Регрессионный анализ при определении ключевых показателей эффективности котельных
DOI:
https://doi.org/10.34031/ES.2026.1.01Ключевые слова:
потребление природного газа, тепловая энергия, средневзвешенный КПД, моделирование, уравнение регрессии, зависимые и независимые переменныеАннотация
В работе рассматривается применение регрессионного анализа для определения и оценки ключевых показателей эффективности котельных: потребления природного газа, выработки тепловой энергии и средневзвешенного КПД. В качестве объекта исследования выбрана действующая котельная с устаревшими котлоагрегатами и автоматикой управления и регулирования. Анализ выполнен на основе фактических суточных данных о потреблении природного газа, объёме выработки тепловой энергии и метеорологических параметрах за два отопительных сезона. Построены регрессионные модели, описывающие зависимость потребления топлива, выработки тепловой энергии и средневзвешенного КПД от погодных условий. Особое внимание уделено вопросу устойчивости (инвариантности) средневзвешенного КПД к изменению метеорологических факторов как показателю стабильности работы оборудования. Проведён анализ применимости разработанных моделей для прогнозирования ключевых показателей эффективности и обоснования решений по модернизации оборудования котельной.
Библиографические ссылки
[ГОСТ Р 7.0.5-2008]
1. Гужов С.В. Гашо, Е.Г., Шепель В.А. Составление прогнозного топливно-энергетического баланса котельной в условиях недостаточности данных // Энергетические системы. – 2019. – № 1. – С. 33-39.
EDN: UEALGC (https://elibrary.ru/uealgc).
2. Гашо Е.Г., Гужов С.В., Кролин А.А. О прогнозировании трендов изменения удельных смешанных нагрузок электропотребителей микрорайонов и городов в условиях недостаточности данных // Энергетические системы. – 2018. – С. 87-94.
EDN: MSFHQM (https://elibrary.ru/msfhqm).
3. Максимюк Е.В. Прогнозирования зависимых контролируемых параметров работы источников теплоснабжения // Современные проблемы науки и образования. – 2014. – № 6. – С. 22. URL: https://online.rae.ru/pdf/1948.
4. Максимюк Е.В., Микшина В.С. Применение регрессионного анализа для выявления степени влияния отдельных узлов оборудования на эффективность работы котельных // Вестник кибернетики. – 2014 г. – №4 (16) – С. 12-21.
EDN: TCACBZ (https://elibrary.ru/tcacbz).
5. Максимюк Е.В., Микшина В.С. Математическое моделирование для поддержки принятия решений в области обеспечения энергетической эффективности // Качество. Инновации. Образование. – 2014. – № 8. – С. 54-63.
EDN: SUCWAR (https://elibrary.ru/sucwar).
6. Grillone B., Mor G., Danov S., Cipriano J., Lazzari F., Sumper A. Baseline Energy Use Modeling and Characterization in Tertiary Buildings Using an Interpretable Bayesian Linear Regression Methodology // Energies. – 2021. – №14. – P. 5556.
DOI: https://doi.org/10.3390/en14175556.
7. Draper, N., & Smith, H. (1998). Applied regression analysis / 3rd ed. – Toronto: John Wiley & Sons, 1998. – 736 p.
8. Rao, C. R. Linear statistical inference and its applications / (2nd ed). Toronto: John Wiley & Sons, 1973. – 656 p.
[References, APA (7th ed.)]
1. Guzhov, S. V., Gasho, E. G., & Shepel V.A. (2019). Sostavlenie prognoznogo toplivno-energeticheskogo balansa kotel'noy v usloviyakh nedostatochnosti dannykh [Development of a forecast fuel and energy balance of a boiler plant under data insufficiency conditions]. Energy system, 1, 33-39. [In Russian]
2. Gasho, E. G., Guzhov, S. V., & Krolin, A. A. (2018). O prognozirovanii trendov izmeneniya udel'nykh smeshannykh nagruzok elektropotrebiteley mikrorayonov i gorodov v usloviyakh nedostatochnosti dannykh [On forecasting trends in specific mixed electrical loads of urban districts under data insufficiency conditions]. Energy system, 1, 87-94. [In Russian]
3. Maksimyuk, E. V. (2014). Prognozirovanie zavisimykh kontroliruemykh parametrov raboty istochnikov teplosnabzheniya [Forecasting dependent controlled parameters of heat supply sources]. Sovremennye problemy nauki i obrazovaniya, 6, 22. [In Russian]
4. Maksimyuk, E. V., & Mikshina, V. S. (2014). Primenenie regressionnogo analiza dlya vyyavleniya stepeni vliyaniya otdel'nykh uzlov oborudovaniya na effektivnost' raboty kotel'nykh [Application of regression analysis to determine the influence of equipment components on boiler plant efficiency]. Vestnik kibernetiki, 4(16), 12-21. [In Russian]
5. Maksimyuk, E. V., & Mikshina, V. S. (2014). Mathematical modeling for decision support in energy efficiency. Kachestvo. Innovatsii. Obrazovanie, 8, 54-63. [In Russian]
6. Grillone, B., Mor, G., Danov, S., Cipriano, J., Lazzari, F., & Sumper, A. (2021). Baseline energy use modeling and characterization in tertiary buildings using an interpretable Bayesian linear regression methodology. Energies, 14(17), 5556. https://doi.org/10.3390/en14175556
7. Draper, N., & Smith, H. (1998). Applied regression analysis. (3rd ed.). John Wiley & Sons.
8. Rao, C. R. (1973). Linear statistical inference and its applications. (2nd ed). John Wiley & Sons.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
URN
Лицензия
Copyright (c) 2026 Бирюков Алексей Борисович, Полхов Сергей Валерьевич
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
