Predicting the indoor thermal data for heating season based on short-term measurements to calibrate the simulation set-points

Sözer, Hati̇ce; Aldin, Sami Shams

doi:10.1016/j.enbuild.2019.109422

Cited by 13 publications

(4 citation statements)

References 21 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The experiment was developed for a big-scale building and a detailed building energy model was developed. The results of the prediction were used as feedback data to improve simulation accuracy [11].…”

Section: Literature Reviewmentioning

confidence: 99%

See 1 more Smart Citation

Comparing the accuracy of ANN and ANFIS models for predicting the thermal data

Aldin¹,

Sözer²

2022

JCEMI

Self Cite

View full text Add to dashboard Cite

The study aims to propose a suitable prediction model to deliver the full heating season's thermal performance dataset by using short-term measured data during the system operation period. Two machine learning-based models, BackPropagation Artificial Neural Network and Adaptive Neuro-Fuzzy Inference System are compared by utilizing the measured data of indoor temperature and relative humidity. The independent variables of the prediction are obtained from the weather data, in addition to the building energy simulation model. Conversely, the data of the dependent variable are obtained from the real measurements from inside of the building for 31,5 days of the heating season, starting from February 22 nd , which is called the first heating season. Moreover, the entire heating season of the building is evaluated between November 15 th and March 21 st , which is called the second heating season when the building's monthly consumption exceeds 14 kW/m 2 . The first prediction approach is the feed-forward Artificial Neural Network (ANN) with Back Propagation Learning System (BPS). Four ANN models are structured by input-output and one hidden layer is performed. The second prediction approach is the Adaptive Neuro-Fuzzy Inference System (ANFIS). The Sugeno ANFIS method is utilized in this prediction work. Eight ANFIS models are structured by 6 layers are performed to achieve the prediction. Besides, the main motivation for approaching ANFIS is to avoid the stochasticity of the measured temperature and humidity data. The prediction results are compared with the measured data of the second heating season.The comparison showed that the ANFIS model is more efficient since it achieved an 85% accuracy rate for the indoor temperature and 81% for the humidity prediction. While the ANN prediction accuracy is 81%, 80% relatively for the temperature and humidity. Then the comparison is scaled by selecting the most ordinary period in the measured data to be the data sample that will be used in the comparison. The second comparison showed that the ANFIS model is once again better than the ANN model since the ANFIS prediction accuracy becomes 88% for temperature and 90% for humidity, while the ANN prediction accuracy becomes 83% for temperature and 87% for humidity. Nevertheless, the stochasticity of the measured affected the prediction results in accuracy rates. Hence, according to the achieved accuracy rates, both the ANFIS and ANN approaches are highly validated in this type of prediction.

show abstract

Section: Literature Reviewmentioning

confidence: 99%

“…Figs. [8][9][10][11][12][13][14][15] show that both the predicted data of ANN and ANFIS are relatively matching the measured data. For both temperature and humidity, The ANN predicted results' variation seems to be more realistic and closer to the measured data.…”

Section: Comparing the Modelsmentioning

confidence: 99%

Comparing the accuracy of ANN and ANFIS models for predicting the thermal data

Aldin¹,

Sözer²

2022

JCEMI

Self Cite

View full text Add to dashboard Cite

show abstract

“…Koruma ile entegre enerji verimliği ve ısıl konfora yönelik izleme çalışmaları irdelendiğinde izleme sürelerinin farklılık gösterdiği saptanmıştır. Bazı çalışmalarda en az bir yıl süreyle uzun dönemli izleme yaklaşımı uygulanırken [12][13][14][15] diğer çalışmalar farklı mevsimlerde yürütülen kısa dönem/tekrarlı izleme çalışmaları [16][17][18][19] aracılığıyla bina performans analizleri yürütmüştür. Literatürde yer alan çalışmalar incelendiğinde hem uzun ve hem de kısa süreli izleme verilerinin tarihi binaların enerji performansının saptanmasında kullanılabildiği ve bu verilerin simülasyona entegre edildiği, ileriye dönük iyileştirmelerin potansiyellerinin simülasyon çıktıları üzerinden değerlendirildiği görülmüştür [13,[20][21][22].…”

Section: Giriş (Introduction)unclassified

Tarihi yapılarda izleme sürecinin planlanması ve enerji performans değerlendirmesi: Tiryakizade Süleyman Ağa Cami örneği

ULAŞ SARIAYDIN,

GÜÇYETER,

HALAÇ

2023

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

Enerji verimliliği çalışmaları kapsamında miras yapılarının dönüşümleri son yıllarda ciddi bir araştırma alanı haline gelmiştir. Bu çalışma, bir miras binasını korurken uygulanacak müdahalelerde yapının mevcut durumunun analizinin, izleme ve denetimin önemine dair vurgu yapmayı amaçlamaktadır. Bu amaç kapsamında tarihi bir yapıdaki enerji performansı izleme sürecini bir vaka çalışması olarak sunmaktadır. Eskişehir’in, Odunpazarı ilçesinde bulunan, 18.yy yapısı Tiryakizade Süleyman Ağa Cami, zemin katı kafeterya üst katı cami olmak üzere çok fonksiyonlu kullanıma sahiptir. Fonksiyon çeşitliliğine bağlı kullanım ve kullanıcı yoğunluğu değişken olan yapının enerji performans izlemesi 2022 yılı içerisinde kesikli/tekrarlı periyod yöntemi kullanılarak gerçekleştirilmiştir. Yapı konumuna ait dış iklim verileri, iç mekân sıcaklık (oC), iç mekan bağıl nem (%), kullanıcı varlığı (%), aydınlatma elemanlarının açık/kapalı durumları (%), yapı gaz tüketimi (kWh), yapı elemanları ısıl geçirgenlik katsayıları (W/m2K) uygun cihazlar ve yöntemler kullanılarak izlenmiştir. Tüm mevsim sezonlarından elde edilen yapı izleme verileri, uluslararası standartlar olan ASHRAE 55 ve ISO 7730’a göre değerlendirilmiş standartlarda yer alan iç mekan ısıl konfor şartlarınca yapı içi ısıl durumu incelenmiştir. Ele alınan vakanın standartlarda yer alan ısıl konfor şartlarını yüksek oranda sağlamadığı tespit edilmiştir. Ulaşılan tespite yönelik yapı kabuğu, sızdırmazlık, kullanıcı faktörü gibi parametreler değerlendirmeye alınmış ve ilerleyen çalışmalar için detay araştırma noktaları belirlenmiştir.

show abstract

“…For instance, DDM-MPC for heating, ventilation, and air conditioning (HVAC) systems were developed for a university building [10], an airport [11], and a residential building [12,13]. DDMs for thermal load prediction were developed for a single building [14] and for a non-residential district [15]. On the other hand, Park & Park [16] performed a comparative analysis on the predictability of natural ventilation rates.…”

Section: Introductionmentioning

confidence: 99%