文献

J-GLOBAL ID：201802270327531187   整理番号：18A0528607

加熱性能解析と大規模地中熱源ヒートポンプシステムの時間予測のための多重線形回帰及び人工神経回路網モデルの適用【Powered by NICT】

Application of a multiple linear regression and an artificial neural network model for the heating performance analysis and hourly prediction of a large-scale ground source heat pump system

著者 (6件)： Park Sang Ku (Korea Energy Agency, Yongin 16842, Republic of Korea) ,  Park Sang Ku (Department of Energy Systems Research, Ajou University, Suwon 16499, Republic of Korea) ,  Moon Hyeun Jun (Department of Architectural Engineering, Dankook University, Yongin 448-701, Republic of Korea) ,  Min Kyung Chon (Research Development Division, Kotec Engineering, Anyang 14056, Republic of Korea) ,  Hwang Changha (Department of Applied Statistics, Dankook University, Yongin 448-701, Republic of Korea) ,  Kim Suduk (Department of Energy Systems Research, Ajou University, Suwon 16499, Republic of Korea)
資料名： Energy and Buildings  (Energy and Buildings)
巻： 165  ページ： 206-215  発行年： 2018年 
JST資料番号： A0199A  ISSN： 0378-7788  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 十ヒートポンプユニットから成る450RT容量を持つ地中熱源ヒートポンプシステム(GSHP)は全病院建物に暖房および冷房エネルギーを提供した。系の3.21とシステム操作特性の季節的暖房性能を2016年11月から2017年3月へのin situモニタリングデータを用いて解析した。これに基づいて,多重線形回帰(MLR)と人工ニューラルネットワーク(ANN)を適用して時間GSHPシステムの性能予測モデルを開発した。システム性能,ソースと負荷水温(EST, ELT)を含む変数に影響を及ぼす定量的影響を,統計的有意性をもって精巧なMLRモデルにより解析した。予測精度は,ANN,全体的なバイアスなしで根平均二乗誤差(CVRMSE)の変動係数に基づいてMLRで3.56%,1.75%であった。これらの予測モデルは,システムの誤動作をチェックするために可能性のある将来の省エネルギー対策と実時間性能モニタリングの測定と検証(M&V)のためのベースラインとして用いることができる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *予測 ,  予測モデル ,  病院 ,  冷房 ,  バイアス ,  水温 ,  *ニューラルネットワーク ,  変動係数
準シソーラス用語： 平均二乗誤差 ,  予測精度 ,  統計的有意性 ,  システム性能 ,  性能予測 ,  *多重線形回帰 ,  *地中熱ヒートポンプ , 【Automatic Indexing@JST】

著者キーワード (5件)： GSHPシステムの性能 ,  in situモニタリングデータ ,  性能に影響を及ぼす因子 ,  多重線形回帰による予測モデル ,  人工神経回路網による予測モデル

分類 (2件)： 建築環境一般  (RB02010T) ,  エネルギー消費・省エネルギー  (LD01000B)

タイトルに関連する用語 (7件)： 性能解析 ,  大規模 ,  地中熱源ヒートポンプ ,  予測 ,  多重線形回帰 ,  人工 ,  神経回路網モデル