कई भवन प्रकारों के बीच मशीन लर्निंग आधारित ऊर्जा बेसलाइन मॉडलों का तुलनात्मक विश्लेषण

भवन ऊर्जा बेसलाइन मॉडल, विशेष रूप से मशीन लर्निंग आधारित मॉडल, भवन ऊर्जा प्रदर्शन का मूल्यांकन करने में एक मुख्य पहलू हैं ताकि असक्षम ऊर्जा उपभोग व्यवहार की पहचान की जा सके। स्मार्ट सिटी डिज़ाइन में, ऊर्जा योजनाकारों और निर्णय निर्माताओं को विभिन्न भवन प्रकारों में ऊर्जा उपभोग पर व्यापक जानकारी की आवश्यकता होती है, साथ ही विभिन्न भवन प्रकारों के बीच तुलना भी। हालांकि, विभिन्न मशीन लर्निंग एल्गोरिदम के लिए बेसलाइन मॉडलिंग के प्रदर्शन को प्रभावित करने वाले कारकों की पहचान में मदद करने के लिए प्रमुख भवन प्रकारों के बीच बेसलाइन मॉडलिंग का कोई व्यापक अध्ययन नहीं है। इसलिए, इस पत्र का उद्देश्य ऊर्जा उपभोग व्यवहार की समीक्षा करना और प्रमुख भवन प्रकारों में मशीन लर्निंग आधारित बेसलाइन मॉडलिंग तकनीकों के भविष्यवाणी प्रदर्शन और व्याख्या की क्षमता का मूल्यांकन करना है। परिणामों ने दिखाया है कि एक्सट्रीम ग्रेडिएंट बूस्टिंग मशीन (XGBoost) मॉडल सभी भवन प्रकारों के लिए सबसे सटीक बेसलाइन मॉडलिंग विधि है। समय से संबंधित कारक, विशेष रूप से वर्ष का सप्ताह और सप्ताह का दिन, सभी भवन प्रकारों में ऊर्जा उपभोग पर सबसे अधिक प्रभाव डालते हैं। यह अध्ययन स्मार्ट सिटी ऊर्जा प्रबंधकों के लिए एक उपयोगी संसाधन के रूप में प्रस्तुत किया गया है ताकि स्मार्ट ऊर्जा प्रणालियों के डिज़ाइन और योजना बनाते समय बेहतर ऑपरेशनल प्रभावशीलता और दक्षता के लिए उचित विधियों को चुनने और स्थापित करने में मदद मिल सके।