| Popis: |
Työn tavoitteena oli tarkastella sopiiko Gaussin prosessi koneoppimismentelmänä rakennuksista kerättävän aikasarjadatan perusteella tehtävään mallintamiseen ja voidaanko sitä hyödyntää kolmeen kerrostaloon tehtyjen energiatehokkuustoimenpiteiden vaikutusten todentamiseen. Työssä luotiin Gaussin prosessiregression avulla malli, jonka sisäänmenoina käytettiin ulkolämpötilaa sekä aikatietoa. Aikatieto sisälsi tiedon viikonpäivästä sekä kuluvan vuorokauden tunnista. Vastaavasti mallin ulostulona pyrittiin arvioimaan näitä sisäänmenoja vastaavaa lämmityksen tuntitehon tarvetta, eli keskimääräistä tunnin aikana tarvittua lämmitystehoa. Luodun mallin antamia tuloksia käytettiin vertailukohtana, kun pyrittiin todentamaan kerrostaloyhtiöihin tehtyjen energiatehokkuustoimenpiteiden vaikutuksia. Malli koulutettiin vuoden 2016 tuntidatalla. Vuoden 2017 dataa käytettiin testidatana arvioitaessa mallin toimivuutta. Energiatehokkuustoimenpiteiden vaikutusarviointi suoritettiin vuoden 2019 mitatulla datalla, jota verrattiin mallin antamiin tuloksiin. Suoritettujen mallinnusten perusteella voidaan todeta, että Gaussin prosessia käyttämällä onnistuttiin kohtuullisen hyvin mallintamaan rakennusten tuntitehon tarvetta vähäisilläkin sisäänmenomuuttujilla. Voidaan olettaa, että suurin epävarmuustekijä mallinnuksissa liittyy lämpimän käyttöveden kulutukseen ja siitä aiheutuvaan tehon tarpeeseen. Mittaamalla käyttöveden kulutusta voitaisiin mallinnustarkkuutta luultavasti parantaa huomattavasti. Tarkastelujen perusteella voitiin myös todentaa, että tehdyillä energiatehokkuustoimenpiteillä on ollut vaikutusta kerrostaloyhtiöiden huipputehon tarpeisiin sekä kokonaisenergiakulutukseen. Kaikkien kolmen yhtiön osalta näyttää, että huipputehon tarpeet ovat vähentyneet ja kokonaisenergiankulutus on pienempi kuin se olisi ollut ilman tehtyjä toimenpiteitä. |
