面对气候变化，能源消耗是需要解决的主要问题之一。 能源审计是有用的工具，可能有助于制定节能计划。 本文的目的是提供洞察力，以探讨在空调（AC）系统范围内进行的能源审计如何为墨西哥Hermosillo市的政府大楼开发节能方案。 该方法基于美国供热，制冷和空调工程师协会（ASHRAE）提出的能源审核框架。 结果表明，在典型的最大耗电量日中，交流电占总耗电量的64％，而办公设备占22％，照明设备占14％。 此外，交流系统的年消耗量为54,419.40 kWh，估计排放量为24.92吨二氧化碳当量/年。 通过交流系统解决了三种提高能效建议的方法：改善运营和消费习惯，设施的维护和翻新以及交流单元的更换。 墨西哥通过环境条约对减轻气候变化做出了国际承诺，但这项研究表明，至少一栋政府大楼仍会产生潜在影响，可以通过解决与空调运行有关的结构和行为变化来阻止这种影响。 最后，该研究可以为公共行政领域的能源效率从业者或决策机构提供参考，以制定更好的政府建筑物能源政策。

完整代码，可直接运行

线性回归入门案例 家庭用电量预测-附件资源

文章目录前言适用于多时间步预测的CNN模型1 单变量多步预测 CNN 模型1.1 业务需求1.2 1D CNN 模型1.3 完整代码 前言 与其他机器学习算法不同，卷积神经网络能够从序列数据中自动学习特征，支持多变量数据，并可直接输出用于多步预测的向量。一维CNN已被证明可以很好地执行，甚至在具有挑战性的序列预测问题上也能达到最新的结果。 计划用两篇文章介绍如何开发 1D CNN 进行多步时间序列预测。主要内容如下： 如何为单变量数据开发多步时间序列预测的CNN模型； 如何为多变量数据开发多通道多步时间序列预测的CNN模型； 如何为多变量数据开发多头多步时间序列预测的CNN模型。 本文介绍

家用电耗的测量 该分配使用来自UC Irvine机器学习存储库的数据，该库是机器学习数据集的流行存储库。 特别是，我们将使用我在课程网站上提供的“个人家庭用电量数据集”：数据集：电力消耗[20Mb]描述：测量一个家庭中一个家庭的电力消耗-在近4年内的分钟采样率。 提供不同的电量和一些子计量值。 数据集中9个变量的以下描述来自UCI网站：日期：日期格式为dd / mm / yyyy时间：时间格式为hh：mm：ss Global_active_power：家庭全球分钟平均有功功率（千瓦） ）Global_reactive_power：家庭全球分钟平均无功功率（以千瓦为单位）电压：分钟平均电压（以伏特为单位）Global_intensity：家庭全球分钟平均无功电流（以安培为单位）Sub_metering_1：1号电能子计量表（以瓦特为单位）小时的有功电能）。 它对应于厨房，主要包含洗碗机，烤箱

行业资料-电子功用-一种具有环境感知功能的智能电表.zip

基于模糊聚类和灰色理论的各行业与全社会用电量关联分析.pdf

接上文，本文介绍自相关模型（ARIMA）实现单变量多步输出时间序列预测任务。 自相关模型非常简单，能够实现快速、有效地对用电量进行一步或多步预测。本文主要内容如下： 如何创建和分析单变量时间序列数据的自相关图和部分自相关图； 如何使用自相关图的结果来配置一个自回归模型； 如何开发和评估一个自相关模型实现一周用电量预测； 文章目录如何建立多步用电量预测ARIMA模型1. 自回归分析（Autocorrelation Analysis）2. 建立自回归模型3. 完整代码 如何建立多步用电量预测ARIMA模型 关于数据处理部分，请参考前一篇文章，本文会用到上文处理好的数据。 1. 自回归分析（Au

基于哈里斯鹰优化器与支持向量回归的农村用电量预测方法研究，朱金玉，曹卫东，农村在经济发展中扮演着越来越重要的角色，农村用电量需求也越来越大，农村用电量预测能为管理者提供决策支持，其重要性变得十分

这项研究使用Blinder-Oaxaca分解来研究导致家庭用电量变化的主要原因。 使用了1985-2015年台湾的家庭数据。 实证结果表明，在过去的三十年中，家庭用电量的变化受不同因素的驱动。 家庭用电量的增加主要归因于决定因素系数效应的变化。 特别是，家庭规模的系数效应起着最重要的作用。 由于规模经济的丧失，家庭规模的缩小导致人均用电量的增加。 至于the赋效应的贡献，空调数量和家庭收入是最重要的因素。 此外，家庭规模的系数效应对于高收入和低收入家庭都至关重要。 因此，政策含义意味着电价政策应考虑家庭规模，以便为家庭规模较小的家庭提供节电激励措施。 此外，提高家电的能效和为节能家电的投资提供补贴等策略应具有更高的优先级。