Học hỏi từ các chuyên gia: Hiệu quả năng lượng trong các tòa nhà dân cư

Học hỏi từ các chuyên gia: Hiệu quả năng lượng trong các tòa nhà dân cư

Learning from experts: Energy efficiency in residential buildings

SHARE COMMENTS

1 – GIỚI THIỆU

Việc giảm tiêu thụ năng lượng là một chính sách quan trọng để giảm thiểu biến đổi khí hậu. Nghiên cứu này điều tra các yếu tố quyết định hiệu quả năng lượng của các tòa nhà dân cư, tận dụng các chứng chỉ hiệu suất năng lượng (EPCs) để phát triển khung dự đoán bằng máy học. Dữ liệu từ các quốc gia ở các vĩ độ khác nhau, Anh và Ý, được phân tích để xác định sự khác biệt khu vực tiềm năng trong các yếu tố ảnh hưởng đến hiệu quả năng lượng. Kết quả cho thấy vai trò quan trọng của các yếu tố liên quan đến hệ thống sưởi và vật liệu cách nhiệt trong việc xác định hiệu quả của tòa nhà. Ngoài ra, có bằng chứng về khả năng vượt trội của các mô hình máy học phi tuyến trong việc nắm bắt các mối quan hệ phức tạp giữa các đặc điểm của tòa nhà và hiệu quả năng lượng. Phân tích kịch bản cũng chứng minh tính hiệu quả về chi phí của các chính sách được thông tin bởi máy học.

2 – MÔ TẢ HỆ THỐNG

Hệ thống năng lượng của các tòa nhà dân cư được phân tích dựa trên các dữ liệu từ chứng chỉ hiệu suất năng lượng (EPCs) của các tòa nhà ở khu vực Lombardy, Ý và khu vực London, Anh. Hệ thống bao gồm các yếu tố chính như hệ thống sưởi, làm mát, các hệ thống khác và các nguồn năng lượng tái tạo. Các yếu tố này được đánh giá để xác định tiềm năng cải thiện hiệu quả năng lượng thông qua các can thiệp kỹ thuật được khuyến nghị.

3 – PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng một tập hợp các kỹ thuật mô hình hóa tuyến tính và phi tuyến để khám phá các mối quan hệ giữa các đặc điểm của tòa nhà và tiềm năng tăng cường hiệu quả năng lượng. Các mô hình phi tuyến bao gồm Cây Hồi quy Bổ sung Bayes, Rừng Ngẫu nhiên, và Tăng cường Độ dốc Cực đoan, được sử dụng để nắm bắt các mối quan hệ phức tạp và tương tác trong dữ liệu. Kết quả từ các mô hình phi tuyến được so sánh với các mô hình tuyến tính như Lasso, Ridge và Elastic Net để xác định mô hình dự đoán hiệu quả nhất.

4 – KẾT QUẢ NGHIÊN CỨU

Kết quả nghiên cứu chỉ ra rằng các mô hình phi tuyến, đặc biệt là mô hình Tăng cường Độ dốc Cực đoan, có khả năng dự đoán vượt trội trong việc xác định các yếu tố ảnh hưởng đến hiệu quả năng lượng của tòa nhà. Các yếu tố như hệ thống sưởi, vật liệu cách nhiệt, và các đặc điểm của tòa nhà được xác định là quan trọng nhất trong việc cải thiện hiệu quả năng lượng. Phân tích kịch bản cho thấy rằng các chính sách được thông tin bởi máy học không chỉ hiệu quả về chi phí mà còn mang lại kết quả cải thiện hiệu quả năng lượng cao hơn so với các chính sách truyền thống.

5 – KẾT LUẬN