หลักสูตร/ปี พ.ศ. วิทยาศาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ ปี พ.ศ. 2563
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2562
ประเภทโครงงาน
วิทยานิพนธ์
ชื่อโครงงานภาษาไทย
การวิเคราะห์ปัจจัยและทำนายการใช้พลังงานของอาคารประเภทต่างๆ ในมหาวิทยาลัย
ชื่อโครงงานภาษาอังกฤษ
Factor Analysis and Prediction of Energy Consumption in University Buildings from
Different Categories
ผู้พัฒนา
6014552537 นางสาวณัฐธีรา ไทยานันท์
อาจารย์ที่ปรึกษาหลัก
สุภาพร เอื้อจงมานี
อาจารย์ที่ปรึกษาร่วม
กฤษณะ ไวยมัย
บทคัดย่อ
การใช้พลังงานไฟฟ้าบนโลกรวมทั้งประเทศไทยมีแนวโน้มที่เพิ่มขึ้นเรื่อย ๆ งานวิจัยที่ศึกษาปัจจัยที่ส่งผลต่อการใช้พลังงานไฟฟ้าและการทำนายพลังงานไฟฟ้าจึงเป็นเรื่องที่จำเป็น การวิจัยในครั้งนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีผลต่อการใช้พลังงานไฟฟ้า และใช้วิธีการเรียนรู้แบบเครื่องมาสร้างตัวแบบและทำนายการใช้พลังงานไฟฟ้าในอาคารประเภทต่าง ๆ ด้วยวิธีที่เลือกใช้คือ การวิเคราะห์ความถดถอยพหุคูณ การวิเคราะห์โครงข่ายประสาทเทียม และการวิเคราะห์ป่าแบบสุ่ม
งานวิจัยนี้วิเคราะห์ข้อมูลการใช้พลังงานไฟฟ้าตั้งแต่ปี พ.ศ. 2556 ถึง พ.ศ. 2561 เป็นข้อมูลอาคารภายในมหาวิทยาลัยเกษตรศาสตร์ บางเขน จำนวน 61 อาคาร และจุฬาลงกรณ์มหาวิทยาลัย จำนวน 81 อาคาร โดยแบ่งประเภทอาคารทั้งหมดออกเป็น 6 ประเภท ได้แก่ อาคารเรียนรวม อาคารสำนักงาน อาคารอเนกประสงค์ อาคารวิจัย หอพักนิสิต และอาคารจอดรถ และนำปัจจัยที่มีผลต่อการใช้พลังงานในอาคารประเภทต่าง ๆ จำนวน 5 ปัจจัย ได้แก่ พื้นที่ใช้สอย จำนวนชั้น อายุของอาคาร อุณหภูมิเฉลี่ยรายเดือน และดัชนีเปิดเทอม-ปิดเทอม มาวิเคราะห์ความสำคัญของแต่ละปัจจัยด้วยวิธีการคัดเลือกตัวแปร
จากการวิเคราะห์ปัจจัยพบว่าปัจจัยโดยรวมที่มีผลต่อการใช้พลังงานไฟฟ้ามากที่สุด ได้แก่ ปัจจัยพื้นที่ใช้สอยและปัจจัยจำนวนชั้นของอาคาร โดยอาคารประเภทต่างๆ มีปัจจัยที่ส่งผลแตกต่างกันออกไป ส่วนผลของการทำนายการใช้พลังงานไฟฟ้าพบว่าวิธีการวิเคราะห์ป่าแบบสุ่มให้ผลการทำนายที่มีประสิทธิภาพสูงกว่าวิธีการวิเคราะห์ถดถอยพหุคูณและวิธีโครงข่ายประสาทเทียม ทั้งการทำนายโดยใช้ทุกค่าการใช้พลังงานไฟฟ้าและแบบแบ่งช่วงค่าการใช้ไฟฟ้า งานวิจัยนี้สามารถนำไปใช้กับข้อมูลอาคารอื่นๆ เพื่อศึกษาการใช้พลังงานไฟฟ้าได้เช่นกัน
Abstract
Electricity consumption has progressively increased all over the world, including Thailand. Thus, the research that studies the affected factors and the predictions on electricity consumption is mandatory. This research aims to study factors affecting electricity usage in different types of buildings. In addition, this work applies machine learning to create model that predicts electricity usage for different types of buildings. The selected machine learning algorithms are multiple regression, neural network and random forest.
This work collected electricity usage data between 2013–2018, from 61 Kasetsart University and 81 Chulalongkorn University buildings. The buildings are classified into lecture buildings, administration buildings, multi-purpose buildings, research-laboratory buildings, dormitories and parking buildings. There are five factors affecting on electricity usage in different buildings applied and analyzed in this work. The factors are usage area, number of stories, number of years, monthly average temperature and semester-on/off index. Feature selection is applied to find out importance of each factor from different categories of buildings.
The factor analysis result shows the most affected factors on electricity consumption are usable area and number of stories. Different categories have different affected factors. The result of electricity usage prediction shows that random forest can predict electricity usage more effectively than multiple regression and neural network, based on all data and interval data. The results can also be applied with other buildings to analyze electricity consumption prediction.
คำสำคัญ (Keywords)
การวิเคราะห์ปัจจัย
การคัดเลือกตัวแปร
การทำนายการใช้พลังงานไฟฟ้า
การวิเคราะห์ถดถอยพหุคูณ
การวิเคราะห์โครงข่ายประสาทเทียม
การวิเคราะห์ป่าแบบสุ่ม
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
-
ผู้นำเข้าข้อมูลครั้งแรก
นางสาวณัฐธีรา
ไทยานันท์
(g6014552537)
แก้ไขครั้งสุดท้าย
เมื่อ Sept. 1, 2020, 7:34 p.m. โดย
นางสาวณัฐธีรา
ไทยานันท์
(g6014552537)
สถานะการอนุมัติ
รออนุมัติ