Tối ưu hóa ước tính mức tiêu thụ năng lượng trong các tòa nhà dựa trên các thuật toán trí tuệ nhân tạo

- Đánh giá, xếp hạng các nhân tô từ đó đưa ra được những nhân tổ ảnh hưởng nhất đến nhu câu tiêu thụ năng lượng của các tòa nhà chung cư.. _- Xây dựng mô hình ước tính mức tiêu thụ năng

TRÍ TUỆ NHÂN TẠO

Chuyên ngành : QUÁN LÝ XÂY DỰNG

TRƯỜNG ĐẠI HỌC BÁCH KHOA

ĐẠI HỌC QUOC GIA THÀNH PHÔ HỖ CHÍ MINH

Cán bộ Hướng dẫn khoa học : TS Trần Đức Học

Luận Văn Thạc Sĩ được bảo vệ tại: Trường Đại học Bách Khoa thành phố Hồ Chí

Minh, ngay 11 thang 1 nam 2020

Thanh phần Hội đồng đánh giá luận văn thạc sĩ gồm:

1 TS Lê Hoài Long

KY THUAT XAY DUNG

Tp HCM, ngày tháng nam 20

NHIEM VU LUAN VAN THAC Si

Ho tén hoc vién: LE TAN TAI MSHV: 1770424

Ngay, thang, nam sinh: 05 — 07 - 1994 Noi sinh: Quy Nhon

1- TÊN ĐÈ TÀI:

TOI UU HOA UOC TINH MUC TIEU THU NANG LUQNG TRONG CAC TÒA NHÀ DỰA TRÊN CÁC THUẬT TOÁN TRÍ TUỆ NHÂN TẠO 2- NHIỆM VỤ LUẬN VĂN:

- Xác định được những nhân tố ảnh hưởng đến nhu cầu tiêu thụ năng lượng của các tòa nhà chung cư tại TP Hô Chí Minh

- Đánh giá, xếp hạng các nhân tô từ đó đưa ra được những nhân tổ ảnh hưởng nhất đến nhu câu tiêu thụ năng lượng của các tòa nhà chung cư

_- Xây dựng mô hình ước tính mức tiêu thụ năng lượng của các tòa nhà chung

cư băng các thuật toán trí tuệ nhân tạo

- Đề xuất mộ hình nhằm tối ưu hóa ước tính mức tiêu thụ năng lượng của các tòa nhà chung cư băng cách kết hợp các mô hình trí tuệ nhân tạo

3- NGÀY GIAO NHIỆM VỤ: 19/08/2019

4- NGÀY HOÀN THÀNH NHIỆM VỤ: 08/12/2019

5- HO VA TEN CAN BO HUONG DAN: TS TRAN DUC HOC

TS Trần Đức Học TS Đỗ Tiến Sỹ

TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG

Lời đầu tiên, tôi xin chân thành cảm ơn sâu sắc đến đến TS Trần Đức Học,

Thay đã tận tình hướng dẫn và đóng góp nhiều ý kiến quý báu trong suốt quá trình tôi thực hiện luận văn Những ý kiến góp ý, hướng dan cia Thay 1a rat quan trong cho thành công của luận văn này

Xin chân thành cảm ơn quý Thầy, Cô Khoa Kỹ Thuật Xây Dựng - bộ môn Thỉ Công và Quản lý Xây dựng đã truyền đạt những kiến thức bỏ ích trong suốt thời gian tôi học chương trình cao học

Xin cảm ơn các anh chị, bạn bè cùng lớp 2017 và những người bạn, anh chị em

đồng nghiệp đã chia sẻ kinh nghiệm và dành thời gian hỗ trợ tôi thực hiện tốt giai đoạn

khảo sát dữ liệu trước khi tiến hành nghiên cứu Các chia sẻ về kiến thức và kinh

nghiệm của các anh chị, các bạn đã được ghi nhận vào thành quả của luận văn

Và cuỗi cùng, tôi xin đặc biệt cảm ơn đến những người thân trong gia đình đã luôn đồng hành, động viên hỗ trợ về mọi mặt để tôi yên tâm hoàn thành tốt luận văn này

T1p HCM,ngày tháng năm 20

Lê Tần Tài

trong phạm vi từng quốc gia mà đã trở thành vấn đề của toàn thế giới Thay đổi khí hậu và tăng giá các loại năng lượng cùng với chất lượng cuộc sống con người ngày càng cao nên càng phụ thuộc nhiều vào các nguồn năng lượng Thiết kế của các tòa

nhà hiện nay không chỉ phải tạo sự tiện nghĩ, thoải mái cho người sử dụng mà còn tối

ưu hóa sử dụng năng lượng và giảm thiểu tôi đa tác động xấu đối với môi trường

Luận văn trình bày kết quả cuộc khảo sát những nhân tố ảnh hưởng đến nhu cầu tiêu thụ năng lượng của tòa nhà chung cư Cuộc khảo sát được thực hiện thông qua bảng câu hỏi khảo sát và phân tích số liệu thống kê Kết quả khảo sát đã xếp hạng được các tiêu chí ảnh hưởng đến nhu cầu tiêu thụ năng lượng của tòa nhà chung cư Luận

văn đã chỉ ra 12 nhân tố ảnh hưởng nhất đến nhu cầu tiêu thụ năng lượng của tòa nhà

chung cư

Tiếp theo luận văn đã xây dựng mô hình mô hình dự đoán mức tiêu thụ năng lượng của tòa nhà chung cư bằng 6 thuật toán về trí tuệ nhân tạo Sử dụng kiểm chứng chéo 10-fold để giảm thiểu sai số liên quan đến lẫy mẫu ngẫu nhiên trong quá trình đào tạo Đánh giá các mô hình đơn thông qua các chỉ số tổng hợp SI Từ đó kết hợp các mô

hình có hiệu suất tốt nhất lại để tối ưu hóa mô hình dự đoán mức tiêu thụ năng lượng

của tòa nhà chung cư.

county but also of the world Because climete change and incresing prices of energy, along with improvement of the quality of life, so more and more depend on energy The design of current buildings not only creates comfort and convenience for people but also optimizes energy and minimizes negative impacts on the environment

This thesis show the results of the survey on factors affecting the energy consumption needs of apartment buildings The survey was conducted through survey questionnaires and statistical analysis The survey results have ranked the criteria affecting the energy consumption needs of the apartment building The thesis has showed 12 factors that most affect the energy consumption needs of apartment buildings

Then, this thesis has built models to predict energy consumption of apartment buildings by 6 algorithms on artificial intelligence Use 10-fold cross-validation to minimize errors related to random sampling during training Evaluate the single models by Synthesis index From there, combine the best performing models to optimize the predictive model of apartment building's energy consumption.

Tôi xin cam đoan luận văn này do chính tôi thực hiện dưới sự hướng dẫn của

TS Trần Đức Học Các số liệu sử dụng phân tích trong luận văn có nguồn gốc rõ ràng, được thu thập từ quá trình khảo sát thực tế và được công bố theo đúng quy định

TpHCM, ngày tháng năm 20

Lê Tấn Tài

MỤC LỤC

CHƯƠNG 1 DAT VAN ĐẺ NGHIÊN CỨU - + 55: 5s £zvzszxererree 8 1.1 GIỚI THIỆU CHỮƯNG :- 2 2 222 SE #EE£E+Ev2EtrEtExzrkrkerxerxerrrrsrred 8 1.2 ĐẶT VẤN ĐỀ NGHIÊN CỨU - ¿2S #EEEE£ESEEEEEErkersrkrsered 8 1.3 MỤC TIÊU NGHIÊN CÍỨU -¿- ¿©5529 #EE£EEE+zErxerrrrrkre 9 1.4 PHẠM VI NGHIÊN CỨU ¿+ 55 S9EE2EE£xEEEEEEEEEEExrtrrkerrrrerrrie 9 1.5 ĐÓNG GÓP DỰ KIÊN CỦA NGHIÊN CỨU .- 2-5555 5525 9

1.5.1 Về mặt học thuật - - - - ch ng re 9

1.5.2 Về mặt thre tin ccccccsccssscssscessscssesestessscssessssssessssestssssetssssssseseee 10 CHƯƠNG 2 TÔNG QUANN ¿525 5S E* 3E vEEEEEEEExE1EEEEEEErrkrkrrkee 11 2.1 TÔNG QUAN VỀ HỆ THÔNG NĂNG LƯỢNG VIỆT NAM 11

2.2 TÔNG QUAN VỀ KHAI PHÁ DỮ LIỆU (DATA MINING) 12

2.2.1 Định nghĩa c1 1100211 1 v1 ng HT kg ng vn kh 12 2.2.2 Các phương pháp khai phá dữ liệu .- 5 5 S22 12

2.3 MẠNG THÂN KINH NHÂN TẠO (ANN§) 5c csccccssrceeo 13 2.3.1 Giới thiỆU: + 13t Exvx St HE RE 111 71111111111 13

2.3.2 Thuật toán mô hình mạng thần kinh nhân tạo: . .- - 5+ +: 14

2.4 CÂY PHÂN LOẠI HÔI QUY (CARTT) - 5: + s 2*+sz£+>x+£szzcse2 15 2.4.1 Giới thiỆU: - k1 13 E1 TH HE E111 1111111111111 ren 15 2.4.2 Thuật toán mô hình cây phân loại hồi quy: . . - s55: 15 2.5 TỰ ĐỘNG PHÁT HIỆN TƯƠNG TÁC CHI-SQUARED (CHAID) 16

2.5.1, GIỚI thIỆU : . 75c cọ ng nu ve 16

2.5.2 Thuật toán mô hình tự động phát hiện tương tác chi-squared 16

2.6 HÔI QUY TUYẾN TÍNH ((LR) + ¿+ 2% EE£E*E£EEEE+EEEszxeErxrxee 17

2.6.1 Giới thiỆU: - +1 ỲE E3 TH HH1 1117111111111 17

2.6.2 Thuật toán mô hình hồi quy tuyến tính: . -2- 555255: 17 2.7 HOI QUY TUYEN TINH TONG QUÁT (GENLTN) - 18 2.7.1 GiGi thius iccecccccscecsssesssscssesessessssesessssssssssseesssssssssssssssssssssssssseseess 18

2.7.2 Thuật toán mô hình hỏi quy tuyến tính tổng quát: 18

2.8 MAY HO TRO VECTƠ (SVM) Sàn nv SE evErErkrkrkerrrkeed 18

2.8.2 Thuật toán mô hình mãy hỗ trợ vectơ: . ¿-5 5255 c2cscss c2 19

2.9 MÔ HÌNH KẾT HỢP (ENSEMBLE MODEL) 2-5555 552 20 2.9.1 Giới thiệu : ¿ 6 tt ExHx ThS EEExEY E111 E111 kg 20 2.9.2 Thuật toán mô hình kết hợp : + ¿5 52 2x3 2 vEErkevsrsrerkrsee 20 2.10 PHƯƠNG PHÁP CROSS VALIDATION (KIEM CHUNG CHEO) 21 2.10.1 GiGi thiSus cceccecceccescsssessessessessessessesessessssssssessesssssesssssessessssssseeseeseen 21

2.10.2 Ap dụng phương pháp kiểm chứng chéo: - 52-5 +25 21

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU - -2525c+cxeexecv2 23

3.1 QUY TRÌNH NGHIÊN CỨU .- - - E9 9EEEEEE+EEESE+EeEsEsrsrereei 23

4.1.1 Cai ẨOạñ Ì: .- - cọ nọ ni nh cv 23

3.2 PHƯƠNG PHÁP THU THẬP DỮ LIỆU .-. ¿55 5252: 24

3.2.1 Xác định những nhân tố ảnh hưởng đến nhu câu tiêu thụ năng lượng của căn hộ chung CƯ: - 111v 19911119 3 1 8 1 ng HH ng Hy kh 24

3.2.2 Thiết kế bảng câu hỏii: - G5 s3 323v EEEEkEEErkrkrkrrrrkred 26 3.3 LÝ THUYẾT KIÊM ĐỊNH THANG ĐO: - 5-5252 se cscse2 28 3.4 CÔNG CỤ NGHIÊN CỨU . 2- + 252 ©2*SE*£2E£E£EEtEEvzzrerrersrrree 30

CHƯƠNG 4 THU THẬP VÀ PHÂN TÍCH DỮ LIỆU GIAI ĐOẠN 1 31

4.1 THU THẬP DỮ LIỆU -¿-¿- 5: 5% E2 SE EEEEEEEEEErErrrtrrkrkrsrrrkrei 31

4.2 ĐẶC ĐIÊM CỦA MẪU NGHIÊN CỨU + - 5+ 2 ++s+££szs+2 31

4.2.1 Sỗ năm kinh nghiệm ¿- - ¿Sở + £E#EE£ EEEEEEEEEEEEEEEEkrkrrsrrris 31 4.2.2 Chuyên ngành và lĩnh vực 1am VIEC .ccsssceeesssseseeesssstseeeesensaeens 32

4.3 KIÊM ĐỊNH CROMBACH”S ALPHA - 5-5 2s svEx+xvxszv+rsrxrsee 33 4.3.1 Nhóm nhân tố liên quan đến khí hậu 2s s+s+xsz+z 33 4.3.2 Nhóm nhân tố liên quan đến thiết bị sử dụng điện -.- 34

4.3.3 Nhóm nhân tố liên quan đến đặc điểm tòa nhà - - 34

4.3.4 Nhóm nhân tố liên quan đến đặc điểm căn hộ -.cs 5s ssssv2 35

4.3.5 Nhóm nhân tố khác . - :- ¿+ 5® EEEx#EEErEErxerxerxrrersrrsersrree 36 4.4 XÉP HẠNG MỨC ĐỘ ẢNH HƯỞNG CÁC NHÂN TÓÔ 37

CHUONG 5 THU THẬP DỮ LIỆU VÀ XÂY DỰNG MÔ HÌNH DỰ BÁO GIAI

297.0100077 :11 39

5.1 THU THẬP DỮ LLIỆU -: + 52t St SEEEEEEEEEEErEerxrkrrrrsrrsrrrsee 39 5.2 CÂU TRÚC XÂY DỰNG MÔ HÌNH . ¿55c 252252 cecrseeo 41

5.2.1 Sơ đồ quy trình thực hiện : ¿52 13v vEckerrkrkrkerrrxred 41

5.2.2 Phương pháp đánh giá hiệu suất mô hình : -. 5: +5: 42 5.3 THỰC HIỆN MÔ HỈÌNH: ¿+ 252 SE EEEExEErErkkrkerkrrrrvrrs 43

5.3.1 Phan chia và nhập dữ lIỆU: - 1S SH hy vn 43

5.3.2 Thông số mô hình : + 2% E3 9EEEEEEE#EEEEEE+EeEEEErkrkerrrkred 45

5.3.3 Xây dựng mô hình bằng SPSS Modeler: - - c5 5 sec szxsei 46

5.4 KÉT QUÁ MÔ HÌNH ĐƠN: 52 1S vEvSEEEEEEESEErrkrkrkrrrkrei 47

5.4.1 Tập DataSetf Ì: c LH HT ng ng 47

5.4.3 Tap DataSet 3: oo -‹(cxaiaấảí44 a 48

3.4.5 Lập DataSef Š: ch ng ng 48 3.4.6 Lập DataS€† Õ: HH HH TH ng ng 49 5.4.7 Tap DataSet e 49 5.4.8 Tap DataSe† ổ: cung Hàn ng ng ng gà 49 A80 n8 50 3.4.10 Tập DataSet lŨ: in HH ng kg ng kh 50 5.4.11 Tổng hợp kết quả chỉ số đánh giá: . - ¿5 5s sec 50 5.4.12 Tổng hợp kết quả hệ số dự báo tầm quan trọng: -:-‹- 51

5.5 KET QUA MO HINH TONG HỢP: .- 25s 2 S3 EvE5EEEsErrrxrei 54

5.5.1, Phương pháp : - c1 ng ng ng kh 54

“Z8 58

5.5.4 So sánh giữa các mô hình đơn và mô hình kết hợp: 59

CHƯƠNG 6 KÉT LUẬN VÀ KIÊN NGHỊ - - ¿5c 62

+ 000/9) 00057 62 6.2 KIÊN NGHỊ, ¿+ 2t tt tr re 63

DANH MUC BANG BIEU

Bang 3.1 Cac nhan t6 anh hưởng đến nhu cấu tiêu thụ năng lượng của căn hộ

CHUNG CU n8 «a.-4 4 25

Bảng 3.2 Phân nhóm các nhân tố ảnh hưởng đến nhu cẫu tiêu thụ năng lượng của 2891908010101 1u0 2N 4 27

Bảng 4.1 Thống kê số năm kinh nghiệm của người tham gia khảo sát 31

Bảng 4.2 Thống kê chuyên ngành và lĩnh vực làm việc của người tham gia khảo ốc .Ầ Ề.ẻềẦẦằốằằee 32 Bảng 4.3 Hệ số Crombach”s alpha cho tường nhóm nhân tố - 33

Bảng 4.4 Hệ số Crombach's alpha nhóm nhân tô liên quan đến khí hậu 33

Bảng 4.5 Hệ số Crombach's alpha nhóm nhân tố liên quan đến thiết bị sử dụng ỞIỆN Q0 HH KH g b E g B ĐE EEEEEEE 34 Bảng 4.6 Hệ số Crombach”s alpha nhóm nhân tô liên quan đến đặc điểm tòa nhà ¬— ¬ ` 35

Bang 4.7 Hé s6 Crombach’s alpha nhom nhân tố liên quan đến đặc điểm căn hộ ¬ 36

Bảng 4.8 Hệ số Crombach”s alpha nhóm nhân tố khác 2s: z5 36 Bảng 4.9 Kết quả xếp hạng mức độ ảnh hưởng của các nhân t 37

Bảng 5.1 Những nhân tố ảnh hưởng nhất đến nhu cầu tiêu thụ năng lượng trong 2891908010101 1u0 2N 4 39

Bảng 5.2 Mô tả đữ liệu -.i cà nh S3 SE 2111271 1111110111111 trrrkd 40 Bảng 5.3 Thiết lập thông số mặc định trong Clementine . -:-:- 45

Bảng 5.4 Kết quả chỉ số đánh giá mô hình với tập Testing 1 47

Bảng 5.5 Kết quả chỉ số đánh giá mô hình với tập Testing 2 -. 47

Bảng 5.6 Kết quả chỉ số đánh giá mô hình với tập Testing 3 48

Bảng 5.7 Kết quả chỉ số đánh giá mô hình với tập Testing 4 .- 48

Bảng 5.8 Kết quả chỉ số đánh giá mô hình với tập Testing 5 48

Bảng 5.9 Kết quả chỉ số đánh giá mô hình với tập Testing 6 49

Bảng 5.10 Kết quả chỉ số đánh giá mô hình với tập Testing 7 - 49

Bảng 5.11 Kết quả chỉ số đánh giá mô hình với tập Testing 8 49

Bảng 5.12 Kết quả chỉ số đánh giá mô hình với tập Testing 9 - 50

Bảng 5.13 Kết quả chỉ số đánh giá mô hình với tập Testing 10 50

Bảng 5.14 Kết quả chỉ số đánh giá mô hình đơn -¿- 5-5-5255 52cccxczcs2 50 Bảng 5.15 Kết quả chỉ số đánh giá mô hình tổng hợp với tập Testing 1 56

Bảng 5.16 Kết quả chỉ số đánh giá mô hình tổng hợp với tập Testing 2 56

Bảng 5.17 Kết quả chỉ số đánh giá mô hình tông hợp với tập Testing 3 56

Bảng 5.18 Kết quả chỉ số đánh giá mô hình tông hợp với tập Testing 4 56

Bảng 5.19 Kết quả chỉ số đánh giá mô hình tổng hợp với tập Testing 5 57

Bảng 5.20 Kết quả chỉ số đánh giá mô hình tổng hợp với tập Testing 6 57

Bảng 5.21 Kết quả chỉ số đánh giá mô hình tông hợp với tập Testing 7 57

Bảng 5.22 Kết quả chỉ số đánh giá mô hình tổng hợp với tập Testing 8 57

Bảng 5.23 Kết quả chỉ số đánh giá mô hình tổng hợp với tập Testing 9 58

Bảng 5.24 Kết quả chỉ số đánh giá mô hình tổng hợp với tập Testing 10 58

Bảng 5.25 Kết quả tông hợp chỉ số đánh giá mô hình tổng hợp 58

Bảng 5.26 So sánh chỉ số giữa các mô hình đơn và mô hình kết hợp 59

DANH MỤC HÌNH VẼ

Hinh 1.1 Ti trong tiéu thụ năng lượng của Việt Nam 2018 - +s s2 8

Hình 2.1 Tốc độ tăng trưởng điện thương phẩm và GDP (%) . - 11

Hình 2.2 Tổng quan vé cac bude trong qua trinh KDD oo eee 12 Hinh 2.3 /084:1.0.0) 000177 .:::1F 14 Hình 2.4 Ví đụ cây quyết định - se th SE TY HT cgrtrtnkgrrvrkg 15 Hình 2.5 Mơ hình hồi quy đơn - ¿- - Sc S9* 3E EkEEEEEEEEESEEEEEEkrkrrkrkrsered 17 Hình 2.6 Máy hỗ trợ vectơ hồi duyy - 2 St kE‡ESEEEEEEEEEEEEEEkrkerkrrrrkrie 19 Hình 2.7 Phương pháp xác thực chéo 10 lần - 5s *cv+Esrxrksrsrerrered 22 Hình 3.1 Quy trình nghiên cứu giai đoạn Ì s12 Ssssssessersse 23 Hình 3.2 Sơ đồ khối mơ hình ức tính mức tiêu thụ năng lượng 24

Hình 4.1 Biểu đồ cơ cấu số năm kinh nghiệm của người tham gia khảo sát 31

Hình 4.2 Biêu đồ cơ cầu chuyên ngành và lĩnh vự làm việc của người tham gia 200081 n8 32

Hình 5.1 Sơ đồ các bước xây dựng mơ hình dự báo bằng SPSS Modeler 41

Hình 5.2 Phân chia tập dữ liệu với IŨ- ÍỌd - 25 S31 3 vsirvesersrsesee 43 Hình 5.3 Gán tập Traning DataSet l vào Clementine ‹ «+ ss+2 44 Hình 5.4 Xây dựng mơ hình đơn 5 2c 11v 1n ng vn 46 Hình 5.5 Tổng hợp hệ số dự báo tầm quan trọng mơ hình ANNs 51

Hình 5.6 Tổng hợp hệ số dự báo tầm quan trọng mơ hình CART 52

Hình 5.7 Tơng hợp hệ số dự báo tâm quan trọng mơ hình CHAID 52

Hình 5.8 Tổng hợp hệ số dự báo tầm quan trọng mơ hình LR 53

Hình 5.9 Tổng hợp hệ số dự báo tầm quan trọng mơ hình GENLIN 53

Hình 5.10 Tổng hợp hệ số dự báo tầm quan trọng mơ hình SVM 54

Hình 5.11 Xây dựng mơ hình kết hợp - +: 52-5: 2s 2£k‡EEkszErsrrred 55 Hình 5.12 Biểu đồ hệ số tương qua tuyến tính R giữa các mơ hình 59

Hình 5.13 Biêu đồ phần trăm sai số trung bình MAPE giữa các mơ hình 60

Hình 5.14 Biểu đồ sai số trung bình tuyệt đối MAE giữa các mơ hình 60 Hình 5.15 Biểu đồ sai số tồn phương trung bình RMSE giữa các mơ hình .6 l

CHUONG 1 DAT VẤN ĐÈ NGHIÊN CỨU 1.1 GIỚI THIỆU CHUNG

Hiện nay, tiết kiệm năng lượng là một trong những vẫn đề cấp thiết không chỉ trong phạm vi từng quốc gia mà đã trở thành vẫn đề của toàn thế giới [1] Thay đổi khí hậu và tăng giá các loại năng lượng cùng với chất lượng cuộc sống con người ngày càng cao nên càng phụ thuộc nhiều vào các nguồn năng lượng đã tạo ra những thách thức cho đội ngũ kiến trúc sư, kỹ sư phải không ngừng sáng tạo và cải tiến các thiết kế trong

ngành xây dựng Thiết kế của các tòa nhà hiện nay không chỉ phải tạo sự tiện nghĩ, thoải

mái cho người sử dụng mà còn tối ưu hóa sử dụng năng lượng và giảm thiểu tối đa tác động xấu đối với môi trường

Trên thế giới, năng lượng sử dụng trong các tòa nhà chiếm đến 27% của tổng năng

lượng [2] Ở Việt Nam tỷ lệ này là 27% [3] Riêng đối với Mỹ và các nước Châu Âu tỷ

lệ này chiếm đến 40% [4] Do đó, việc ước tính mức tiêu thụ năng lượng trong các tòa

nhà có ý nghĩa rất quan trọng trong việc tối ưu hóa hiệu suất sử dụng năng lượng nhằm mục đích tiệt kiệm năng lượng và giảm thiêu tác động đôi với môi trường

2018

Khác 7%

Hình 1.1 TỶ trọng tiêu thụ năng lượng của Việt Nam 2018

1.2 DAT VAN ĐÈ NGHIÊN CỨU

Hệ thống năng lượng trong tòa nhà tương đối phức tạp đối với từng công trình nhất

được thay đôi theo từng loại công trình [Š] Ngoài ra, các yếu tố về điều kiện thời tiết cũng gây ảnh hưởng không nhỏ đối với nhu cầu sử dụng năng lượng của tòa nhà [1]

Do sự phức tạp ấy nên việc ước tính chính xác mức tiêu thụ năng lượng trong tòa

nhà gặp nhiều khó khăn Trong những năm gần đây, đã có rất nhiều nghiên cứu về

phương pháp dự đoán đã được đề xuất và áp dụng rộng rãi cho rất nhiều ngành nghề Những phương pháp này bao gồm các phương pháp kỹ thuật, thống kê và trí tuệ nhân

tạo

1.3 MỤC TIÊU NGHIÊN CỨU

Mục tiêu tổng quát của đề tài: tối ưu hóa ước tính mức tiêu thụ năng lượng trong

các tòa nhà dựa trên các thuật toán trí tuệ nhân tạo

Mục tiêu cụ thê của đề tài:

+ Xác định các nhân tố ảnh hưởng đến mức tiêu thụ năng lượng trong tòa nhà + Phân tích và xác định những nhân tô ảnh hưởng nhất đến mức tiêu thụ năng lượng trong tòa nhà chung cư

+_ Đưa ra mô hình ước tính mức tiêu thụ năng lượng trong tòa nhà chung cư bằng thuật toán trí tuệ nhân tạo

+ Để xuất mô hình tôi ưu hóa ước tính mức tiêu thụ năng lượng trong tòa nhà chung cư bằng cách kết hợp các thuật toán trí tuệ nhân tạo

1.4 PHẠM VINGHIÊN CỨU

Phạm vị nghiên cứu được thực hiện trong giới hạn, như sau:

- - Dữ liệu được lay tai cac toa nha chung cu 6 thanh phố Hồ Chí Minh

- _ Các đối tượng khảo sát, gồm:

+_ Cư dân sinh sống ở chung cư + Kỹ sư xây dựng

+ Kỹ sư điện

+ Kiến trúc sư 1.5 ĐÓNG GÓP DỰ KIÊN CỦA NGHIÊN CỨU

1.5.1 Về mặt học thuật

Xác định được những nhân tổ ảnh hưởng đến nhu cầu tiêu thụ năng lượng của các tòa nhà chung cư tại thành phố Hồ Chí Minh

Đưa ra các mô hình ước tính mức tiêu thụ năng lượng của các tòa nhà chung cư

bằng các thuật toán trí tuệ nhân tạo

Đề xuất mô hình nhằm tối ưu hóa ước tính mức tiêu thụ năng lượng của các tòa

nhà chung cư bằng cách kết hợp các thuật toán trí tuệ nhân tạo

1.5.2 Về mặt thực tiễn

Đề tài giúp giải quyết được bài toán quản lý và tiết kiệm năng lượng trong các tòa

nhà chung cư Đưa ra mô hình tối ưu hóa ước tính mức tiêu thụ năng lượng điện trong

các căng hộ chung cư thông qua các nhân tố chính ảnh hưởng tới nó

Góp phần nâng cao hiệu quả về quản lý, thiết kế, thi công nhằm tiết kiệm năng

lượng, chung tay bảo vệ môi trường vì sự phát triển bền vững của thế giới nói chung và Việt Nam nói riêng

Đề xuất những giải pháp về kiến trúc, xây dựng nhằm tiết kiệm năng lượng trong quá trình vận hành tòa nhà

Xây dựng mô hình nhằm quản lý năng lượng cho các tòa nhà chung cư

CHUONG 2 TONG QUAN

2.1 TONG QUAN VE HE THONG NANG LUONG VIET NAM

Trong hơn hai thập kỷ vừa qua, Việt Nam là một trong những nước có tốc độ tăng trưởng kinh tế cao hàng đầu thế giới, tổng sản phẩm quốc nội (GDP) bình quân đầu

người đã tăng gấp 20 lần từ 114 USD trong năm 1990 lền 2.109 USD trong năm 2015,

đây là một cột mốc quan trọng đề Việt Nam trở thành quốc gia có thu nhập trung bình Tăng trưởng kinh tế là một trong những yếu tô quan trọng nhằm cải thiện đời sống của người dân Chính phủ Việt Nam ưu tiên hàng đầu cho việc phát triển nền kinh tế; tuy nhiên, chiến lược của Chính phủ Việt Nam đã nhân mạnh rằng phát triển kinh tế nhanh

phải đi đôi với phát triển bền vững [3]

Trong thời gian gần đây, thay đổi khí hậu là vẫn đề quan trọng và ảnh hưởng không

chỉ riêng ở Việt Nam mà còn trên toàn thế giới Từ đó, tiết kiệm và tối ưu hóa là một

trong những định hướng hàng đầu của mọi ngành trong đó có ngành năng lượng và xây dựng Trong bối cảnh nguồn tài nguyên thiên nhiên ngày càng cạn kiệt, kéo theo vật giá leo thang trong đó có giá điện càng tăng làm cho vẫn đề sử dụng năng lượng nói chung

và năng lượng điện trong căn hộ nói riêng ở Việt Nam trở nên ngày càng cấp thiết Tình hình cung cấp điện năng ở Việt Nam đều có xu hướng tăng quá từng năm Theo báo cáo của Tập đoàn Điện lực Việt Nam (EVN), sản lượng điện sản xuất và mua

nam 2018 dat 212.9 ty kWh, vuot ké hoach 2.4 ty kWh va tang 10.36% so voi nam 2017

Tuy nhiên, xét về tổng thể, tốc độ tăng trưởng của điện thương phẩm luôn cao

gấp đôi so với tốc độ tăng trưởng GDP, nó chỉ ra rằng nhu cầu điện năng để tạo giá trị

xã hội tương đối cao Vì vậy, sử dụng năng lượng một cách hợp lý và tiết kiệm là vẫn

đề cấp thiết cho sự phát triển nền kinh tế của Việt Nam

2.2 TONG QUAN VE KHAI PHA DU LIEU (DATA MINING)

2.2.1 Dinh nghia

Khai phá dữ liệu là quá trình tính toán để tìm ra các mẫu trong các bộ dữ liệu lớn liên quan đến các phương pháp tại giao điểm của máy học, thống kê và các hệ thống cơ

sở đữ liệu Đây là một lĩnh vực liên ngành của khoa học máy tính [7-10] Mục tiêu tổng

thể của quá trình khai thác dữ liệu là trích xuất thông tin từ một bộ dữ liệu và chuyển nó

thành một câu trúc dễ hiểu để sử dụng tiếp [7] Ngoài bước phân tích thô, nó còn liên

quan tới cơ sở dữ liệu và các khía cạnh quản lý dữ liệu, xử lý dữ liệu trước, suy xét mô hình và suy luận thong kê, các thước đo thú vị, các cân nhắc phức tạp, xuất kết quả về

các cầu trúc được phát hiện, hiện hình hóa và cập nhật trực tuyến [7] Hình 2.2 thể hiện

khai thác dữ liệu là bước phân tích của quá trình "khám phá kiến thức trong cơ sở dữ liệu" hoặc quá trình KDD [101]

mm "

ti Ses Data Mining

e Phân loại (Classifcation): là nhiệm vụ tổng quát hóa cấu trúc đã biết để áp dung cho đữ liệu mới Ví dụ: chương trình e-mail có thể cố gắng phân loại e- mail là "hợp pháp” hoặc "thư rac"

se Hồi quy (Regression): cé gang tim mét hàm mô hình hóa dữ liệu với ít lỗi nhất, để ước tính mối quan hệ giữa các dữ liệu hoặc bộ dữ liệu

e_ Phân nhóm (Clustering): là nhiệm vụ khám phá các nhóm và cẫu trúc trong

dữ liệu theo cách nào đó hoặc cách "tương tự”, mà không sử dụng các cầu

trúc đã biết trong dữ liệu

e_ Tổng hợp (Summarization): cung cấp một cách biểu diễn thu gọn hơn của tập

đữ liệu, trực quan hóa và lập báo cáo

e_ Mô hình ràng buộc (Dependency modeling): tìm kiếm mối quan hệ giữa các biến Ví dụ, một siêu thị có thể thu thập dữ liệu về thói quen mua hàng của khách hàng Sử dụng học tập quy tắc kết hợp, siêu thị có thể xác định sản phẩm nào thường được mua cùng nhau và sử dụng thông tin này cho mục

đích tiếp thị Điều này đôi khi được gọi là phân tích giỏ khách hàng

se Dò tìm biến đổi và độ lệch (Change and Deviation Dectection): xác định các

mau đữ liệu bất thường, có thể là lỗi cần chú ý hoặc lỗi dữ liệu cần điều tra

nỗi và tính gia tri moi tai cac nut

M6 hinh mang thần kinh nhân tạo là một công cụ mạnh mẽ dé giải quyết các vẫn

đề phức tạp Mạng thần kinh xử lý các nhân tố như các nơ-ron trong não người, các nhân tô đơn được sắp xếp theo tường lớp

Input layer Hidden layer Output layer

e_ Lớp đầu vào: nhận thông tin từ ngoài vào mô hình

e Lop ân: thực hiện tất cả các tính toán

© Lop dau ra: đưa kết quả đầu ra sau quá trình phân tích

2.3.2 Thuật toán mô hình mạng thần kinh nhân tạo:

Trong mạng nơ-ron đa lớp, lớp đầu tiên là tập hợp các nút dữ liệu đầu vào về đặt điểm của căn phòng, sẽ có một hay nhiều lớp ân chứa các nút tính toán và một lớp đầu

ra chứa một nút biểu thị mức tiêu thụ năng lượng

Thuật toán học tập được sử dụng rộng rãi và hiệu quả nhất để huẫn luyện mạng

thần kinh đa lớp là thuật toán lan truyền ngược Ngưỡng kích hoạt của từng nơ-ron trong lớp ấn được tính như sau:

net, = » Wx j 0; VA Ve = ƒ(nety) Trong do net; la ngudng kich hoạt của nơ-ron thứ &, 7 là tập các nơ-ron ở lớp trước,

wy là trọng số kết nỗi giữa nơ-ron & và nơ-ron j, ø; là đầu ra của nơ-ron j, và y; là hàm truyền

1

neti) = Ty ent

Công thức huấn luyện và trọng số cập nhật w¿y trong từng chu kỳ / là

Wyj(t) = Wey (t — 1) + Awx;(£)

Gia tri thay d6i Awg(t) duoc tinh nhu sau:

HVTH: Lé Tan Tài 14

Aw,;(t) = iỗp;0„; + œwx;(t — 1) Trong đó ø là tham số tốc độ huấn luyện, 6); sai s6 lan truyền, ø„; là kết quả đầu ra

của nơ-ron j cho lần thứ p, ø là tham số khuếch đại, và w(7-1) là giá trị thay đổi cho wy

trong chu kỳ trước

2.4 CAY PHAN LOẠI HOI QUY (CART)

2.4.1 Giới thiệu:

Cây phân loại và hồi quy là một phương pháp cây quyết định để xây dựng cây phân loại hồi quy theo loại biến phụ thuộc của nó, vừa có thể theo kiêu phân loại hoặc

kiểu số [11] Với các trường dự đoán như nhau có thể sử dụng nhiều lần ở các cấp cây

khác nhau Phương pháp cây quyết định vượt trội hơn các mô hình kỹ thuật khác về tính

2.4.2 Thuật toán mô hình cây phân loại hồi quy:

Tùy thuộc vào trường mục tiêu, ba biện pháp đo lường có thể được sử dụng để xác định vị trí phân chia cho các mô hình cây phân loại và hồi quy Chăn hạn như, Gini thường được dùng cho trường mục tiêu tượng trưng trong khi phương pháp độ lệch bình phương nhỏ nhất sẽ tự động chọn các mục tiêu liên tục mà không giải thích được chúng

Chỉ số Gini g(t) tại một nút / trong mô hình cây quyết định, được xác định theo phương

2.5 TU DONG PHAT HIEN TUONG TAC CHI-SQUARED (CHAID)

2.5.1 Gidi thiéu :

Kỹ thuật tự động phát hiện tương tác Chi-squared là một kỹ thuật cây quyết định

dé phân loại dữ liệu được phát triển bởi Kass [14] Nó kiểm tra tính độc lập bằng cách

sử dụng kiểm định Chi-square dé đánh giá việc tách một nút có cải thiện độ đồng nhất

dữ liệu đáng kê hay không Cụ thể, bộ đự đoán có liên kết mạng nhất (theo gia tri p-

value) voi bién trả lời tại mỗi nút được sử dụng làm nút chia Nếu bộ dự đoán được kiểm định cho thấy không có sự cải thiện đáng kê về mặt thống kê, thì không có sự phân tách

nào được thực hiện và thuật toán dừng lại

2.5.2 Thuật toán mô hình tự động phát hiện tương tác chi-squared

Tự động phát hiện tương tác Chi-squared toàn diện được phát triển để giải quyết

các hạn chế của CHAID [15] Tuy nhiên, kỹ thuật CHAID toàn diện có thể không tối

ưu hóa phân tách cho các biến dự báo vì nó dừng việc hợp nhất các biến phân loại ngày khi xác định tất cả các biến phân loại còn lại khác nhau đáng kẻ Kỹ thuật CHAID toàn

diện tránh việc mô hình quá khớp trên cây đã phát triển đầy đủ vào dữ liệu để huấn luyện

bằng cách liên tục hợp nhất các bộ dự đoán phân loại cho đến khi chỉ còn hai biến phân loại tốt nhất Sau đó, nó xác định bộ dự đoán trong mỗi chuỗi các phép hợp nhất và tính

với biễn mục tiêu Do đó, CHAID toàn diện tìm ra sự phân tách tốt nhất cho mỗi bộ dự

đoán và chọn bộ dự đoán nào để phân tách dự trên gia tri p-value đã điều chỉnh

2.6 HÒI QUY TUYẾN TÍNH (LR)

Hình 2.5 Mô hình hồi quy đơn

Hồi quy tuyến tính là phương pháp phân tích hồi quy được nghiên cứu nghiêm ngặc và áp dụng một cách rộng rãi trên nhiều lĩnh vực khác nhau [17] Hầu hết các ứng

dụng thuộc một trong hai loại sau:

© Ding để dự đoán, dự báo hoặc giảm các lỗi thông qua phương trình hồi quy e«_ Giải thích sự thay đổi của các biến kết quả bằng sự thay đổi của các biến đầu vào

2.6.2 Thuật toán mô hình hồi quy tuyến tính:

Mô hình hồi quy tuyến tính đa biến (LR) là một phần mở rộng của hồi quy đơn,

nó xác định mối quan hệ giữa hai hoặc nhiều biến [18] Công thức chung của mô hình

`

là:

HVTH: Lé Tan Tài 17

tố cụ thể Mô hình hồi quy tuyến tính áp dụng bốn phương pháp hồi quy tuyến tính

đa biến bằng cách sử dụng bình phương cực tiểu: stepwise, forward và backward

2.7 HOI QUY TUYEN TINH TONG QUAT (GENLIN)

2.7.1 Giới thiệu:

Mô hình tuyến tính tổng quát được phát triển bởi Nelder and Wedderburn [19]

Mô hình có thê phân tích các phân phối xác suất khác nhau (như là phân phối chuẩn, nhị thirc, Poison va gamma) cho mot bién phụ thuộc sử dụng hàm liên kết làm mô hình tính toán để xác định mối quan hệ giữa các yếu tô dự báo tuyến tính và hàm phân phối trung bình

2.7.2 Thuật toán mô hình hồi quy tuyến tính tổng quát:

Mô hình tuyến tính tong quat linh hoat hon va co mỗi quan hệ thực tế hơn so với hồi quy đơn Mẫu phân phối giả định của các điểm đữ liệu và mỗi quan hệ giữa X và Y được xác định theo phương trình sau:

n = g(EŒ)) = X;8, + 0,Y~F

Trong đó rị là bộ dự đoán tuyến tính, O là biến bù, X; là biến độc lập, P: là hệ số độ

dốc và F là phân phối của Y

Ba thành phần của mô hình tuyến tính tổng quát là một biến kết quả Y với phân phối ngẫu nhiên cụ thê và giá trị kỳ vọng ¿ và phương sai ø2 (E(Y) = u) Một hàm liên

kết ø(.) với giá trị kỳ vọng () của Y để biến đổi các giá trị dự đoán của 7/7 = g0}; và

một mô hình cấu trúc tuyến tính

2.8 MÁY HỖ TRỢ VECTƠ (SVM)

2.8.1 Giới thiệu:

Vapnik là người đầu tiên giới thiệu máy hỗ trợ vectơ [20] Các máy hỗ trợ vectơ được tạo bởi các hàm ánh xạ đầu vào — đầu ra từ một tập dữ liệu Hàm này giải quyết cả

vecto epsilon [21] dé tim mét ham f(x) có độ lệch e tối đa được thu thập từ các dữ liệu

dau ra yi

2.8.2 Thuật toán mô hình mãy hỗ trợ vectơ:

Trong máy hỗ trợ vectơ hồi quy, đầu vào đầu tiên được ánh xạ và một vùng đặc tính không gian-m bằng cách sử dụng hàm phi tuyến như sau:

f(,@) = (a,x) + bvéiwex,bex Chất lượng của hàm ƒ{x) có thể được ước tính dựa trên tổn thất của ham L(x) nhu sau:

Hình 2.6 Máy hỗ trợ vectơ hồi quy

Đặc tính mới nhất của hỗ trợ vectơ hồi quy là sử dụng tổn thất không nhạy cảm e

dé tinh toán hàm hồi quy tuyến tính cho không gian đặc tính cao hơn đồng thời giảm độ phức tạp của mô hình bằng cách giảm thiểu ||@||? Hàm này được đưa ra bằng cách lây

tổng không âm của các hàm & va &", trong do i = 1, ,z được sử dụng để xác định các

mẫu huấn luyện từ vùng không nhạy cảm « Do đó, hỗ trợ vectơ hồi quy có thể được coi

là một phiên bản thu nhỏ của hàm sau:

tt

1

min ||ell? + € Ö (6, + £?)

i=1

¥,-f(%,o) Set+ &

voi 4 f(x%,w)-y, set

Mô hình kết hợp là một quá trình trong đó nhiều mô hình khác nhau được tạo ra

để dự đoán, bằng cách sử dụng nhiều thuật toán mô hình khác nhau hoặc sử dụng các

bộ dữ liệu đào tạo khác nhau Mô hình kết hợp sau đó sẽ tổng hợp dự đoán của từng mô

hình cơ bản và đưa ra kết quả cho một lần dự đoán cuối cùng Việc sử dụng mô hình kết

hợp là để giảm lỗi tông quát hóa của dự đoán

Có 3 phương pháp kết hợp mô hình dự báo được sử dụng phổ biến là:

e Phương pháp bagging: Xây dựng một lượng lớn các mô hình (thường là cùng

loại) trên những mâu phụ khác nhau từ tập dự liệu huân luyện

e Phương pháp boosting: Xây dựng một lượng lớn các mô hình (thường là cùng loại) Môi mô hình sau sẽ học cách sửa những lôi của mô hình trước (dữ liệu

mà mô hình trước dự đoán sai) tạo thành một chuôi Nhược điềm của chiên lược này là yêu cầu dữ liệu huẫn luyện phải rất lớn

e©_ Phương pháp stacking: Xây đựng một số các mô hình (thường là khác loại) và một mô hình giám sát, mô hình này sẽ học cách kết hợp kết quả dự báo của một

sô mô hình một cách tôt nhât

2.9.2 Thuật toán mô hình kết hợp :

Các mô hình được xếp hạng dựa vào quá trình dự đoán và sau đó các mô hình có

tỷ lệ dự đoán tốt nhất được kết hợp lại tạo thành mô hình kết hợp Phương pháp kết hợp

được thê hiện bằng phép toán là g: Rẻ —› R với một biến dự đoán X và biến phản hồi Y Mỗi phương pháp sử dụng một thuật toán xác định đề đưa ra một hàm ước tính ø(.) Ước

n

gel) = ) G #96)

j=l Trong do c; chira cac hé s6 két hop tuyén tinh, 1a gia trị trung bình của trọng số khác nhau

2.10 PHUONG PHAP CROSS VALIDATION (KIEM CHUNG CHEO)

2.10.1 Giới thiệu:

Kiểm chứng chéo còn được gọi là ước lượng xoay hoặc kiểm kiểm tra ngoài mẫu [22] Phương pháp sử dụng chủ yếu trong các mô hình dự đoán nhằm đánh giá các hiệu

suất chính xác của mô hình khi hoạt động trên thực 6

Một mô hình thường được cung cấp một tập dữ liệu đã biết về kết quả dé huấn

luyện (tập dữ liệu huấn luyện) và tập dữ liệu không xác định dựa và đó mô hình được kiểm tra

Mục tiêu của xác thực chéo là kiểm tra khả năng dự đoán đữ liệu mới của mô hình,

để tránh các vẫn đề như overfitting hay selection bias [23]

2.10.2 Áp dụng phương pháp kiếm chứng chéo:

Các nghiên cứu thường áp dụng thuật toán xác thực chéo k lần để giảm thiểu sai

số liên quan đến lấy mẫu ngẫu nhiên của việc đào tạo Kohavi đã xác nhận rằng thử nghiệm 10 lần đem lại thời gian tính toán và phương sai tối ưu [22] Phương pháp này phân chia tập mẫu dữ liệu thành 10 tập con, tiến hành xây dựng và xác thực mô hình 10

lần, chọn 1 tập dữ liệu khác để kiểm tra, huấn luyện mô hình bằng 9 tập dữ liệu và sử

dụng tập còn lại để kiểm tra tính chính xác của mô hình Độ chính xác của mô hình được

tính bằng độ chính xác trung bình của 10 mô hình trong 10 lần xác thực

Hình 2.7 Phương pháp xác thực chéo 10 lần

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU

3.1 QUY TRÌNH NGHIÊN CỨU

3.1.1 Giai đoạn 1:

Mục tiêu tìm ra được các nhân tô ảnh hưởng nhât đên nhu câu tiêu thụ năng lượng của căn hộ chung cư

Nghiên cứu tài liệu

trong và ngoài nước

Xác định vân đê nghiên cứu

Hình 3.1 Quy trình nghiên cứu giai đoạn 1

Xác định các yêu tô ảnh hưởng

đên nhu câu tiêu thụ năng lượng

của căn hộ chung cư

Tham khảo ý kiên

của các chuyên gia

Tổng hợp, kiểm định và phân tích băng phương pháp thông kê băng

phân mêm chuyên dụng

3.1.2 Giai đoạn 2:

Xây dựng, so sánh các mô hình dự đoán từ đó đưa ra mô hình tối ưu dự đoán mức

tiêu thụ năng lượng trong căn hộ chung cư dựa vào những nhân tô quan trọng ở giai

đoạn 1

Dé dùng các mô hình dự đoán mức độ tiêu thụ năng lượng ta theo các bước sau

đây khi sử dụng bộ tạo mô hình SPSS của IBM [12]

e Bước l: Nhập dữ liệu đầu vào nút nguồn dựa trên thuật toán xác thực chéo

® Bước 2: Sử dụng nút dự đoán số để đào tạo đữ liệu

e©_ Bước 3: Sử dụng mô hình SPSS để kiểm tra dữ liệu

e© _ Bước 4: Kết hợp các mô hình thông qua nút kết hợp

© _ Bước 5: Đánh giá kết quả phân tích thông qua bảng kết quả

—Cxs >>

CHAID

Dữ liệu đầu vào —( !R )- Đánh giá hiệu quả Kêt hợp các mô hình Dữ liệu đầu ra

GENLIN SVM

Hình 3.2 Sơ đồ khối mô hình ức tính mức tiêu thụ năng lượng

3.2 PHƯƠNG PHÁP THU THẬP DỮ LIỆU

3.2.1 Xác định những nhân tô ảnh hưởng đến nhu cầu tiêu thụ năng lượng của căn hộ chung cư:

Sau khi nghiên cứu các tài liệu liên quan đến năng lượng trong và ngoài nước và thao khảo ý kiến chuyên gia trong các ngành xây dựng, năng lượng, kiến trúc tác giả đưa ra được những nhân tô ảnh hưởng đến nhu cầu tiêu thụ năng lượng của căn hộ chung

cư như sau:

Bảng 3.1 Các nhân tô ảnh hưởng đến nhu cấu tiêu thụ năng lượng của căn hộ chung

cư

1 Nhiệt độ của không khí [24], [25], [26]

3 Téc dé gid (cap gid) [24] [25], [26]

4 Buc xa mat trời [24], [25], [26]

5 _ Số lượng máy điều hòa sử dụng [29], [30]

6 Tudi doi da sử dụng của máy điều hòa [29], [30]

7 Số lượng quạt [29], [30]

8 Số lượng máy làm nóng nước sử dụng [29], [30]

9 Tuổi đời đã sử dụng của máy làm nóng nước [29], [30]

10 Số bong den str dung [29], [30]

11 Loại bóng đèn sử dung [29], [30]

12 Kích cỡ tủ lạnh sử dụng [29], [30]

13 Tuổi đời sử dụng của tủ lạnh [29], [30]

14 Số lượng tivi và máy tính sử dụng [29], [30]

15 Số lượng lò nướng, bếp điện sử dụng [29], [30]

l6 VỊ trí tọa lạc của tòa nhà Chuyên gia, [29], [25]

17 Kích thước (chiều ngang, chiều sâu) tòa nhà [31] [28]

18 Diện tích mặt bằng của tòa nhà [31] [26]

19 — Chiều cao của tòa nhà [31] 28]

20 Mật độ các tòa nhà xung quanh [25], [28]

21 Cấu kiện che bóng (mái hiên, lam chắn nắng ) của tòa nhà [2ã]

22 — Số lượng căn hộ trong tòa nhà Đề xuất

23 — Số lượng tầng của tòa nhà Đề xuất

24 Đặc điểm tường bao ngoài của tòa nhà [27], [28]

25 Việc sử dụng thiết bị cung cấp năng lượng sạch của tòa nhà Chuyên gia

26 Mức độ tiện nghi của tòa nhà Chuyên gia

27 Tổng diện tích của căn hộ [29], [26]

28 Chiều cao trần (chiều cao thông thủy) của căn hộ Đề xuất

29 Số lượng cửa số của căn hộ [29] [26] [24]

30 Hướng cửa số của căn hộ Chuyên gia, [28]

31 Loại kính cửa số của căn hộ Chuyên gia, [29]

32 Màu kính cửa số của căn hộ [29] [28]

33 Việc sử dụng các cảm biến người (occupancy sensors) đê bật tắt Chuyên gia

thiệt bị trong căn hộ

34 Số lượng người trong căn hộ Chuyên gia, [29]

35 Nhận thức về tiết kiệm năng lượng của người trong căn hộ Chuyên gia

36 Đơn giá điện quy định của chung cư Đề xuất

37 Thu nhập của hộ gia đình [291.126]

3.2.2 Thiết kế bảng câu hồi:

Bảng câu hỏi là một trong những phương pháp thường được dùng để khảo sat, thu thập đữ liệu cho việc nghiên cứu Các câu hỏi phải rõ ràng và dễ hiểu cho người được

hỏi trả lời, mỗi câu chỉ nên nói đến một nội dung và phù hợp với chủ đề nghiên cứu Bảng câu hỏi được thiết kế từ việc tham khảo các nghiên cứu trước Sau đó được

đem đi khảo sát ý kiến của các chuyên gia trong các lĩnh vực xây dựng, kiến trúc, năng lượng và phát triên bền vững

Bảng câu hỏi sau đó sẽ được hoàn chỉnh sau khi chỉnh sửa từ việc tổng hợp ý kiến chuyên gia Tiến hành khảo sát đại trà để thu thập dữ liệu Bảng câu hỏi được gửi tới những người có kiến thức về xây dựng, kiến trúc, năng lượng thông qua cách gửi trực tiếp bảng cứng và gửi bảng online

Các nhân tố này được đánh giá dựa trên thang đo sự ảnh hưởng đến mức tiêu thụ điện trong căn hộ chung cư, thang đo này có 5 mức độ từ 1 đến 5 theo thứ tự từ rất ít, ít, trung bình, nhiêu, rât nhiêu Được sắp xêp theo các mục như sau:

Bảng 3.2 Phân nhóm các nhân tô ảnh hưởng đến nhu cấu tiêu thụ năng lượng của căn

hộ chung cư

Nhóm nhân tố anh hưởng liên quan đến khí hậu

L1 Nhiệt độ của không khí

L2 Hướng gió

I3 Tốc độ gió (cấp gió)

L4 Bức xạ mặt trời

Nhóm nhân tố änh hướng liên quan đến thiết bị sử dụng điện

IL1 Số lượng máy điều hòa sử dụng

IL2 Tuổi đời đã sử dụng của máy điều hòa

IL3 Số lượng quạt

IL4 Số lượng máy làm nóng nước sử dụng

IL5 Tuổi đời đã sử dụng của máy làm nóng nước

IL6 Số bóng đèn sử dụng

IL7 Loại bóng đèn sử dụng

IL.8 Kích cỡ tủ lạnh sử dụng

I9 — Tuổi đời sử dụng của tủ lạnh

I.10 — Số lượng tivi và máy tính sử dụng

IL1I Số lượng lò nướng, bếp điện sử dụng

Nhóm nhân tố ảnh hưởng liên quan đến đặc điểm của tòa nhà

HLI VỊ trí tọa lạc của tòa nhà

HIL2 Kích thước (chiều ngang, chiều sâu) tòa nhà

HIL3 Diện tích mặt bằng của tòa nhà

1.4 Chiều cao của tòa nhà

1.5 Mật độ các tòa nhà xung quanh

HL6 Cấu kiện che bóng (mái hiên, lam chan nang ) cha tòa nhà

IHI7 Số lượng căn hộ trong tòa nhà

HL8 Số lượng tầng của tòa nhà

3.3 LY THUYET KIEM ĐỊNH THANG ĐO:

Khi thực hiện các nghiên cứu định lượng, người nghiên cứu phải sử dụng các thang

đo lường khác nhau Hiện tượng kinh tế - xã hội diễn ra rất phức tạp nên việc lượng hoá các khái niệm nghiên cứu đòi hỏi phải có những thang đo lường được xây dựng phù hợp

và được kiểm tra độ tin cậy trước khi sử dụng Việc xây dựng và kiểm định thang đo có

ý nghĩa rất quan trọng đến độ tin cậy của các câu hỏi cũng như các kết quả phân tích sau này của nghiên cứu Kiểm định thang đo là chúng ta kiểm tra xem các mục hỏi nào đã đóng góp vào việc đo lường một khái niệm lý thuyết mà ta đang nghiên cứu, và những mục hỏi nào không Điều này liên quan đến 02 phép tính toán: tương quan giữa bản thân các mục hỏi và tương quan giữa các điểm số của từng mục hỏi với điểm số toàn bộ các mục hỏi cho mỗi bảng câu hỏi

Một đo lường được coi là có giá trị (validity) nếu nó đo lường đúng được cái cần

đo lường Hay nói cách khác, đo lường đó sẽ không có hiện tượng sai số hệ thống và sai

số ngẫu nhiên

+ Sai số hệ thống: sử dụng thang đo không cân bằng, kỹ thuật phỏng vẫn kém + Sai số ngẫu nhiên: phỏng vấn viên ghỉ nhằm số đó của người trả lời, người trả lời thay đôi tính cách nhất thời như do mệt mỏi, đau yếu, nóng giận làm ảnh hưởng đến câu trả lời của họ

Trên thực tế nghiên cứu, chúng ta sẽ bỏ qua sai số hệ thống và quan tâm đến sai

số ngẫu nhiên Khi một đo lường vắng mặt các sai số ngẫu nhiên thì đo lường có độ tin cậy (reliability) Vì vậy, một đo lường có giá trị cao thì phải có độ tin cậy cao

Đo lường độ tin cậy bằng hệ số Cronbach’s Alpha [32]:

+ Cronbach đưa ra hệ số tin cậy cho thang đo Chú ý, hệ số Cronbach”s Alpha chỉ đo lường độ tin cậy của thang đo (bao gồm từ 3 biến quan sát trở lên) chứ không tính được độ tin cậy cho từng biến quan sát

+ Hés6 Cronbach’s Alpha co gia trị biến thiên trong đoạn [0,1] Về lý thuyết,

hệ số này càng cao càng tốt (thang đo càng có độ tin cậy cao) Tuy nhiên điều này không hoàn toàn chính xác Hệ số Cronbach's Alpha quá lớn (khoảng từ 0.95 trở lên) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau, hiện tượng này gọi là trùng lắp trong thang đo

Tính hệ số tin cậy Cronbach”s Alpha bằng SPSS [32]:

+ Các tiêu chuẩn kiêm định: Nếu một biến đo lường có hệ số tương quan biến tong Corrected Item — Total Correlation > 0.3 thì biến đó đạt yêu cầu

+ Mức giá trị hệ số Cronbach’s Alpha:

o_ Từ 0.8 đến gần bằng l: thang đo lường rất tốt

o_ Từ 0.7 đến gần bằng 0.8: thang đo lường sử dụng tốt

o_ Từ 0.6 trở lên: thang đo lường đủ điều kiện

Chúng ta cũng cần chú ý đến giá trị của cột Cronbach's Alpha ¡f Item Deleted, cột này biểu diễn hệ số Cronbach's Alpha nếu loại biễn đang xem xét Thông thường chúng

ta sẽ đánh giá cùng với hệ số tương quan biến tông Corrected Item — Total Correlation, néu gia tri Cronbach's Alpha if Item Deleted 1én hơn hệ số Cronbach Alpha và Corrected

Item — Total Correlation nhỏ hơn 0.3 thì sẽ loại biến quan sát đang xem xét để tăng độ tin cậy của thang đo

3.4 CÔNG CỤ NGHIÊN CỨU

3.4.1 Phần mềm thống kê SPSS:

Vào năm 1968, Norman H.Nie, C.Hadlai Hull và Dale H.Ben đã xây dựng phần mềm với mục đích là sử dụng những số liệu thống để xây dựng các thông tin cần thiết cho việc đưa ra quyết định và phần mềm SPSS được hình thành từ đó, đến nay đã có

phiên bản 20 Luận văn này, phần mềm SPSS duoc str dung dé phan tích dữ liệu khảo

sát đầu vào đề lựa chọn được các tiêu chí xây dựng mô hình phân tích đưa ra quyết định

3.4.2 Phan mém SPSS modeler (Clementine):

IBM SPSS Modeler 1a m6t tmg dung phần mềm phân tích đữ liệu và khai phá đữ

liệu của IBM Nó được sử dụng dé xây dựng các mô hình dự đoán và thực hiện các

nhiệm vụ phân tích khác Phần mềm có giao diện trực quan cho phép người dùng tận dụng các thuật toán khai phá đữ liệu và thống kê mà không cần lập trình Một trong

những mục tiêu chính của nó ngay từ đầu là loại bỏ sự phức tạp không cần thiết trong

chuyến đổi đữ liệu và làm cho các mô hình dự đoán phức tạp trở nên rất dễ sử dụng Phiên bản đầu tiên kết hợp cây quyết định (ID3) và mạng nơ-ron (backprop), cả hai đều có thể được đào tạo mà không có kiến thức cơ bản về cách các kỹ thuật đó hoạt động

Công nghệ khai phá dữ liệu hiện được áp dụng trong quá trình đự đoán của nhiều

lĩnh vực Các nút dự đoán, bao gdm sáu kỹ thuật khai phá dữ liệu: ANNs, CART,

CHAID, LR, GENLIN, va SVMs, duoc str dung để tự động tạo và so sánh kết quả liên tục của các mô hình mặc định

CHUONG 4 THU THAP VA PHAN TICH DU LIEU GIAI DOAN 1

4.1 THU THAP DU LIEU

Số lượng bảng câu hỏi được gửi đi là 236 bảng, thu về được 206 bảng câu hỏi, tỉ

lệ phản hồi là 87.3%, trong đó có 6 mẫu được xem là không hợp lệ, do đó, số mẫu được

cho là hợp lệ để tiến hành phân tích là 200 (84.7%) Đối tượng khảo sát là những người

có kiến thức và kinh nghiệm trong lĩnh vực xây dựng, kiến trúc, năng lượng và phát

triển biển vững

4.2 BAC DIEM CUA MAU NGHIEN CUU

4.2.1 S6 nim kinh nghiém

Bảng 4.1 Thống kê số năm kinh nghiệm của người tham gia khảo sát

Trong khảo sát chủ yếu người tham gia có kinh nghiệm trong ngành khoảng từ 0 đến 5 năm (chiếm tông số hơn 70%) Số người có 5 đến 10 năm kinh nghiệm trong ngành cũng chiếm tỷ trọng cao khoản 22.5% Riêng đối với nhóm người có trên 10 năm

kinh nghiệm vì khó có thể tiếp cận để khảo sát nên nhóm này chỉ chiếm 7.5%

4.2.2 Chuyên ngành và lĩnh vực làm việc

Bảng 4.2 Thống kê chuyên ngành và lĩnh vực làm việc của người tham gia khảo sát

năng lượng và phát triển bền vững cũng tham gia vào khảo sát với tỷ trọng lần lượt là 13% và 7.5%

4.3 KIEM DINH CROMBACH’S ALPHA

Những mẫu được thu thập về được kiểm tra và loại bỏ những mẫu không đủ dữ liệu hoặc dữ liệu không phù hợp Để đánh giá mức độ chặc chẽ giữa các câu hỏi được hỏi trong thang đo có tương quan với nhau trong một khái niệm thì kiểm định Crombach's alpha được sử dụng để giải quyết vấn đề trên

Hệ số alpha nằm trong khoảng 0 đến 1 Với mức chấp nhận Crombach's alpha 1a

0.6 — 0.7 thì được xem là sử dụng được, từ mức 0.8 trở lên thì được xem là tốt

Bảng 4.3 Hệ số Crombach's alpha cho tường nhóm nhân tố

Nhóm các nhân tô liên quan liên quan đến khí hậu 0.775

Nhóm các nhân tô liên quan đến thiết bị sử dụng điện 0.892

Nhóm các nhân tố liên quan đến đặc điểm của tòa nhà 0.877

Nhóm các nhân tố liên quan đến đặc điểm của căn hộ 0.869

Các giá trị hệ s6 Crombach’s alpha cua timg nhom nhân tố trong cuộc khảo sát đều

nằm ở mức chấp nhận được (đều > 0.6) cho thấy thang đo lường tương đối tốt

4.3.1 Nhóm nhân tố liên quan đến khí hậu

Nhóm nhân tốt này chủ yếu đều cập đến sự ảnh hưởng của yếu tố về khí hậu đến

nhu cầu tiêu thụ năng lượng của tòa nhà chung cư Nhóm nhân tố này bao gồm : Nhiệt

độ (1.1), hướng gié (1.2), tac độ gió (1.3), bức xạ mặt trời (1.4)

Bảng 4.4 Hệ số Crombach”s alpha nhóm nhân tố liên quan đến khí hậu

if Item Scale Variance if Item-Total Item Deleted Item Deleted Correlation Deleted