lectricity load demands was propose

lectricity load demands was proposed in both campus and building
level. The performance of the proposed model was evaluated using
the CCHP plant data collected from the UCI campus. The results
revealed that the proposed model was able to provide high quality
forecasts for both cooling and electricity load demands. Coefficient
of determination R2 and adjusted coefficient of determination R2
adj
for forecasting cooling demand were 88.4% and 88.3%, implying that
the proposed model could explain more than 88% of the total variability
within testing data. These indices were 70.8% and 70% for
electricity load demand in weekdays and 43% and 40% in weekends
respectively. The weekend cooling demand forecasts could signifi-
cantly improve by using more stable weekend data.
The proposed model is now running in the campus and is
forecasting both cooling and electricity load demands as a part of
an integrated CCHP optimization platform. Further information
from exogenous factors such as occupancy can improve the performance
of the proposed model.

ผลลัพธ์ (ไทย) 2:

lectricity
ความต้องการโหลดได้เสนอทั้งในมหาวิทยาลัยและอาคารระดับ ประสิทธิภาพการทำงานของรูปแบบที่นำเสนอได้รับการประเมินโดยใช้ข้อมูลพืช CCHP ที่รวบรวมจากมหาวิทยาลัย UCI
ผลการศึกษาพบว่าการนำเสนอรูปแบบก็สามารถที่จะให้มีคุณภาพสูงการคาดการณ์สำหรับทั้งการระบายความร้อนและความต้องการโหลดไฟฟ้า ค่าสัมประสิทธิ์ของการกำหนด R2 และปรับค่าสัมประสิทธิ์ของการกำหนด R2 adj สำหรับการพยากรณ์ความต้องการระบายความร้อนเป็น 88.4% และ 88.3% หมายความว่ารูปแบบที่นำเสนอสามารถอธิบายได้ว่ามากกว่า88% ของความแปรปรวนรวมภายในข้อมูลการทดสอบ ดัชนีเหล่านี้เป็น 70.8% และ 70% สำหรับความต้องการโหลดไฟฟ้าในวันธรรมดาและ 43% และ 40% ในวันหยุดสุดสัปดาห์ตามลำดับ วันหยุดสุดสัปดาห์พยากรณ์ความต้องการระบายความร้อนอาจ signifi- อย่างมีการปรับปรุงโดยใช้ข้อมูลที่มีเสถียรภาพมากขึ้นในช่วงสุดสัปดาห์. รูปแบบที่นำเสนออยู่ในขณะนี้ทำงานอยู่ในมหาวิทยาลัยและเป็นที่คาดการณ์ทั้งการระบายความร้อนและความต้องการโหลดไฟฟ้าเป็นส่วนหนึ่งของแบบบูรณาการCCHP แพลตฟอร์มการเพิ่มประสิทธิภาพ ข้อมูลเพิ่มเติมจากปัจจัยภายนอกเช่นการเข้าพักสามารถปรับปรุงประสิทธิภาพการทำงานของรูปแบบที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

ความต้องการ lectricity โหลดเสนอทั้งในมหาวิทยาลัยและระดับอาคาร

ประสิทธิภาพของแบบประเมินโดยใช้ข้อมูลที่ได้จากพืช
cchp UCI วิทยาเขต ผลลัพธ์
เปิดเผยว่า แบบจำลองสามารถให้ประมาณการคุณภาพ
สูงทั้งเย็นและความต้องการไฟฟ้าโหลด สัมประสิทธิ์ของการกำหนดและปรับ R2
ค่าสัมประสิทธิ์การตัดสินใจ R2
1
สำหรับการพยากรณ์อุปสงค์เย็นร้อยละ 88.3 % หมายความว่า
แบบจำลองสามารถอธิบายได้มากกว่า 88% ของ
ความผันแปรทั้งหมดภายในข้อมูลการทดสอบ ดัชนีเหล่านี้ร้อยละ 70.8 และ 70% สำหรับ
ไฟฟ้าโหลดความต้องการในวันธรรมดาและ 43 % และ 40 % ในวันหยุดสุดสัปดาห์
ตามลำดับ วันหยุดสุดสัปดาห์เย็นคาดการณ์ความต้องการอาจ signifi -
ลดลงอย่างมีนัยสําคัญเมื่อปรับปรุงโดยใช้มั่นคง
วันหยุดข้อมูลรูปแบบคือตอนนี้ทำงานในวิทยาเขต และการพยากรณ์ความต้องการไฟฟ้าทั้งเย็น

โหลด เป็นส่วนหนึ่งของ cchp บูรณาการเพิ่มประสิทธิภาพแพลตฟอร์ม
ข้อมูลเพิ่มเติมจากปัจจัยภายนอก เช่น อัตราการเข้าพักเพิ่มประสิทธิภาพ
ของแบบจำลอง