Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phân tích mối quan hệ giữa nhu cầu nhiệt năng trong hệ thống sưởi trung tâm và điều kiện khí hậu thông qua copula hỗn hợp có điều kiện
Tóm tắt
Các hệ thống sản xuất và phân phối năng lượng hiệu quả đang được yêu cầu khẩn thiết để giảm thiểu tác động biến đổi khí hậu toàn cầu. Vì các hệ thống sưởi trung tâm hiện đại là dịch vụ phân phối năng lượng bền vững khai thác các nguồn tái tạo và tránh lãng phí năng lượng, nên việc nắm vững nhu cầu nhiệt năng, chủ yếu bị ảnh hưởng bởi các điều kiện thời tiết, là điều cần thiết để cải thiện lịch trình sản xuất nhiệt. Do đó, chúng tôi đề xuất phương pháp copula hỗn hợp để khảo sát mối quan hệ phức tạp giữa các biến khí tượng, chẳng hạn như nhiệt độ ngoài trời và bức xạ mặt trời, với nhu cầu nhiệt năng trong hệ thống sưởi trung tâm của thành phố Bozen-Bolzano, Ý. Chúng tôi phân tích dữ liệu thu thập được từ năm 2014 đến 2017 và ước lượng các copula sau khi loại bỏ sự phụ thuộc chuỗi trong mỗi chuỗi thời gian bằng cách sử dụng các mô hình trung bình động tự hồi quy tích hợp. Do các mối quan hệ phức tạp, một hỗn hợp giữa Student-t không có cấu trúc và copula Clayton đảo ngược được coi là mô hình tốt nhất, vì nó cho phép phân biệt độ lớn của sự phụ thuộc trong mỗi đuôi và thể hiện cả sự phụ thuộc nặng và không đối xứng. Chúng tôi đưa ra hàm xác suất dựa trên copula có điều kiện của nhu cầu nhiệt năng, được cho bởi các biến khí tượng, và cung cấp những hiểu biết hữu ích về giai đoạn quản lý sản xuất của các dịch vụ năng lượng địa phương.
Từ khóa
#năng lượng #nhiệt năng #hệ thống sưởi trung tâm #copula hỗn hợp #điều kiện khí hậu #mô hình động #phân tích dữ liệuTài liệu tham khảo
Box GE, Jenkins GM (1970) Time series analysis: forecasting and control. Holden-Day, San Francisco
Brechmann EC, Schepsmeier U 2013 Modeling dependence with c- and d-vine copulas: the r package cdvine. J Stat Softw 52(3):543–552
Dalvit G (2017) Modelling and Optimisation of a District Heating System. Master’s thesis, Free University of Bozen-Bolzano, Italy
Dempster A, Laird N, Rubin D (1977) Maximum likelihood from incomplete data via the em algorithm. J R Stat Soc Ser B 39(1):1–38
Di Lascio FML, Menapace A, Righetti M (2020) Joint and conditional dependence modelling of peak district heating demand and outdoor temperature: a copulabased approach. Stat Methods Appl 29(2):373–395
DPR Decreto del Presidente della Repubblica n 74 (16 aprile 2013) Regolamento recante definizione dei criteri generali in materia desercizio, conduzione, controllo, manutenzione e ispezione degli impianti termici per la climatizzazione invernale ed estiva degli edifici e per la preparazione dell’acqua calda per usi igienici sanitari, a norma dell’articolo 4, comma 1, lettere a) e c), del d.lgs. 19 agosto 2005, n. 192 della repubblica n. 74
Durante F, Sempi C (2015) Principles of Copula Theory. Chapman and Hall/CRC, Boca Raton
Eriksson O, Finnveden G, Ekvall T, Björklund A (2007) Life cycle assessment of fuels for district heating: a comparison of waste incineration, biomass- and natural gas combustion. Energ Policy 35(2):1346–1362
Frederiksen S, Werner S (2013) District Heating and Cooling. Studentlitteratur AB
Genest C, Ghoudi K, Rivest LP (1995) A semiparametric estimation procedure of dependence parameters in multivariate families of distributions. Biometrika 82:543–552
Grønneberg S, Hjort NL (2014) The copula information criteria. Scand J Stat 41:436–459
Hu L (2006) Dependence patterns across financial markets: a mixed copula approach. Appl Financ Econ 16(10):717–729
Joe H, Xu JJ (1996) The estimation method of inference functions for margins for multivariate models. https://doi.org/10.14288/1.0225985
Kojadinovic I, Segers J, Yan J (2011) Large-sample tests of extreme-value dependence for multivariate copulas. Canad J Stat 39(4):703–720
Longla M (2015) On mixtures of copulas and mixing coefficients. J Multivariate Anal 139:259–265
Lund H, Hvelplund F, Kass I, Dukalskis E, Blumberga D (1999) District heating and market economy in latvia. Energy 24(7):549–559
Lund H, Østeraard PA, Chang M, Werner S, Svendsen S, Sorknæs P, Thorsen JE, Hvelplund F, Mortensen BOG, Mathiesen BV, Bojesen C, Duic N, Zhang X (2018) The status of 4th generation district heating: research and results. Energy 164:147–159
Mathiesen BV, Lund H, Karlsson K (2011) 100% Renewable energy systems, climate mitigation and economic growth. Appl Energy 88(2):488–501
Moritz S, Bartz-Beielstein T (2017) imputeTS: time series missing value imputation in R. R J 9(1):207–218
Moritz S, Sardá A, Bartz-Beielstein T, Zaefferer M, Stork J (2015) Comparison of different methods for univariate time series imputation in R. arXiv eprint arXiv:1510.03924
Nelsen RB (2006) Introduction to copulas. Springer, New York
Patton AJ (2012) A review of copula models for economic time series. J Multivariate Anal 110:4–18
Rémillard B, Scaillet O (2009) Testing for equality between two copulas. J Multivariate Anal 100(3):377–386
Sklar A (1959) Fonctions de répartition à \(n\) dimensions et leures marges. Publi l’Inst Stat L’Univ Paris 8:229–231
Soutullo S, Bujedo L, Samaniego J, Borge D, Ferrer J, Carazo R, Heras M (2016) Energy performance assessment of a polygeneration plant in different weather conditions through simulation tools. Energy Build 124:7–18
Sun Q, Li H, Ma Z, Wang C, Campillo J, Zhang Q, Wallin F, Guo J (2016) A comprehensive review of smart energy meters in intelligent energy networks. IEEE Internet Things J 3(4):464–479
Trivedi PK, Zimmer DM (2005) Copula modeling: an introduction for practitioners. Foundations and Trends in Econometrics 1:1–111
Vrac M, Billard L, Diday E, Chédin A (2012) Copula analysis of mixture models. Comput Stat 27(3):427–457
Zimmer DM, Trivedi PK (2006) Using trivariate copulas to model sample selection and treatment effects: application to family health care demand. J Bus EconStat 24:63–76