根据室外温度和其他因素预测天然气消耗量

[sakib60]

散点图显示燃气消耗量与外界温度呈线性关系。它还表明仍然存在很大的噪音，并且一天中的时间会产生很大的影响。在阳光明媚的下午，这条线比清晨要平缓，因为清晨建筑物仍需要供暖。使用 线性回归， Sterre 计算出了一周中每个小时的线性关系。结果是每周每小时每度室外温度所消耗的天然气量公式，最小值为零。

极端梯度提升 （XGBoost）是一种基于决策树的 RCS 数据巴基斯坦 机器学习算法。他使用数千条自动生成的规则，预测了输入因素的所有可能组合下的天然气消耗量。这使得 XGBoost 不仅考虑非线性，还考虑相互依赖或相互作用的因素。 Sterre 还将太阳辐射作为输入。

最简单的模型的 RMSE 约为 2.0 立方米气体。这表明预测值与实际值相比的误差有多大。更先进的模型成功将这一数字提高了 20% 以上。

从预测到模拟的步骤
这些知识可用于模拟编程变化的效果。这样，您可以通过将所有不同模型从早上向前移动一个小时来模拟将开始供暖的时间推迟一小时的效果。为了模拟低一度的目标温度，可以将模型应用于高一度的室外温度；能量损失取决于室内和室外的温差。通过以这种方式操纵模型的输入，您可以模拟这些措施的效果，也可以模拟两种措施的组合的效果。

结果是：晚一小时开始供暖可以为这栋办公楼每年节省大约 5% 的燃气。将办公时间内外的目标温度降低一度，可以节省大约 10% 的燃气。这两项措施结合起来可节省约 14%。

想知道能源分析能为您的公司带来多少节省吗？点击此处 了解有关能源分析的更多信息。 我们很乐意通过开发帮助您的组织加速气候和/或能源转型的产品和服务来帮助您解决气候和能源问题。