Tesisat Dergisi 328. Sayı (Nisan 2023)

66 TESİSAT • Nisan / 2023 ÇEVİRİ MAKALE Burada Tt t zamandaki dış hava sıcaklığı ve p1 ve p2 ise her bir ES eğrisi modeli için katsayılardır. Ɛ kalıntı hatasıdır (residual error). Isıtma talebi p1 in eğimi etkisinde doğrusal büyümeyi takip eder. Değişme noktası sıcaklığının altında, burası dış hava sıcaklığına bağlı kısımdır ve değişme noktası sıcaklığının üzeri ise dış hava sıcaklığından bağımsız kısım- dır ve bu durumda ısıtma ihtiyacının büyük kısmı sıcak su kullanımı içindir. Bölge ısıtması kontrolü için, yük verileri mahal ısıtması ve sıcak kullanma suyu ihtiyacının bir kombinasyonu olarak genellikle abartılır. Dolayısıyla, enerji imzası analizinde Sıcak Su (domestic hot water DHW))mevcut çalışmalara dayana- rak tahmin edilir [11], bu da verilen iklim ve konut kullanım tipleri için temsil edici bir Sıcak Su profili olarak belirtilir. Sınır koşullarını modellemek için, günlük ısıtma derece- leri saatleri (Heating Degree Hours (HDH)) denge sıcaklığı ve saatlik dış hava sıcaklığının günlük toplam olarak hesap- lanır, aşağıdaki denkleme bakınız: Burada to günün ilk saatidir, ısıtma denge sıcaklığı tbal 15°C olarak kabul edilmiştir ve negatif toplamlar sıfır ola- rak ayarlanır. Buradan, yüksek ısıtma mevsimi, orta ısıtma mevsimi ve ısıtma olmayan mevsim Enerji İmza (ES) eğrisi üzerinde belirtilebilir. Gün öncesinden tahmin etme modelleri Bu çalışmada, kısa vadeli tahmin 24 saatlik (gün öncesi) zaman programı olarak tanımlanmaktadır. Yapay Sinir Ağı (Artificial Neural Network (ANN)) esaslı modeller, verilen saatten başlayarak takip eden 24 saatlik dönem için her saat olarak, kısa vadeli ısıtma yükünü tahmin için geliştirilmiştir. Belirtildiği gibi, bu ileride yapılacak düşük sıcaklıkta böl- gesel ısıtmaya (LTDH) geçişlerinde operasyon maksatları için karar destekleyici bir araç olarak hizmet eder. Tüm bu modeller girdi olarak karşılık gelen 24-saatlik döneme ait dış hava sıcaklığı tahminlerini girdi olarak kullanır. Geçmişe ait verilerin önemini ve farklı ölçme senaryolarının performans etkisini incelemek için, dokuz farklı ANN modeli oluşturul- muş ve karşılaştırılmıştır. Modeller hangi girdi verilerinin kullanıldığına göre fark- lılaşırlar. Bunlardan biri ilave girdi kullanmaz, yani tahmin edilen dış hava sıcaklığını kullanır. Diğer sekiz model iki ana kategoriye ayrılmıştır: • Bunların yarısına ayrıca geçmiş ait dış hava sıcaklığı değerleri ilave edilmişti. • Diğer yarısına ise yukarıdakine ilave olarak geçmişe ait ölçülen ısı yükleri de ilave edilmişti. Her iki durumda da geçmişe ait bilgiler aynı şekilde saatlik ölçümler olarak verildi. Her kategori içinde modeller ilave geçmişe ait bilgilerin uzandığı süreye göre, 12-24-47 veya 72 saat olarak, farklılaştırıldı. Bu modellerde bir giriş tabakası (girdi sayıları modeller arsında değişmektedir), bir gizli 64 nodlu (düğümlü), bu sayı hiperparametre araştırmasıyla belirlenmiştir, doğrultulmuş lineer (Rectified Linear Unit (ReLU)) ünite ve bir de çıkış tabakası vardır. Tüm tabakalar yoğun bir şekilde bağlantılı- dır ve parametre optimizasyonu için ‘Adam’ kullanılmıştır. Ortalama Kare Hatası (Mean squared error (MSE) kayıp fonksiyonu olarak kullanılmıştır ve Adam ise maksimum depocu (döngü) sayısı 100’e ayarlanarak parametre optimi- zasyonu için kullanılmıştır. Modellerin matematiksel tanımı Geliştirilen modelin mantığı Şekil 1’de verilmiştir. Qt ve Tt sırasıyla ölçülen ısıtma yükünü ve t saatte ölçülen dış hava sıcaklığını temsil etsin. Ve θ t,s ve τ t,s de sırasıyla öngörülen ısıtma yükü ve t saat için tahmin edilen dış hava sıcaklığını temsil etmektedir, t + s saat için (s =1,…,24). K ise model için girdi olarak kullanılacak geçmişe ait ölçülen bilgilerin saat sayısını temsil etsin. Formül şöyledir. θ t, Qt,K, τ t, ve Tt,K sırasıyla t örneğinde, gelecek 24 saat için tahmin edilen ısıtma yükünü, önceki K saat (t dahil) için geçmişe ait ısıtma yükü, gelecek 24 saat için tahmin edilen dış hava sıcaklığı ve önceki T saat için (t dahil) geçmişe ait dış hava sıcaklığını temsil eder. Her bir ANN modeli ya fonksiyonuyla ve eğer geçmişe ait ısıtma yükü modele bir girdi değilse, bu durumda olarak ifade edilir. Eğer geçmişe ait ısıtma yükü verilmişse, burada fK ve gK