mdh.sePublikasjoner
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
An analyze of long-term hourly district heat demand forecasting of a commercial building using neural networks
Mälardalens högskola, Akademin för ekonomi, samhälle och teknik, Framtidens energi.
Mälardalens högskola, Akademin för ekonomi, samhälle och teknik, Framtidens energi.ORCID-id: 0000-0003-4589-7045
Mälardalens högskola, Akademin för ekonomi, samhälle och teknik, Framtidens energi.ORCID-id: 0000-0002-6279-4446
Mälardalens högskola, Akademin för ekonomi, samhälle och teknik, Framtidens energi.
2017 (engelsk)Inngår i: Energy Procedia, ISSN 1876-6102, E-ISSN 1876-6102, s. 3784-3790Artikkel i tidsskrift (Fagfellevurdert) Published
Abstract [en]

With the building sector standing for a major part of the world's energy usage it of utmost importance to develop new ways of reduce the consumption in the sector. This paper discusses the evolution of the regulations and policies of the Swedish electric and district heating metering markets followed by the development of a nonlinear autoregressive neural network with external input (NARX), with the purpose of performing heat demand forecasts for a commercial building in Sweden. The model contains 13 input parameters including; calendar, weather, energy and social behavior parameters. The result revealed that these input parameters can predict the building heat demand to 96% accuracy on an hourly basis for the period of a whole year. Further analysis of the result indicates that the current data resolution of the district heat measuring system limits the future possibilities for services compared to the electric metering system. This is something to consider when new regulation and policies is formulated in the future.

sted, utgiver, år, opplag, sider
2017. s. 3784-3790
HSV kategori
Identifikatorer
URN: urn:nbn:se:mdh:diva-37548DOI: 10.1016/j.egypro.2017.03.884ISI: 000404967903130Scopus ID: 2-s2.0-85020704281OAI: oai:DiVA.org:mdh-37548DiVA, id: diva2:1169113
Tilgjengelig fra: 2017-12-22 Laget: 2017-12-22 Sist oppdatert: 2018-07-25bibliografisk kontrollert

Open Access i DiVA

fulltext(567 kB)74 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 567 kBChecksum SHA-512
5c4a6ed37bbed68f777ad81c0f6ca182e041cca523fe85e0ce12901f133c4348a12c3355f6dbd14978cf8bafe17ca8f2f55a94d7e9ef085df96d5db76100f8cf
Type fulltextMimetype application/pdf

Andre lenker

Forlagets fulltekstScopus

Personposter BETA

Sandberg, AlexanderMaher, Azaza

Søk i DiVA

Av forfatter/redaktør
Sandberg, AlexanderWallin, FredrikLi, HailongMaher, Azaza
Av organisasjonen
I samme tidsskrift
Energy Procedia

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 74 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

doi
urn-nbn

Altmetric

doi
urn-nbn
Totalt: 96 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf