Prediction of energy consumption of residential buildings by artificial neural networks and fuzzy logic
Yapay sinir ağları ve bulanık mantık ile konutların enerji tüketimlerinin tahmin edilmesi
- Tez No: 325711
- Danışmanlar: DOÇ. DR. TUĞÇE KAZANASMAZ, PROF. DR. GÜLDEN GÖKÇEN AKKURT
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Binalarda enerji tüketimini tahmin etmek için bir çok yöntem vardır. Basit regresyonlardan fiziksel prensiplere dayanan dinamik modellere kadar bir çok method simülasyon için kullanılabilir. Tüm bu modeller için yaygın olan varsayım giri? deği?kenlerinin gerçek verilere dayanması gerektiğidir, aksi takdirde enerji tüketiminin değerlendirilmesi tahmin edilenin altında veya üstünde olabilir. Bu tezin amacı binalarda enerji tüketimini tahminlemek amacıyla yapay zeka kullanılarak (yapay sinir ağları ve bulanık mantık) basit modeler olu?turmak ve bina enerji performans yazılımı olan KEP-IYTE ESS?i kar?ıla?tırmaktır. ?zmir?de bulunan 3 farklı ilçeden elde edilen 148 binanın(5-13 katlı) mimari projeleri ve ısı hesap raporlarından elde edilen veriler hem modellerin hem yazılımın giri? parametrelerini olu?turmaktadır.Binaların enerji tüketimi imar düzeni, ısıtma sisteminin tipi, kat sayısı, duvar toplam ısı transfer katsayısı, cam tipi, alan/hacim oranı, izolasyon varlığı, toplam dı? yüzey alanı, bina yönü, daire sayısı, toplam dı? yüzey alanı/ toplam faydalı alan, toplam pencere alanı/toplam dı? yüzey alanı, geni?lik/uzunluk, toplam duvar alanı/toplam faydalı alan, toplam aydınlatma ihtiyacı/toplam faydalı alan ve toplam duvar alanının bir fonksiyonu olarak modellenebilir. Dört deği?ik yapay sinir ağı modeli ve bir bulanık mantık modeli olu?turuldu, eğitildi, test edildi ve yazılım çıktılarıyla kar?ıla?tırıldı. En dü?ük ortalama mutlak yüzde hata (MAPE) %4.1 ve ortalama mutlak sapma (MAD) 6.57 olarak tesbit edilmi?tir. Bu sonuçlar yapay sinir ağlarının doğru tahminler yapabildiğini göstermektedir. Diğer taraftan, bulanık mantık modelinin ortalama mutlak yüzde hatası %4.86 ve ortalama mutlak sapması 7.59 bulunmu?tur. Bulanık mantık modelinin de yeterli sonuç verdiği dü?ünülebilir
Özet (Çeviri)
There are several ways to attempt to forecast building energy consumption. Different techniques, varying from simple regression to dynamic models that are based on physical principles, can be used for simulation. A frequent hypothesis for all these models is that the input variables should be based on realistic data when they are available, otherwise the evaluation of energy consumption might be under or over estimated. The aim of this thesis is to create simple models based on artificial intelligence methods (artificial neural networks and fuzzy logic) as predicting tools and to compare these methods with a building energy performance software (KEP-IYTE ESS). Architectural projects and heat load calculation reports of 148 apartment buildings (5-13 storey) from three municipalities in ?zmir provide the input data for the models and software. Building energy consumption is modeled as a function of zoning status, heating system type, number of floors, wall overall heat transfer coefficient, glass type, area/volume ratio, existence of insulation, total external surface area, orientation, number of flats, total external surface area/total useful area, total windows area/total external surface area, width/length, total wall area/total useful floor area, total lighting requirement/total useful floor area and total wall area. Four different artificial neural network models and one fuzzy logic model were constructed, trained, tested and the results were compared with the software outcomes. The lowest mean absolute percentage error (MAPE) and mean absolute deviation (MAD) of ANN modelsappeared to be 4.1% and 6.57, respectively, which shows that ANN can make accurate predictions. On the other hand, fuzzy model gave an 4.86% and 7.59 of MAPE and MAD, respectively, which can be considered as sufficient accuracy
Benzer Tezler
- Türkiye için konut binalarının aydınlatma enerjisi gereksinimi açısından değerlendirilmesine ilişkin bir yaklaşım
An assessment approach for energy requirements of residential buildings in Turkey
ÖZLEM SÜMENGEN
- Davranış ve alışkanlıkların konutlarda elektrik enerjisi tüketimine etkisinin incelenmesi
Investigation of the impact of occupants' behaviour and habits on residential electricity consumption
NİHAL DİLEK SÜMER TÜRELİ
Doktora
Türkçe
2023
EnerjiHacettepe ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. MERİH AYDINALP KÖKSAL
- Urban scale prediction of indoor daylighting illumination for sustainable buildings
Sürdürülebilir binalar için iç mekan günışığı aydınlanmasının kent ölçekli tahmini
İLKİM CANLI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. İPEK GÜRSEL DİNO
DOÇ. DR. SİNAN KALKAN
- Sürdürülebilir şehirleşme ve toplu konut projelerinde etkin enerji kullanımı
Başlık çevirisi yok
MEHMET DORUK ÖZÜGÜL
Yüksek Lisans
Türkçe
1998
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FULİN BÖLEN
- Energy management strategies for residential buildings under demand response
Talep katılımı altındaki mesken binaları için enerji yönetim stratejileri
OĞUZKAĞAN ALIÇ
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMMÜHAN BAŞARAN FİLİK