Μοντέλα πρόβλεψης κατανάλωσης ενέργειας με ανάλυση χρονοσειρών
Loading...
Date
2024-09-19
Authors
Μαρινοπούλου, Χριστίνα
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα εργασία διερευνά την εφαρμογή μοντέλων ανάλυσης χρονοσειρών για την πρόβλεψη της κατανάλωσης ενέργειας σε οικιακές συσκευές. Η μελέτη χρησιμοποιεί μια σειρά μοντέλων πρόβλεψης όπως ARIMA (AutoRegressive Integrated Moving Average), SARIMA (Seasonal ARIMA), SARIMAX(Seasonal ARIMAwithExogenousVariables), STL (Seasonal and Trend decomposition using Loess), MSTL (Multiple STL), και LSTM (Long Short Term Memory). Τα μοντέλα εφαρμόστηκαν σε σύνολα δεδομένων που συλλέχθηκαν μέσω του μετρητή DinRail Cerberus, ο οποίος καταγράφει δεδομένα χρήσης ενέργειας υψηλής συχνότητας από μεμονωμένες συσκευές. Συγκεκριμένα χρησιμοποιήθηκαν τα δεδομένα ενός ψυγείου και ενός θερμοσίφωνα.
Κατά την υλοποίηση των μοντέλων παρατηρείται ότι τα παραδοσιακά μοντέλα όπως το ARIMA και το SARIMA είναι αποτελεσματικά στην αποτύπωση γραμμικών και εποχιακών μοτίβων, ιδιαίτερα για το ψυγείο, ενώ τα μοντέλα LSTM υπερέχουν στον χειρισμό των μη γραμμικών και ακανόνιστων μοτίβων κατανάλωσης του θερμοσίφωνα. Το SARIMAX ήταν ιδιαίτερα χρήσιμο για το σύνολο δεδομένων του θερμοσίφωνα, όπου εξωτερικοί παράγοντες, όπως η ώρα της ημέρας,
επηρέασαν σημαντικά την κατανάλωση ενέργειας. Η εργασία υπογραμμίζει επίσης τα πλεονεκτήματα των STL και MSTLστην αποσύνθεση σύνθετων δεδομένων χρονοσειρών
σε στοιχεία τάσης και εποχικότητας, γεγονός που βελτιώνει την ερμηνευσιμότητα και την ακρίβεια του μοντέλου.
Η συγκριτική ανάλυση δείχνει ότι για συσκευές με σταθερή και προβλέψιμη χρήση ενέργειας, όπως το ψυγείο, το SARIMA είναι το πιο αποτελεσματικό μοντέλο. Ωστόσο, για συσκευές
με πιο μεταβλητά και εξωτερικά επηρεαζόμενα μοτίβα, όπως ο θερμοσίφωνας, τα LSTM και SARIMAX παρέχουν ανώτερη απόδοση. Τα ευρήματα προτείνουν ότι η επιλογή του μοντέλου θα πρέπει να καθοδηγείται από τα ειδικά χαρακτηριστικά της συσκευής και τη φύση των προτύπων κατανάλωσης ενέργειάς της για να επιτευχθούν τα καλύτερα δυνατά αποτελέσματα πρόβλεψης.
Description
Keywords
Κατανάλωση ενέργειας, Πρόβλεψη, Χρονοσειρές, Μετρητής Din Rail Cerberus, Μονομεταβλητή ανάλυση χρονοσειρών, Πολυμεταβλητή ανάλυση χρονοσειρών, Νευρωνικά δίκτυα, Οικιακές συσκευές