Estimation of effective thermal parameters of heating sources based on dynamic measurments in smart home
dc.citation.epage | 66 | |
dc.citation.issue | 1 | |
dc.citation.journalTitle | Комп'ютерні системи проектування. Теорія і практика | |
dc.citation.spage | 58 | |
dc.contributor.affiliation | Львівський національний університет імені Івана Франка | |
dc.contributor.affiliation | Ivan Franko National University of Lviv | |
dc.contributor.author | Сінкевич, О. | |
dc.contributor.author | Монастирський, Л. | |
dc.contributor.author | Соколовський, Б. | |
dc.contributor.author | Бойко, Ярослав Васильович | |
dc.contributor.author | Sinkevych, O. | |
dc.contributor.author | Monastyrskii, L. | |
dc.contributor.author | Sokolovskii, B. | |
dc.contributor.author | Boyko, Ya. | |
dc.coverage.placename | Львів | |
dc.coverage.placename | Lviv | |
dc.date.accessioned | 2023-03-08T07:43:55Z | |
dc.date.available | 2023-03-08T07:43:55Z | |
dc.date.created | 2020-11-20 | |
dc.date.issued | 2020-11-20 | |
dc.description.abstract | Цю роботу присвячено методиці визначення ефективних теплових параметрів джерел опалення у розумному будинку, яка передбачає комбінацію застосування алгоритмів аналізу даних та рівняння фізичного процесу теплопереносу. Використання таких параметрів дозволяє створювати програмно-апаратні рішення для моделювання теплової карти будинку, а також здійснювати аналіз енергоспоживання у контексті моделей машинного навчання. Оскільки, здебільшого, відоме сумарне споживання енергії обігріву, інтерес представляє визначення тієї частини енергії, яка відповідає окремим джерелам обігріву. З цією метою у статті запропоновані математична модель та алгоритм для оцінки ефективних теплових характеристик джерел обігріву на базі рівняння теплопереносу та підходів статистичного аналізу даних, які можна використовувати для отримання інформації про індивідуальні джерела обігріву. Задача визначення таких параметрів зводиться до двох етапів. На першому етапі, з використанням скінченно-різницевого підходу до рівняння теплопереносу, визначено ефективний тепловий параметр джерел обігріву. Далі, за даними енергоспоживання та розподілами кімнатних температур і температур на поверхні обігрівальних елементів, шляхом застосування методів аналізу даних, запропонований алгоритм оцінки індивідуальних ефективних теплових характеристик встановлених в кімнатах обігрівальних елементів. | |
dc.description.abstract | This work is devoted to the method of determining the effective thermal parameters of heating sources in a smart home, which involves a combination of algorithms for data analysis and the equation of the physical process of heat transfer. The use of such parameters allows one to create software and hardware solutions for modeling the thermal map of the house, as well as to analyze energy consumption using the machine learning models. Since, for the most part, the total consumption of heating energy is known, it is of interest to determine the part of the energy that corresponds to the individual heating sources. To this end, the article proposes a mathematical model and algorithm for estimating the effective thermal characteristics of heating sources based on the heat transfer equation and data analysis approaches that can be used to obtain information about individual heating sources. The task of determining such parameters is reduced to two stages. At the first stage, using the finite-difference approach to the heat transfer equation, the effective thermal parameter of the heating sources is determined. Further, according to the data of energy consumption and distributions of room temperatures and temperatures on the surface of heating elements, by applying data analysis methods, an algorithm for estimating individual effective thermal characteristics of heating elements installed in rooms is proposed. | |
dc.format.extent | 58-66 | |
dc.format.pages | 9 | |
dc.identifier.citation | Estimation of effective thermal parameters of heating sources based on dynamic measurments in smart home / O. Sinkevych, L. Monastyrskii, B. Sokolovskii, Ya. Boyko // Computer Design Systems. Theory and Practice. — Lviv : Lviv Politechnic Publishing House, 2020. — Vol 2. — No 1. — P. 58–66. | |
dc.identifier.citationen | Sinkevych O., Monastyrskii L., Sokolovskii B., Boyko Ya. (2020) Estimation of effective thermal parameters of heating sources based on dynamic measurments in smart home. Computer Design Systems. Theory and Practice (Lviv), vol. 2, no 1, pp. 58-66. | |
dc.identifier.doi | https://doi.org/ 10.23939/cds2020.01.058 | |
dc.identifier.issn | 2707-6784 | |
dc.identifier.uri | https://ena.lpnu.ua/handle/ntb/57558 | |
dc.language.iso | en | |
dc.publisher | Видавництво Львівської політехніки | |
dc.publisher | Lviv Politechnic Publishing House | |
dc.relation.ispartof | Комп'ютерні системи проектування. Теорія і практика, 1 (2), 2020 | |
dc.relation.ispartof | Computer Design Systems. Theory and Practice, 1 (2), 2020 | |
dc.relation.references | 1. Smart Home [Електронний ресурс]. 2019. Режим доступу до ресурсу: https://www.statista.com/ outlook/279/100/smart-home/worldwide#market-revenue. | |
dc.relation.references | 2. A Data Analysis Technique to Estimate the Thermal Characteristics of a House / S. Tabatabaei, W. Van der Ham, M. Klein, J. Treur // Energies. 2017. No. 10. С. 1358. | |
dc.relation.references | 3. Reilly A. The impact of thermal mass on building energy consumption / A. Reilly, O. Kinnane // Applied Energy. 2017. No.198. С. 108–121. | |
dc.relation.references | 4. Heating behavior in English homes: An assessment of indirect calculation methods / T.Kane, S. Firth, T. Hassan, V. Dimitriou // Energy and Buildings. 2017. No.148. С. 89–105. | |
dc.relation.references | 5. Energy saving in smart homes based on consumer behavior: A case study / M.Zehnder, H. Wache, H. Witschel, D. Zanatta // First IEEE International Smart Cities Conference (ISC2-2015), At Guadalajara, Mexico.2015. С. 1–6. | |
dc.relation.references | 6. Performance of a Predictive Model for Calculating Ascent Time to a Target Temperature / J.Moon, M. Chung, H. Song, S. Lee // Energies. 2016. No.9. С. 1090. | |
dc.relation.references | 7. Fundamentals of Heat and Mass Transfer. 6th edition. / F.Incropera, D. DeWitt, T. Bergman, A. Lavine. – New York: John Wiley & Sons, 2006. 1024 с. (ISBN-13: 978-0471457282). | |
dc.relation.references | 8. Sinkevych O., Monastyrskyi L., Sokolovskyi B., Matchyshyn Z. (2019) Klasternyi analiz enerhetychnykh chasovykh riadiv rozumnoho budynku [Cluster analysis of smart home energy time series]. Materialy IV Mizhnarodnoi naukovo-tekhnichnoi konferentsii “Teoretychni ta prykladni aspekty radiotekhniky, pryladobuduvannia I kompʼiuternykh technologic” prysviachena 80-ty richchiu z dnia narodzhennia profesora Ya. I. Protsia (Tern., 20–21 June 2019), pp. 237–240 [in Ukrainian]. | |
dc.relation.references | 9. Sinkevych O. Statistical Analysis of the Thermal Parameters of Smart Homes / O. Sinkevych, L. Monastyrskii, B. Sokolovskyi // Electronics and information technologies. 2018. No. 10. С. 99–108. | |
dc.relation.references | 10. Grus J. Data Science from Scratch. / Joe Grus. – Sebastopol: O'Reilly Media, 2015. 330 с. (ISBN-13: 978-1491901427). | |
dc.relation.references | 11. Dangeti P. Statisticsfor Machine Learning / Pratap Dangeti. Birmingham, UK: Packt Publishing, 2017. 444 с. | |
dc.relation.references | 12. Mukherjee S. F# for Machine Learning Essentials / Sudipta Mukherjee. Birmingham, UK: Packt Publishing, 2016. 194 с. (ISBN-13: 978-1783989348). | |
dc.relation.referencesen | 1. Smart Home [Electronic resource]. 2019. Access mode: https://www.statista.com/ outlook/279/100/smart-home/worldwide#market-revenue. | |
dc.relation.referencesen | 2. A Data Analysis Technique to Estimate the Thermal Characteristics of a House, S. Tabatabaei, W. Van der Ham, M. Klein, J. Treur, Energies. 2017. No. 10. P. 1358. | |
dc.relation.referencesen | 3. Reilly A. The impact of thermal mass on building energy consumption, A. Reilly, O. Kinnane, Applied Energy. 2017. No.198. P. 108–121. | |
dc.relation.referencesen | 4. Heating behavior in English homes: An assessment of indirect calculation methods, T.Kane, S. Firth, T. Hassan, V. Dimitriou, Energy and Buildings. 2017. No.148. P. 89–105. | |
dc.relation.referencesen | 5. Energy saving in smart homes based on consumer behavior: A case study, M.Zehnder, H. Wache, H. Witschel, D. Zanatta, First IEEE International Smart Cities Conference (ISC2-2015), At Guadalajara, Mexico.2015. P. 1–6. | |
dc.relation.referencesen | 6. Performance of a Predictive Model for Calculating Ascent Time to a Target Temperature, J.Moon, M. Chung, H. Song, S. Lee, Energies. 2016. No.9. P. 1090. | |
dc.relation.referencesen | 7. Fundamentals of Heat and Mass Transfer. 6th edition., F.Incropera, D. DeWitt, T. Bergman, A. Lavine, New York: John Wiley & Sons, 2006. 1024 p. (ISBN-13: 978-0471457282). | |
dc.relation.referencesen | 8. Sinkevych O., Monastyrskyi L., Sokolovskyi B., Matchyshyn Z. (2019) Klasternyi analiz enerhetychnykh chasovykh riadiv rozumnoho budynku [Cluster analysis of smart home energy time series]. Materialy IV Mizhnarodnoi naukovo-tekhnichnoi konferentsii "Teoretychni ta prykladni aspekty radiotekhniky, pryladobuduvannia I kompʼiuternykh technologic" prysviachena 80-ty richchiu z dnia narodzhennia profesora Ya. I. Protsia (Tern., 20–21 June 2019), pp. 237–240 [in Ukrainian]. | |
dc.relation.referencesen | 9. Sinkevych O. Statistical Analysis of the Thermal Parameters of Smart Homes, O. Sinkevych, L. Monastyrskii, B. Sokolovskyi, Electronics and information technologies. 2018. No. 10. P. 99–108. | |
dc.relation.referencesen | 10. Grus J. Data Science from Scratch., Joe Grus, Sebastopol: O'Reilly Media, 2015. 330 p. (ISBN-13: 978-1491901427). | |
dc.relation.referencesen | 11. Dangeti P. Statisticsfor Machine Learning, Pratap Dangeti. Birmingham, UK: Packt Publishing, 2017. 444 p. | |
dc.relation.referencesen | 12. Mukherjee S. F# for Machine Learning Essentials, Sudipta Mukherjee. Birmingham, UK: Packt Publishing, 2016. 194 p. (ISBN-13: 978-1783989348). | |
dc.relation.uri | https://www.statista.com/ | |
dc.rights.holder | © Національний університет „Львівська політехніка“, 2020 | |
dc.rights.holder | © Sinkevych O., Monastyrskii L., Sokolovskii B., Boyko Ya., 2020 | |
dc.subject | інтелектуальний дім | |
dc.subject | оптимізація енерговитрат | |
dc.subject | теплообмін | |
dc.subject | smart home | |
dc.subject | energy optimization | |
dc.subject | heat transfer | |
dc.subject.udc | 004.9 | |
dc.title | Estimation of effective thermal parameters of heating sources based on dynamic measurments in smart home | |
dc.title.alternative | Визначення ефективних теплових параметрів джерел обігріву розумного будинку на основі динамічних вимірювань | |
dc.type | Article |