So sánh các kỹ thuật phân tích thời gian-tần số được áp dụng trong việc hủy nhiễu dữ liệu năng lượng xây dựng cho dự báo tải năng lượng xây dựng: Một nghiên cứu trường hợp trên tòa nhà thực tế
Comparison of time-frequency-analysis techniques applied in building energy data noise cancellation for building load forecasting: A real-building case study
Tác giả: Zhang Liang, Alahmad Mahmoud, Wen Jin
Ngày đăng tải: 31/10/2020
DOI: https://doi.org/10.1016/j.enbuild.2020.110592
Phân tích tần suất thời gian phân tách tín hiệu trong cả miền thời gian và tần số là một kỹ thuật hỗ trợ quan trọng để phân tích năng lượng tòa nhà, chẳng hạn như loại bỏ tiếng ồn trong dự báo tải tòa nhà dựa trên dữ liệu. Có một khoảng trốn trong tài liệu liên quan đến việc so sánh các kỹ thuật phân tích tần suất thời gian khác nhau, đặc biệt là Biến đổi wavelet rời rạc (DWT) và Phân tích dạng kinh nghiệm (EMD), để hướng dẫn lựa chọn và điều chỉnh các kỹ thuật phân tích tần suất thời gian trong hướng dữ liệu dự báo mức tải đỉnh của công trình. Bài viết này cung cấp một khuôn khổ để tiến hành so sánh toàn diện giữa 13 kỹ thuật DWT/EMD với các tham số khác nhau trong nhiệm vụ lập mô hình dự báo tải trọng. Một tòa nhà trong khuôn viên trường thực tế được sử dụng như một trường hợp điển hình để minh họa. Các kỹ thuật DWT và EMD cũng được so sánh theo các thuật toán lập mô hình dựa trên dữ liệu khác nhau để dự báo trọng tải tòa nhà. Kết quả trong nghiên cứu điển hình cho thấy rằng các mô hình dự báo tải trọng được đào tạo với dữ liệu năng lượng được loại bỏ tiếng ồn đã tăng độ chính xác trung bình lên 9,6% trong điều kiện thử nghiệm với dữ liệu không nhìn thấy được. Nghiên cứu này cũng chỉ ra rằng hiệu quả của các kỹ thuật DWT/EMD phụ thuộc vào các thuật toán dựa trên dữ liệu được sử dụng cho mô hình dự báo tải trọng và dữ liệu đào tạo. Do đó, tính năng khử tiếng ồn dựa trên DWT/EMD cần lựa chọn và điều chỉnh tùy chỉnh để tối ưu hóa hiệu suất của chúng cho mô hình dự báo tải trọng tòa nhà dựa trên dữ liệu.
Link: OSTI.gov | Science Direct | Research Gate
