.png){kind=icon}
返回
Benchmarking building energy efficiency using quantile regression
.png){kind=icon}
PRE
AI
DOI：10.1016/j.energy.2018.02.108.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种新的建筑能源使用基准系统，通过分位数回归对建筑进行排名。该方法通过构建数据驱动的性能概率模型，减少异常值影响，确定分布中输入的变化影响以及为每个建筑物创建理论上的最大性能水平，解决了当前基准测试实践的几个主要问题。为检查变量对条件分布的影响而构建的影响图可以识别每个分位数的能耗的主要驱动因素，从而直观地显示对能耗的任何非线性影响。该方法根据效率为每个建筑物生成分数，将建筑物与其构建的分数分布进行比较，并提取最强的能源使用指标。为了说明模型的有效性，我们从包含类似1000建筑的数据集中分析了电力消耗，发现冷却度日以及健身房，spa和电梯的存在是能源使用的主要驱动因素。此外，与表现最好的建筑相比，每单位面积的员工数量对表现不佳的建筑的总能耗影响更大。这种更健壮和标准化的基准模型可以改善节能计划的资源分配，鼓励建筑物之间的竞争，对表现不佳的人施加压力，并提供对建筑能源驱动因素的洞察力。（C）2018由爱思唯尔有限公司出版。
Keyword:
Quantile regression
Energy benchmarking
Energy efficiency
Building performance
Data analytics
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
9.4
论文数:
4.3W
被引数:
20.2W
机构
引用论文
ASSESSING ENERGY EFFICIENCY AND ENERGY-CONSERVATION POTENTIAL AMONG COMMERCIAL BUILDINGS - A STATISTICAL APPROACH.png)
ENERGY
ENERGYIF9.4
PREAI
分享收藏The potential for energy efficiency gains in the Canadian commercial building sector: A stochastic frontier study加拿大商业建筑部门提高能源效率的潜力: 一项随机前沿研究ENERGY
ENERGYIF9.4
PREAI
分享收藏Determinants of residential electricity consumption: Using smart meter data to examine the effect of climate, building characteristics, appliance stock, and occupants' behaviorENERGY
ENERGYIF9.4
PREAI
分享收藏Virtual home energy auditing at scale: Predicting residential energy efficiency using publicly available dataENERGY AND BUILDINGS
OAAI
ENERGY AND BUILDINGSIF7.1
OAAI分享收藏分享收藏
查看更多内容