Bina Enerji Tahmin Modellerinde Makine Öğrenme Algoritmalarının Performanslarının İncelenmesi
Proje no. 21169 · Durum: Kapanmış · 2019
Özet
Enerji, sektörlerin büyümesi ve gelişmesiyle doğrudan bağlantılı olduğu için ülkelerin ekonomileri üzerinde önemli etkilere sahiptir. Ancak, enerji tüketiminin gün geçtikçe artması nedeniyle enerji kıtlığı önemli bir problem olarak öne çıkmaktadır. Özellikle binalar toplam enerji tüketiminin yaklaşık %40’ını oluşturduğu için enerji tüketimlerinin doğru tahminlenmesi büyük önem taşımaktadır. Bu çalışmanın amacı, binalarda enerji tüketiminin tahminlemesinde makine öğrenmesi ve derin öğrenme tekniklerinin performanslarının incelenmesidir. Bu kapsamda, bir binanın ısıtma, soğutma ve havalandırma enerji tüketimi Çoklu Doğrusal Regresyon (ÇDR), Rastgele Orman Regresyon (ROR), Destek Vektör Regresyon (DVR) ve Yapay Sinir Ağları (YSA) kullanılarak modellenmiştir. Modellerin oluşturulmasında günlük ortalama dış ortam hava sıcaklığı, bağıl nem, küresel radyasyon, gün ışığı oranı, günlük derece - gün sayıları ve haftanın günleri olmak üzere 6 bağımsız değişken kullanılmıştır. Tahmin sonuçları RMSE, MSE, MAE, CV-RMSE ve R2 performans ölçütleriyle değerlendirilmiştir. Sonuçlar, en başarılı modelin 0,9028 R2 ve 0,0855 RMSE, 0,0056 MSE, 0,0574 MAE, 0,1865 CV-RMSE performans değerleriyle YSA olduğunu göstermektedir. Bunun yanında, bağımsız değişkenler Wrapper yöntemi kullanılarak yeniden düzenlenmiş ve enerji modelleri geliştirmek için günlük ortalama dış hava sıcaklığı, bağıl nem, günlük derece-gün sayısı ve haftanın günleri kullanılmıştır. Bu modellerin performans sonuçları incelendiğinde ise en başarılı modelin 0,848 R2 değeri ile yine YSA ile elde edildiği belirlenmiştir. Sonuç olarak, YSA modellerinin bina enerji tüketimini tahmin etmede diğer yöntemlere göre daha başarılı olduğu tespit edilmiştir.