Bina enerji tüketim tahmini için makine öğrenmesi tekniklerinin incelenmesi
Investigation of machine learning techniques for building energy consumption estimation
- Tez No: 844165
- Danışmanlar: DOÇ. DR. AHMET ŞAKİR DOKUZ
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Niğde Ömer Halisdemir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Bilim ve Teknoloji Ana Bilim Dalı
- Bilim Dalı: Enerji Bilim ve Teknoloji Bilim Dalı
- Sayfa Sayısı: 100
Özet
Binalardaki gereksiz enerji tüketimi, dünyada artan iklim değişikliği ve küresel ısınma sorunlarına neden olan önemli bir konudur. Bu nedenle, binalarda etkin enerji yönetimi yaklaşımlarının geliştirilmesi gerekmektedir. Enerji tüketiminin doğru tahmin edilmesi binaların enerji verimliliğinin artırılmasında önemli bir rol oynamaktadır. Son yıllarda, binaların enerji tüketimini tahmin etmek için standart fizik veya istatistiksel yöntemlerden daha doğru tahmin sonuçları sağlayacak veriye dayalı yöntemler önem kazanmıştır. Bu tez çalışmasında, Bina Enerji Yönetim Sistemine (BEYS) entegre edilecek saatlik bina enerji tüketimi tahminini gerçekleştirmek için makine öğrenimi yöntemleri karşılaştırılmaktadır. Rastgele Orman (RO), Gradyan Artırma Ağacı (GAA), Destek Vektör Makinesi (DVM), Yapay Sinir Ağı (YSA) ve Derin Sinir Ağı (DSA) yöntemleri ve bir örnek binadaki bir yıllık enerji tüketim verileri kullanılarak tahmin işlemi gerçekleştirilmiştir. Enerji tüketiminin doğru tahmini için meteorolojik, zamansal ve klima talep bilgileri olmak üzere üç kategorideki parametreler kullanılmıştır. Deneysel sonuçlar, makine öğrenmesi yöntemlerinin, bir binanın toplam enerji tüketimini tahmin etmekte yüksek performansla başarılı olduklarını göstermiştir.
Özet (Çeviri)
Redundant consumption of energy in the buildings is an important issue that causes to the increasing problems of climate change and global warming in the world. Therefore, it is necessary to develop efficient energy management approaches in the buildings. Accurate prediction of energy consumption plays an important role in improving the energy efficiency of buildings. In recent years, data-driven methods, which provide more accurate prediction results than standard physical or statistical methods, have become increasingly important in estimating the energy consumption of buildings. In this thesis, machine learning methods are compared to perform hourly building energy consumption estimation to be integrated into the Building Energy Management System (BEMS). Random Forest (RF), Gradient Boosted Trees (GBT), Support Vector Machine (SVM), Artificial Neural Network (ANN) and Deep Neural Network (DNN) methods and one year of energy consumption data from a sample building have been used for the prediction process. Three categories of parameters have been utilized for accurate prediction of energy consumption: meteorological, time and air-conditioning demand information. Experimental results have shown that machine learning methods are successful in predicting the total energy consumption of a building with high performance.
Benzer Tezler
- Estimation of commercial building energy consumption with machine learning
Makine öğrenimi ile ticari bina enerji tüketimi tahmini
YOUSIF MURSHID MUHEALDDIN MUHEALDDIN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELİM BUYRUKOĞLU
DR. ÖĞR. ÜYESİ MOHAMMED RASHAD BAKER BAKER
- Enhancing the prediction of energy efficiency in buildings using machine learning algorithms
Makine öğrenme algoritmaları ile binalarda enerji verimliliği tahminlemesinin geliştirilmesi
MOHAMMED TAQI MOHAMMED HASAN
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiBahçeşehir ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. SELİN NACAKLI
- Prediction of the heating season indoor thermal data based on short-term measurement
Kısa süreli iç ortam ölçüm verisine dayalı ısıtma sezonu tahmini
SAMI SHAMS ALDIN
Yüksek Lisans
İngilizce
2019
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. HATİCE SÖZER
- Makine öğrenmesi yöntemleriyle otonom bina yönetim sisteminde enerji tüketiminin tahmin edilmesi
Predicting energy consumption in autonomous building management system with machine learning methods
MOLDIR SABYRZHAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MAHİR DURSUN
- 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