Сбор данных потребления тепловой энергии в жилом фонде города
Ключевые слова:
адаптивное регулирование, тепловой комфорт, снижение теплопотребления, моделирование теплопотребления здания, источники энергии, тепловая энергия, жилой фонд, тепловой пункт, прогнозирование погоды, модель прогнозирующего управления, режим теплопотребления, гражданское строительство, компьютерный мониторинг, энергоэффективность, геоинформационные системы, теплопотребление, теплогидравлический режим, наборы данных о потреблении энергии в зданиях, автоматизированное управлениеАннотация
Мониторинг состояния теплоснабжения в зависимости от эксплуатационных характеристик зданий необходим для выработки и принятия обоснованных управленческих решений по ремонту и повышению энергоэффективности жилого фонда и поэтому является предметом исследований, основанных на данных. В статье рассмотрены проблемы сбора данных коммерческого учёта тепловой энергии в многоэтажных жилых зданиях в масштабах города. Представлен обзор и классификация методов сбора данных для мониторинга теплопотребления, комфортных условий проживания и эксплуатации зданий. Дан обзор наборов данных, имеющихся в свободном доступе и исследований потребления тепловой энергии населением по данным общедомовых приборов учёта. Исследованы зависимости изменения потребления тепловой энергии от метеорологических факторов и технико-экономических параметров зданий. Сбор данных увязан с конкретными способами оценки эксплуатационных характеристик зданий. Даны рекомендации по организации исследований по мониторингу зданий. Представлена динамика изменения теплопотребления и даны рекомендации по методологии исследований в рассмотренной предметной области. Таким образом, правильное понимание структуры и состава имеющихся наборов данных позволит получить прочную теоретическую основу для повышения энергоэффективности.
Библиографические ссылки
[1] Ефимов Б.В., Кузнецов Н.М., Победоносцева В.В. Эффективность энергосберегающих мероприятий в бюджетной сфере мурманской области // Труды Кольского научного центра РАН. – 2018. – Т. 9. – № 3-16. – С. 76-86. – eLIBRARY ID: 36474392. – Doi: 10.25702/KSC.2307-5252.2018.16.3.76-86.
[2] Fedorczak-Cisak M., Radziszewska-Zielina E., Dechnik M., Buda-Chowaniec A., Sadowska B., Ciula M., Kapecki T. User Comfort Evaluation in a Nearly Zero-Energy Housing Complex in Poland: Indoor and Outdoor Analysis // Energies. – 2025. – V. 18. – № 19:5209. – Doi: 10.3390/en18195209.
[3] Подлесных А.А. Повышение энергоэффективности объектов жилищно-коммунального комплекса // Международный журнал информационных технологий и энергоэффективности. 2024. – Т. 9 – № 5(43) – с. 126-133.
[4] Белый А. Проблемы повышения энергоэффективности жилых многоквартирных зданий в условиях текущих цен на тепловую энергию в Казахстане // Центральноазиатский журнал исследования климата и устойчивого развития. – 2024. – Т. 3. – № 2. – С. 24-44. – eLIBRARY ID: 79828196. – EDN: MJAUMT. – Doi: 10.29258/cajscr/2024-r1.v3-2/24-44.rus.
[5] Черноиван Н.В., Павлова И.П. Исследование энергетической эффективности эксплуатируемых крупнопанельных жилых зданий, прошедших тепловую модернизацию // Вестник брестского государственного технического университета. – 2025. – № 1(136). –С. 53-59. – eLIBRARY ID: 82341190. – EDN: AXZXOQ. – Doi: 10.36773/1818-1112-2025-136-1-53-59.
[6] Зорин П.А., Стукач О.В. Статистическое моделирование тепловых характеристик жилых домов на основе данных теплосчетчиков / Новые информационные технологии в исследовании сложных структур: материалы Тринадцатой Международной конференции. Томский государственный университет. Томск, 07-09 сентября 2020. – С. 11. – eLIBRARY ID: 44189681.
[7] Korniyenko S.V. Renovation of apartment buildings in Russia // Construction of unique buildings and structures. – 2018. – № 5 (68). – С. 15-23. – eLIBRARY ID: 36318476. – Doi: 10.18720/CUBS.68.2. (Корниенко С.В. Реновация жилых зданий в России).
[8] Зорин П.А., Купреков С.В., Пуговкин А.В., Стукач О.В. Контроль энергоэффективности теплоснабжения зданий типовой застройки // Электронные средства и системы управления / Томский государственный университет систем управления и радиоэлектроники (Томск). – 2018. – N 1-2. – С. 302-305. – eLIBRARY ID: 37384589.
[9] Стукач О.В., Зорин П.А. Дисперсионный анализ данных учета тепловой энергии в г. Томске / Компьютерные технологии и анализ данных (CTDA). Материалы III Международной научно-практической конференции. - Минск, 21-22 апреля 2022. - С. 140-143. - eLIBRARY ID: 8504165.
[10] Fotopoulou E., Zafeiropoulos A., Terroso F. et al. Data aggregation, fusion and recommendations for strengthening citizens energy-aware behavioural profiles / 2017 Global Internet of Things Summit (GIoTS). – Pp. 1-6. (Агрегация, объединение данных и рекомендации по улучшению поведенческих характеристик граждан, ориентированных на потребление энергии)
[11] Зорин П.А., Стукач О.В. Дисперсионный анализ данных коммерческого учёта тепловой энергии в жилом фонде города Томска / Наука. Технологии. Инновации // Сборник научных трудов в 9 ч. – Новосибирск: Изд-во НГТУ. – 2019. – ISBN 978-5-7782-4007-0. – С. 72-75. – eLIBRARY ID: 41847032.
[12] Tsanas A., Xifara A. Accurate quantitative estimation of energy performance of residential buildings using statistical machine learning tools // Energy and Buildings. – 2012. – V. 49. № 6. – Pp. 560-567. – Doi: 10.1016/j.enbuild.2012.03.003.(Точная количественная оценка энергетических показателей жилых зданий с использованием инструментов статистического машинного обучения)
[13] Стукач О.В., Зорин П.А., Ершов И.А. Использование метода сходящегося перекрестного отображения в задачах исследования взаимной зависимости температурных рядов / VI Международная научно-техническая конференция "Проблемы машиноведения". Омск: Омский государственный технический университет, 22-23 марта 2022. - С. 228-234.
[14] Федосин А.С., Федосин С.А. Очистка входных данных в автоматизированных системах контроля и учета энергоресурсов // Инфокоммуникационные технологии. – 2016. – Т. 14. – № 2. – С. 162-168.
[15] Федосин А.С., Савкина А.В. Проблемы качества данных в автоматизированных системах коммерческого учета потребления энергоресурсов // Прикаспийский журнал: управление и высокие технологии. – 2014. – № 2. – С. 158-164.
[16] Попов И.Ю., Стукач О.В., Зорин П.А. Оценка качества данных коммерческого учёта тепловой энергии методом полной вариации распознавания ошибок // Динамика систем, механизмов и машин. – 2021. – Т. 9. – № 3. – С. 117-121. – DOI: 10.25206/2310-9793-9-3-117-121. – eLIBRARY ID: 47923769.
[17] Liu Y., Stouffs R., Tablada A., Wong N.H., Zhang J. Comparing micro-scale weather data to building energy consumption in Singapore // Energy and Buildings. – 2017. – № 152. – Pp.776-791. (Сравнение небольших данных о погоде с потреблением энергии зданиями в Сингапуре)
[18] Koci J., Koci V., Madera J., Cerny R. Effect of applied weather data sets in simulation of building energy demands: Comparison of design years with recent weather data // Renewable and Sustainable Energy Reviews. – 2019. – № 100. – Pp. 22-32. (Влияние применяемых наборов погодных данных в моделировании энергопотребления зданий: сравнение годов проектирования с последними данными о погоде).
[19] Farah S., Whaley D., Saman W., Boland J. Integrating climate change into meteorological weather data for building energy simulation, Energy and Buildings. – 2019. – № 183. – Pp. 749-760. (Интеграция изменений климата в метеорологические данные о погоде для моделирования энергетики зданий).
[20] 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. – М.: Ассоциация выпускников и сотрудников ВВИА им. проф. Жуковского. – 2020. – С. 365-368. – ISSN 2500-1248. – eLIBRARY ID: 45557868.
[21] Jalali Z., Shamseldin A.Y., Ghaffarianhoseini A. Impact assessment of climate change on energy performance and thermal load of residential buildings in New Zealand // Building and Environment. – 2023. – V. 243. – Paper 110627. – Doi: 10.1016/j.buildenv.2023.110627 .
[22] Lupato G., Manzan M. Italian TRYs: New weather data impact on building energy simulations // Energy and Buildings. – 2019. – № 185. – Pp. 287-303. (Влияние новых погодных данных на моделирование энергетики зданий).
[23] Стукач О.В., Зорин П.А., Фёдоров Н.Г. Результаты энергосберегающего регулирования тепловой энергии на примере Томска и Буденновска // Динамика систем, механизмов и машин. – 2023. – № 1. – Т. 11. – С. 53-56. – eLIBRARY ID: 64903450. – DOI: 10.25206/2310-9793-2023-11-1-53-56.
[24] Barker S., Mishra A., Irwin D., Cecchet E., Shenoy P., Albrecht J. Smart: An open data set and tools for enabling research in sustainable homes / Proceedings of the 2012 Workshop on Data Mining Applications in Sustainability. – 2012. – Pp. 1-6. (Набор открытых данных и инструментов для проведения исследований в области устойчивого жилища).
[25] Parson O., Fisher G., Hersey A., Batra N., Kelly J., Singh A. et al. Dataport and NILMTK: A building data set designed for non-intrusive load monitoring / 2015 IEEE Global Conference on Signal and Information Processing (GlobalSIP). – 2015. – Pp. 210-214. (Dataport и NILMTK: Набор данных о зданиях, предназначенный для неинтрузивного мониторинга нагрузки).
[26] Zorin P., Stukach O. Data of heating meters from residential buildings in Tomsk (Russia) for statistical modeling of the thermal characteristics of buildings / IEEE Dataport. – 2020. – [Online]. –Doi: 10.21227/3r4e-ch18.
[27] Himeur Y., Alsalemi A., Al-Kababji A., Bensaali F., Amira A. Data fusion strategies for energy efficiency in buildings: Overview, challenges and novel orientations // Information Fusion. – 2020. – Pp. 1-36. (Стратегии объединения данных для повышения энергоэффективности зданий: обзор, проблемы и новые направления).
[28] Stukach O., Zorin P. Long-Term Data from the Heat Meters in Residential Buildings Depending on the Outside Temperature and Characteristics of Buildings / IEEE Dataport. – April 13, 2021. –Ddoi: 10.21227/cw53-rr81. – http://ieee-dataport.org/4034.
[29] Зорин П.А., Стукач О.В. База данных потребления тепловой энергии многоэтажными жилыми зданиями в зависимости от метеорологических факторов и характеристик зданий. – Рег. № 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).
[30] Seem J.E. Using intelligent data analysis to detect abnormal energy consumption in buildings // Energy and Buildings. – 2007. – № 39(1). – Pp. 52-58. (Использование интеллектуального анализа данных для выявления аномального потребления энергии в зданиях).
[31] Weng Y., Zhang N., Xia C. Multi-agent-based unsupervised detection of energy consumption anomalies on smart campus // IEEE Access. – 2019. – № 7. – Pp. 2169-2178. (Мультиагентное обнаружение аномалий энергопотребления без контроля в умном кампусе).
[32] Nordahl C., Persson M., Grahn H. Detection of residents' abnormal behaviour by analysing energy consumption of individual households / 2017 IEEE International Conference on Data Mining Workshops (ICDMW). – 2017. – Pp. 729-738. (Выявление аномального поведения жителей при анализе потребления энергии отдельными домохозяйствами).
[33] Janetzko H., Stoffel F., Mittelstadt S., Keim D.A. Anomaly detection for visual analytics of power consumption data // Computers & Graphics. – 2014. – № 38. – Pp. 27-37. (Обнаружение аномалий для визуальной аналитики данных о потреблении энергии).
[34] Alsalemi A., Ramadan M., Bensaali F., et al. Endorsing domestic energy saving behavior using micro-moment classification // Applied Energy. – 2019. – № 250. – Pp. 1302-1311.
[35] Himeur Y., Alsalemi A., Bensaali F., Amira A. A novel approach for detecting anomalous energy consumption based on micro-moments and deep neural networks // Cognitive Computation. –2020. – Pp. 1-23. (Новый подход к обнаружению аномального потребления энергии, основанный на микромоментах и глубокой нейронной сети).
[36] Ge S., Li J., Liu H., Liu X., Wang Y., Zhou H. Domestic energy consumption modeling per physical characteristics and behavioral factors // Energy Procedia (Innovative Solutions for Energy Transitions). – 2019. – № 158. – Pp. 2512-2517. (Моделирование внутреннего энергопотребления с учетом физических характеристик и поведенческих факторов).
[37] Delzendeh E., Wu S., Lee A., Zhou Y. The impact of occupants' behaviours on building energy analysis: A research review, Renewable and Sustainable // Energy Reviews. – 2017. – № 80. – Pp. 1061-1071. (Влияние поведения жильцов на энергетический анализ зданий: обзор исследований, посвященных возобновляемым и устойчивым источникам энергии).
[38] Stukach O.V., Ershov I.A., Dvurechenskaya N.A. Neural Network Simulation of a Residential Building for a Data-Driven Thermal Consumption / 2025 Dynamics of Systems, Mechanisms and Machines (Dynamics) Conference, 11-13 November 2025, Omsk, Russian Federation. – 2025. – Pp. 1-4, doi: 10.1109/Dynamics68764.2025.11302190. (Нейросетевое моделирование теплопотребления жилого здания на основе данных).
[39] Fekri M., Ghosh A.M., Grolinger K. Generating energy data for machine learning with recurrent generative adversarial networks // Energies. – 2019. – V. 12. – P. 13. (Генерация энергетических данных для машинного обучения с помощью рекуррентных генеративных состязательных сетей).
[40] Chen-xi J., Ping J., Shi L. Intelligent control method of heating process including model prediction and climate compensation / 2020 International Conference on Advanced Mechatronic Systems (ICAMechS), Hanoi, Vietnam. – 2020. – Pp. 50-55. – Doi: 10.1109/ICAMechS49982.2020.9310086.
[41] Стукач О.В., Ершов И.А., Кутузов Д.В. LSTM-модель потребления тепловой энергии в многоэтажном жилом здании // Системная инженерия и инфокоммуникации. – 2025. – № 4. – С. 11-14. – https://sys-engine.ru/index.php/SEI/article/view/35.
[42] Li G., Kou C., Wang H. Estimating city-level energy consumption of residential buildings: A life-cycle dynamic simulation model // Journal of Environmental Management. – 2019. – 240. – Pp. 451-462. (Оценка энергопотребления жилых зданий на уровне города: динамическая имитационная модель жизненного цикла).
[43] Стукач О.В., Карапиш Е.А. Идентификация стохастической модели теплопотребления в многоэтажных жилых зданиях города / Компьютерные технологии и анализ данных (CTDA'2024) : материалы IV Междунар. науч.-практ. конф., Минск, 25-26 апр. 2024 г. / Белорус. гос. ун-т ; ред. В.В. Скакун. – Минск : БГУ, 2024. – С. 172-175. – ISBN: 978-985-881-636-0. – eLIBRARY ID: 67917843. – EDN: HFIKCA.
[44] Стукач О.В., Ершов И.А. Нейросетевая модель жилого здания как объекта управления для погодозависимого регулятора тепловой энергии // Динамика систем, механизмов и машин: сборник трудов XIX Международной IEEE научно-технической конф., г. Омск, Омский государственный технический университет, 11-13 ноября 2025. – Омск: издательство ОмГТУ. – 2025. – Т. 13 – N 3. – С. 82-87. – DOI: 10.25206/2310-9793-2025-13-3-82-87. – ISSN: 2310-9793.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Системная инженерия и инфокоммуникации
Это произведение доступно по лицензии Creative Commons «Attribution-ShareAlike» («Атрибуция — На тех же условиях») 4.0 Всемирная.