LSTM-модель потребления тепловой энергии в многоэтажном жилом здании
Ключевые слова:
машинное обучение, LSTM, учет тепловой энергии, временной ряд, основанные на данных методы, автоматическое регулирование теплопотребления, многоэтажное жилое здание, изменение климата, атмосферное явление, моделирование регулятора, обучение нейронной сети, активация нейрона, данные коммерческого учетаАннотация
Теплопотребление жилых зданий представляет собой стохастический ряд, создание нейросетевой модели для которого необходимо для проектирования регуляторов тепловой энергии. В статье модель разработана с применением "длинной цепи элементов краткосрочной памяти" (LSTM, Long Short-Term Memory). Высокая точность воспроизведения рядов достигнута обучением модели на наборе данных города Томска 2013-2023 г.г. При моделировании учтены характеристики зданий и температура наружного воздуха. Проведено сравнение модельных зависимостей и реальных данных коммерческого учёта. Результаты демонстрируют возможность разработки погодозависимого регулятора тепловой энергии на основе методов машинного обучения. Приведены примеры моделирования конкретных рядов, отличающихся резким изменением в данных и полным отсутствием тренда, что характерно для современных погодных условий.
Библиографические ссылки
Wei Y., Zhang X. et al. A review of data-driven approaches for prediction and classification of building energy consumption // Renewable and Sustainable Energy Reviews. – 2018. – № 82. – Pp. 1027-1047.
Виноградов А.Н., Чипулис В.П. Анализ эффективности регулирования теплопотребления / Труды международного симпозиума "Надежность и качество". – Пензенский государственный университет. – 2009. – Т. 1. – С. 17-20. – ISSN: 2220-6418. – eLIBRARY ID: 15601160.
Зорин П.А., Стукач О.В. Анализ влияния погодных условий на динамику тепловой энергии в жилом фонде города Томск / Инновационные, информационные и коммуникационные технологии: сборник трудов XVII Международной научно-практической конференции. / под.ред. С.У.Увайсова. – М.: Ассоциация выпускников и сотрудников ВВИА им. проф. Жуковского. – 2020. – С. 365-368. – ISSN 2500-1248. – eLIBRARY ID: 45557868.
Wang M., Dong Y., Liao W., Pan B., Li S., Duan J., Xu S. Impact of residential morphology on outdoor thermal comfort and building energy consumption in winter and summer: A case study. – Urban Climate. – 2025. – no. 61. – 102479. – Doi: 10.1016/j.uclim.2025.102479.
Будникова И.К., Приймак Е.В. Прогнозирование режимов теплопотребления с применением нейросетевых технологий // Вестник технологического университета. – 2021. – Т. 24. – № 5. С. 69-73. – eLIBRARY ID: 45767774.
Cui Y., Zhang W., Zhou X., Fan C., Chi Y. Application of attention mechanism-convolutional neural network-long and short-term memory neural network-based model in load forecasting of dedicated outdoor air systems // Journal of Building Engineering. – 2025. – Т. 112. – № 113769. – Doi: 10.1016/j.jobe.2025.113769.
Зорин П.А., Стукач О.В. База данных потребления тепловой энергии многоэтажными жилыми зданиями в зависимости от метеорологических факторов и характеристик зданий. Рег. N 25452. DOI: 10.12731/ofernio.2025.25452. Навигатор в мире науки и образования. – 2025. – № 01(66). – С. 119-124. – Бюллетень "Хроники Объединенного фонда электронных ресурсов "Наука и образование"". – 2025. № 03(190).
Cibin N., Tibo A., Golmohamadi H., Skou A., Albano M. Machine learning-based algorithms to estimate thermal dynamics of residential buildings with energy flexibility // Journal of Building Engineering. – 2023. – no. 65. – 105683. – Doi: 10.1016/j.jobe.2022.105683.
Coraci D., Brandi S., Capozzoli A. Effective pre-training of a deep reinforcement learning agent by means of long short-term memory models for thermal energy management in buildings // Energy Conversion and Management. – 2023. – Т. 291. – September. – № 117303. – Doi: 10.1016/j.enconman.2023.117303.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Системная инженерия и инфокоммуникации
Это произведение доступно по лицензии Creative Commons «Attribution-ShareAlike» («Атрибуция — На тех же условиях») 4.0 Всемирная.