文献

J-GLOBAL ID：201902225377141196   整理番号：19A1576302

負荷成分分離を用いた冷却負荷の短期予測モデル【JST・京大機械翻訳】

Short-term forecast model of cooling load using load component disaggregation

著者 (5件)： Lin Xinyi (School of Environmental Science and Engineering, Key Laboratory of Efficient Utilization of Low and Medium Grade Energy, MOE, Tianjin University, Tianjin 300072, China) ,  Tian Zhe (School of Environmental Science and Engineering, Key Laboratory of Efficient Utilization of Low and Medium Grade Energy, MOE, Tianjin University, Tianjin 300072, China) ,  Lu Yakai (School of Environmental Science and Engineering, Key Laboratory of Efficient Utilization of Low and Medium Grade Energy, MOE, Tianjin University, Tianjin 300072, China) ,  Zhang Hejia (School of Environmental Science and Engineering, Key Laboratory of Efficient Utilization of Low and Medium Grade Energy, MOE, Tianjin University, Tianjin 300072, China) ,  Niu Jide (School of Environmental Science and Engineering, Key Laboratory of Efficient Utilization of Low and Medium Grade Energy, MOE, Tianjin University, Tianjin 300072, China)
資料名： Applied Thermal Engineering  (Applied Thermal Engineering)
巻： 157  ページ： Null  発行年： 2019年 
JST資料番号： E0667B  ISSN： 1359-4311  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： データ駆動手法は建築物の冷房負荷の予測に広く適用されている。これらのアプローチの中で,冷却負荷の分解成分をモデル化することは,予測性能を強化するためにデータ特性を最良に捉えることができる。しかし,今日まで,従来の分解技術は物理的に意味のある成分を抽出せず,その結果,予測精度を改善する能力を制限している。本論文では,負荷成分分離(LCD)を用いた冷房負荷の短期予測モデルを提案した。最初に,辞書学習とスパース表現アルゴリズムを適用して,4つのサブ負荷を抽出した。すなわち,伝導,太陽,新鮮空気,および内部である。次に,逆伝搬ニューラルネットワークと自己回帰統合移動平均アルゴリズムを採用して,これらの4つの負荷のための予測モデルを構築して,予測した冷却負荷を,サブ負荷結果を集めることによって得た。天津における典型的民間建築物のシミュレーション事例研究の結果は,提案した予測方法が高い精度を持つことを示した。次に,本論文は予測精度に及ぼす分解と予測技術の影響を調査して,LCDが予測性能を向上させることを示した。提案した方法は,現在の実践を照明し,建物エネルギー消費を予測するためのより効果的な解決策をもたらすことができた。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モデリング ,  *短期予測 ,  シミュレーション ,  事例研究 ,  冷房負荷 ,  *予測モデル ,  太陽 ,  アルゴリズム ,  予測技法 ,  *モデル
準シソーラス用語： 天津市 ,  自己回帰 ,  逆伝播ニューラルネットワーク ,  スパース表現 ,  予測精度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 負荷予測 ,  データ分解 ,  負荷成分抽出 ,  スパース符号化

分類 (3件)： 冷房  (PC02030Q) ,  空気調和装置一般  (PC02010U) ,  建築物の断熱  (RB01033H)

タイトルに関連する用語 (3件)： 冷却負荷 ,  短期予測 ,  モデル