消費は大部分の時間に対して許容可能なレベルに維持することができた。本論文では,オフィスビルで典型的に見られる空調室におけるエネルギー消費の短期予測にデータマイニング技術を適用した。実際の空調環境におけるエネルギー消費データと関連した変数を収集,前処理,および三つの異なるモデルに適合させた,多重線形回帰(MLR),人工ニューラルネットワーク(ANN),および袋詰めディシジョンツリー(BDT)を含む。予測因子として温度,湿度だけを用いた以前の研究とは異なり,部屋の大きさとBTU空調ユニットのような付加的因子を含む予測精度を改善する。著者らの結果は,最高の精度は,含まれる全ての予測因子を持つANNモデルを用いることにより達成されることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 前処理 ,  エネルギー消費 ,  空気調和装置 ,  *予測モデル ,  *空気調和 ,  湿度 ,  事務所建築 ,  空調システム ,  短期予測 ,  電力消費 ,  ディシジョンツリー ,  ニューラルネットワーク
準シソーラス用語： 予測精度 ,  予測因子 ,  多重線形回帰 , 【Automatic Indexing@JST】

分類 (2件)： エネルギー消費・省エネルギー  (LD01000B) ,  染料  (YJ05000I)

タイトルに関連する用語 (4件)： 空調環境 ,  短期 ,  電気負荷 ,  予測モデル