Building energy consumption modeling and prediction using data-driven models
Bina enerji tüketimi modelleme ve tahmini için veri odakli modeller
- Tez No: 878546
- Danışmanlar: PROF. DR. İSMAİL AVCIBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: OSTİM TEKNİK ÜNİVERSİTESİ
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Teknolojileri Bilim Dalı
- Sayfa Sayısı: 99
Özet
Günümüz kültürleri günlük faaliyetler için elektriğe giderek daha fazla bağımlı hale gelirken, elektrikli araçlara (EV'ler) ve ısı pompalarına olan bağımlılığın artmasıyla, sıfır emisyon hedeflerine ulaşmak için elektrifikasyona yönelik geçiş hayati önem taşımaktadır. Ancak, güç üretim sektörü, küresel CO2 emisyonlarının en büyük kaynağı olmaya devam ederek, enerji talebini çevresel sürdürülebilirlikle dengeleme ihtiyacını vurgulamaktadır. Bu tez, veri odaklı algoritmalar ve makine öğrenimi tekniklerinin sistematik uygulanması yoluyla Bina Enerji Tüketimi Modelleme ve Tahmini (BECMP) için model geliştirme çalışmalarını incelemektedir. Çalışma, enerji tüketimi tahminlerinin doğruluğunu etkileyen çeşitli özelliklerin etkisini araştırmak ve binalarda enerji tahmini için en etkili modelleri belirlemek amacıyla birkaç makine öğrenimi algoritmasının karşılaştırmalı analizini yapmak gibi iki temel amaca odaklanmaktadır. Yöntem, veri ön işleme, özellik optimizasyonu ve Tayland'daki Chulalongkorn Üniversitesi Bina Enerji Yönetim Sistemi (CU-BEMS) veri setinde optimal performans için ince ayar yapılmış çeşitli makine öğrenimi modellerinin uygulanmasını kapsamaktadır. Bu modeller arasında Doğrusal Bağlanım, Karar Ağaçları, k-En Yakın Komşular (k-NN), Sinir Ağları ve Destek Vektör Makineleri bulunmaktadır. Bu araştırmanın temel katkıları, öznitelik seçiminin optimize edilmesi ve kapsamlı makine öğrenimi algoritmalarının kullanılması yoluyla enerji tüketimi tahminlerinin doğruluğunu önemli ölçüde artıran gelişmiş bir öngörüsel modelleme çerçevesinin geliştirilmesini içerir. Bu yaklaşım, sadece tahmin yeteneklerini artırmakla kalmaz, aynı zamanda akıllı binalarda enerji yönetimi için eyleme geçirilebilir içgörüler sağlar ve enerji verimliliği ve sürdürülebilirlik gibi daha geniş hedefleri destekler. Tez, kullanılan metodolojileri özetler, modellerin etkinliğini gösteren deneysel sonuçları sunar ve akıllı bina enerji yönetimi alanında gelecekteki araştırmalar ve pratik uygulamalar için sonuçların etkilerini tartışır. Çalışmanın bulguları, beş bölüm boyunca detaylandırılmış olup, araştırmanın kapsamı ve inşaat sektöründe enerji verimliliği ve tahminsel modelleme uygulamalarını iyileştirme üzerindeki etkileri hakkında bir tartışma ile sonuçlanır.
Özet (Çeviri)
As modern cultures increasingly rely on electricity for day-to-day activities, with a growing dependence on electric vehicles (EVs) and heat pumps, the shift towards electrification is crucial for achieving net zero emissions. However, the power generation sector remains the largest global contributor to CO2 emissions, emphasizing the need for advanced strategies to balance energy demand with environmental sustainability. This thesis explores the enhancement of predictive modeling for Building Energy Consumption Modeling and Prediction (BECMP) through the systematic application of data-driven algorithms and machine learning techniques. The study focuses on two primary objectives: investigating the impact of various features on the accuracy of energy consumption predictions and conducting a comparative analysis of several machine learning algorithms to identify the most effective models for energy prediction in buildings. The methodology encompasses data preprocessing, feature optimization, and the implementation of diverse machine learning models, such as Linear Regressions, Decision Trees, k-Nearest Neighbors (k-NN), Neural Networks, and Support Vector Machines, fine-tuned for optimal performance on a dataset from the Chulalongkorn University Building Energy Management System (CU-BEMS) in Thailand. Key contributions of this research include the development of a refined predictive modeling framework that significantly improves the accuracy of energy consumption forecasts by optimizing feature selection and employing a comprehensive suite of machine learning algorithms. This approach not only enhances the predictive capabilities but also provides actionable insights for energy management in smart buildings, supporting the broader goals of energy efficiency and sustainability. The thesis outlines the methodologies used, presents experimental results demonstrating the effectiveness of the models, and discusses the implications for future research and practical applications in smart building energy management. The study's findings are detailed across five chapters, culminating in a discussion on the scope of the research and its implications for improving energy efficiency and predictive modeling practices in the construction industry.
Benzer Tezler
- İklimlendirme sistemleri üzerinde makine öğrenmesi ile anomali tespiti
Anomaly detection with machine learning on air conditioning systems
REFİK KİBAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK
DR. ÖĞR. ÜYESİ KEVSER OVAZ AKPINAR
- Urban building energy modeling: Integrating dynamic and data-driven models for time-series analysis
Kentsel bina enerji modellemesi: Zaman serisi analizi için dinamik ve veriye dayalı modellerin entegre edilmesi
MUHAMMED SAİD BOLLUK
Yüksek Lisans
İngilizce
2024
İnşaat MühendisliğiÖzyeğin Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SENEM SEYİS KAZAZOĞLU
- 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
- Düşük bir hızlarında konuşma kodlama ve uygulamaları
Low bit rate speech coding and applications
TARIK AŞKIN
Doktora
Türkçe
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. GÜNSEL DURUSOY
- Simulating the electricity consumption of occupants in dormitory buildings by using agent based modeling
Etmen tabanlı modelleme kullanarak yurt binalarında sakinlerinin elektrik tüketiminin simülasyonu
RASA MOEINI
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiBoğaziçi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEMRA ÇOMU YAPICI