ГИБРИДНЫЕ МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ПИКОВ ТЕПЛО- И ХОЛОДОПОТРЕБЛЕНИЯ АДМИНИСТРАТИВНЫХ ЗДАНИЙ

УДК 004.891.2
DOI: 10.36871/26189976.2026.05-2.008

Авторы

Айрат Линарович Осипов,
ФГБОУ ВО Казанский государственный энергетический университет, Казань, Россия

Аннотация

В статье предложена теоретико-методологическая схема прогнозирования пиков тепло- и холодопотребления административных зданий на основе гибридизации физически интерпретируемого теплотехнического описания, мягкого измерения скрытых эксплуатационных состояний и нелинейного остаточного корректора. Показано, что экстремальные тепловые нагрузки формируются не только наружными метеорологическими возмущениями, но и кратковременными выбросами внутреннего тепловыделения, обусловленными фактической численностью людей, интенсивностью их деятельности, электрической нагрузкой оборудования и инерционными эффектами ограждающих конструкций.

Ключевые слова

гибридная модель
мягкое измерение
пиковая нагрузка
теплопотребление
холодопотребление

Список литературы

[1] Ахмаров А. В. Модели софинансирования социальных страховых программ: сравнительный анализ и перспективы для России / А. В. Ахмаров, А. М. Мамаева, К. Д. Шахдуллаев // Экономика и управление: проблемы, решения. – 2025. – Т. 11, № 3(156). – С. 211-217. – DOI 10.36871/ek.up.p.r.2025.03.11.022. – EDN AYUZOK.

[2] Dong X., Guo W., Zhou C. et al. Hybrid model for robust and accurate forecasting building electricity demand combining physical and data-driven methods // Energy. 2024. Vol. 311. Art. 133309. DOI: 10.1016/j.energy.2024.133309.

[3] Habib S., Khosravi A., Nahavandi S. et al. A hybrid machine learning framework for district heating load prediction using clustering and neural approximation // Sustainable Cities and Society. 2023. Vol. 90. Art. 104892. DOI: 10.1016/j.scs.2023.104892.

[4] Lian J., Wang S., Zhang Y. et al. A hybrid load prediction method of office buildings based on physical simulation database and LightGBM algorithm // Applied Energy. 2025. Vol. 378. Art. 124620. DOI: 10.1016/j.apenergy.2024.124620.

[5] Lin Y., Zhang Y., Li W. Occupancy-based HVAC control in office buildings: Effects on peak demand and energy efficiency // Energies. 2023. Vol. 16. No. 20. Art. 7088. DOI: 10.3390/ en16207088.

[6] Yun J. Y., Choi E. J., Chung M. H., Bae K. W., Moon J. W. Performance evaluation of an occupant metabolic rate estimation algorithm using activity classification and object detection models // Building and Environment. 2024. Vol. 252. Art. 111299. DOI: 10.1016/j. buildenv.2024.111299.

[7] Zhao H.-X., Liu F. Hybrid dynamic cooling and heating load forecasting model for office buildings // Energy and Buildings. 2018. Vol. 165. P. 214–223. DOI: 10.1016/j. enbuild.2018.01.060.

[8] Zheng C., Lei Y. A hybrid model for real-time cooling load prediction and terminal control optimization in multi-zone buildings // Journal of Building Engineering. 2025. Vol. 100. Art. 112120. DOI: 10.1016/j.jobe.2025.112120.