Введение
Г л а в а 1. Современные компьютерные модели потребления электроэнергии в жилом секторе 12
1.1. Задачи анализ энергоэффективности 12
1.1.1. Измерение и верификация энергетической эффективности многоквартирных жилых домов 16
1.1.2. Энергетический бенчмаркинг 16
1.1.3.Тарификация энергопотребления 19
1.2. Методическое обеспечение анализа энергетической эффективности многоквартирных домов 20
1.3. Математические методы и модели анализа энергоэффективности зданий
1.3.1. Статистические модели 22
1.3.2. Нейронные сети 24
1.3.3. Машина опорных векторов 26
1.3.4. Когнитивные модели 27
1.4. Автоматизированные системы коммерческого учета энергоресурсов 30
1.5. Модели бенчмаркинга 35
1.6. Объект исследования – многоквартирные жилые дома 40
Выводы 44
Г л а в а 2. Методы, алгоритмы и программные средства предобработки и очистки данных для задач управленияв системах коммерческого учета энергопотребления 46
2.1. Источники и типы данных 46
2.2. Проблемы качества данных в хранилищах данных 53
2.3. Проблемы качества данных в АСКУЭ 54
2.4. Очистка данных электроэнергоучета 56
2.4.1. Масштабирование данных электроэнергоучета 56
2.4.2. Кластеризация профилей энергопотребления 57
2.4.3.Очистка отдельных профилей энергопотребления 60
2.5. Оптимизация издержек расщепления оплаты 65
2.5.1. Проблема издержек расщепления оплаты 66
2.5.2. Алгоритм решения задачи оптимизации издержек расщепления оплаты 68
2.5.3. Вычислительный эксперимент 73
Выводы 79
Г л а в а 3. Разработка многофакторных моделей потребления электроэнергии жильцами многоквартирных домов 81
3.1. Моделирование потребления электроэнергии в МКД с помощью обобщенных линейных моделей множественной регрессии 81
3.2. Моделирование потребления электроэнергии в МКД с помощью SVM
3.2.1. Метод опорных векторов 88
3.2.2. Отбор признаков 92
3.2.3. Модель уровня МКД 94
3.2.4. Модель уровня групп МКД 99
3.3. Многомерные адаптивные регрессионные сплайны 106
3.3.1. Модели MARS для отдельного МКД 111
3.3.2. Модели MARS уровня групп МКД 115
3.4. Экспериментальная оценка производительности алгоритмов построения регрессионных моделей 117
Выводы 119
Г л а в а 4. Методы и методики поддержки принятия решений при реализации политики повышения энергоэффективности с использованием моделей интеллектуального анализа данных 121
4.1. Валидация нормативов потребления электроэнергии в жилых помещениях многоквартирных домов 121
4.2. Методы поддержки принятия управленческих решений на основе регрессионных моделей 1 4.2.1. Расчет скорректированного базового потребления энергетических ресурсов 126
4.2.2. Бенчмаркинг энергоэффективности МКД на основе регрессионных моделей 132
4.3. Методика оценки энергоэффективности МКД на основе анализа среды функционирования и регрессионных моделей 135
4.4. Методика оценки нормативов потребления электроэнергии в МКД
4.4.1. Классификация алгоритмов извлечения знаний 150
4.4.2. Алгоритм извлечения продукционных правил из многофакторных регрессионных моделей на основе гиперкубов 152
4.4.3. Экспериментальная оценка эффективности методики 155
Выводы 158
Заключение 160
Список литературы 162
