Phương pháp dựa trên dữ liệu cho việc đánh giá hiệu quả tiêu thụ điện năng của các tòa nhà chung cư
Data-driven Approach for Electricity Consumption Benchmarking of Multi Residential Buildings
| Tác giả | Woosung Jeun
Junhwa Hwang Dongjun Suh Marc-Oliver Otto |
| Ngày đăng tải | 06/03/2025 |
| DOI | https://doi.org/10.1016/j.enbuild.2025.115944 |
| Nguồn bài nghiên cứu | Science Direct |
| Từ khóa |
Quản lý năng lượng Đánh giá chuẩn Dự đoán tiêu thụ điện Nhà ở dân cư |
1 – GIỚI THIỆU
Đánh giá chuẩn năng lượng của tòa nhà là quá trình then chốt để so sánh hiệu suất năng lượng của một công trình với các công trình khác nhằm xác định hồ sơ tiêu thụ năng lượng và tiềm năng tiết kiệm. Mặc dù hiện nay hệ thống pháp lý chủ yếu tập trung vào các công trình xây mới, song thủ tục rườm rà đã cản trở việc áp dụng rộng rãi. Nghiên cứu này đề xuất một phương pháp đánh giá chuẩn năng lượng đơn giản hóa, dựa trên dữ liệu công khai. Hệ thống kết hợp dữ liệu về công trình, tiêu thụ điện, và thời tiết để xây dựng mô hình dự đoán tiêu thụ điện hàng tháng và chấm điểm hiệu quả năng lượng. Áp dụng mô hình này cho 1.768 tòa nhà tại Seoul và Daegu, nghiên cứu phân loại các tòa nhà thành 5 cấp độ hiệu quả năng lượng, từ cấp 1 (cao nhất) đến cấp 5 (thấp nhất). Phân tích chỉ ra các tòa nhà cũ có xu hướng tiêu tốn năng lượng hơn, đề xuất khả năng cải tạo để tăng hiệu suất. Phương pháp này nhằm hỗ trợ chủ sở hữu, nhà quản lý và chính quyền trong việc hiểu rõ và cải thiện hiệu suất năng lượng.
2 – MÔ TẢ HỆ THỐNG
Hệ thống được thiết kế thành 5 bước: (1) Thu thập và xử lý dữ liệu công trình, tiêu thụ điện và thời tiết để tạo cơ sở dữ liệu. (2) Sử dụng phần mềm EnergyPlus để mô phỏng mức tiêu thụ năng lượng của từng thành phần như làm mát, sưởi, thiết bị và chiếu sáng. (3) Xây dựng mô hình dự đoán tiêu thụ điện sử dụng các thuật toán học máy như LightGBM, MLR, KNN, SVR, và Random Forest. (4) Tính điểm sử dụng năng lượng (Energy Use Score) và phân loại thành 5 cấp hiệu quả năng lượng thông qua thuật toán K-means. (5) Triển khai giao diện web sử dụng GIS và phương pháp giải thích LIME để hiển thị thông tin công trình, kết quả dự đoán và giải thích mô hình.
3 – PHƯƠNG PHÁP NGHIÊN CỨU
Dữ liệu được thu thập từ các nguồn công khai bao gồm đặc điểm công trình, lượng điện tiêu thụ thực tế và dữ liệu thời tiết. Hệ thống mô phỏng tiêu thụ năng lượng sử dụng EnergyPlus, sau đó áp dụng các mô hình học máy để xây dựng mô hình dự đoán điện năng tiêu thụ hàng tháng. LightGBM cho kết quả tốt nhất với sai số MAPE thấp nhất (8.87%). Ngoài ra, hệ thống áp dụng phương pháp LIME để giải thích các yếu tố ảnh hưởng đến kết quả dự đoán, tăng tính minh bạch và khả năng hiểu cho người dùng cuối.
4 – KẾT QUẢ NGHIÊN CỨU
Áp dụng hệ thống cho 1.768 tòa nhà tại Seoul và Daegu, kết quả cho thấy sự khác biệt đáng kể giữa hai khu vực. Seoul có tỷ lệ tòa nhà cấp 5 thấp (1.21%), trong khi Daegu cao hơn nhiều (20.6%). Các tòa nhà ở Seoul có điểm số hiệu quả năng lượng cao hơn qua các năm xây dựng. Hệ thống cũng cho thấy sai số lớn nhất vào mùa hè và mùa đông, nhấn mạnh nhu cầu thực hiện các chính sách tiết kiệm năng lượng theo mùa. Mô hình LIME cho thấy yếu tố “nhiệt độ”, “gió”, “tháng” và “làm mát/sưởi” là các yếu tố ảnh hưởng lớn nhất đến mức tiêu thụ điện.
5 – KẾT LUẬN
Nghiên cứu này đề xuất một hệ thống đánh giá chuẩn tiêu thụ điện cho các tòa nhà chung cư dựa trên dữ liệu công khai. So với các hệ thống hiện tại, hệ thống này đơn giản hơn, cho phép đánh giá quy mô lớn và cung cấp kết quả có thể giải thích được. Việc áp dụng mô hình cho thấy khả năng mở rộng cao và tiềm năng hỗ trợ quá trình hoạch định chính sách và cải thiện hiệu quả năng lượng. Hệ thống này cũng phù hợp với các công trình không đủ điều kiện áp dụng hệ thống truyền thống, giúp phổ cập việc đánh giá năng lượng trong bối cảnh khẩn cấp của biến đổi khí hậu toàn cầu.
