Baseline Buster
⭐ 0/15
🤖 ดาต้า ผู้ช่วยแล็บสวัสดีครับ! มาล่าสมการพลังงานกัน
DATA LAB · MONITOR 0100:00
กราฟกระจาย
Residual รายเดือน
—
📋 ตารางข้อมูล 24 เดือน
Energy Skills Lab · Triple E Technology
📈🤖

Baseline Busterนักล่าสมการพลังงาน

กลุ่ม: มหาวิทยาลัย / วิศวกรใหม่
สร้าง Energy Baseline ด้วย regression · อ่าน R², CV(RMSE), t-stat
ตัด outlier อย่างมีเหตุผล · ใช้ CUSUM จับผลประหยัด
Energy Skills Lab · Triple E Technology

วิธีเล่น

—

📐 สูตร / ที่มา

1) Regression แบบ OLS (Ordinary Least Squares)

E = a + b₁·x₁ + b₂·x₂ + … + ε
β = (XᵀX)⁻¹ Xᵀy — เส้นที่ทำให้ SSE = Σ(y − ŷ)² ต่ำที่สุด

2) ความเหมาะสมของโมเดล

R² = 1 − SSE/SST  ·  adj R² = 1 − (1−R²)(n−1)/(n−p)
RMSE = √(SSE/(n−p))  ·  CV(RMSE) = RMSE/ȳ × 100%
  • n = จำนวนเดือน, p = จำนวนพารามิเตอร์ (รวมค่าคงที่ a)
  • ASHRAE Guideline 14 เกณฑ์สมการฐาน: CV(RMSE) ≤ 20% เมื่อข้อมูลช่วงรายงานผลน้อยกว่า 12 เดือน · ≤ 25% เมื่อ 12–60 เดือน · ≤ 30% เมื่อเกิน 60 เดือน
  • CV(RMSE) 15% และ NMBE 5% (ข้อมูลรายเดือน) เป็นเกณฑ์ของแบบจำลองคอมพิวเตอร์ที่ปรับเทียบกับข้อมูลจริง (calibrated simulation) ไม่ใช่เกณฑ์ของสมการถดถอย
  • OLS ที่มีค่าคงที่ a ให้ผลรวมของความคลาดเคลื่อนในช่วง baseline = 0 เสมอ จึงผ่านเกณฑ์ net determination bias ≤ 0.005%
  • อ้างอิง: ASHRAE Guideline 14-2002 ข้อ 5.3.2.1(e) · 5.3.2.4(f) · 5.2.10 — https://www.eeperformance.org/uploads/8/6/5/0/8650231/ashrae_guideline_14-2002_measurement_of_energy_and_demand_saving.pdf

3) ความมีนัยสำคัญของแต่ละตัวแปร

SE(bⱼ) = √(s²·[(XᵀX)⁻¹]ⱼⱼ), s² = SSE/(n−p)
t = bⱼ / SE(bⱼ)  ·  p-value จาก t-distribution (df = n−p)
  • กฎหัวแม่มือ |t| > 2 ≈ p < 0.05 → ตัวแปรช่วยอธิบายจริง
  • adj R² จะ "ลดลง" เมื่อเพิ่มตัวแปรที่ |t| < 1

4) Cooling Degree Days

CDD(Tb) = Σวัน max(0, Tเฉลี่ยวัน − Tb)
  • Tb ≈ balance point ของอาคาร — เลือกค่าที่ให้ R² สูงสุด (ISO 50006 ภาคผนวก)

5) CUSUM และผลประหยัด

CUSUMₖ = Σi≤k (Eจริง − Eคาดการณ์จาก baseline)
ผลประหยัดสะสม = Σ(Eคาดการณ์ − Eจริง) = −CUSUM ปลายช่วง
  • ความชันของ CUSUM เปลี่ยน = สมรรถนะเปลี่ยน (มาตรการเริ่มผล / เครื่องเสื่อม)
  • IPMVP Option C (ทั้งโรงงาน) · ISO 50015 (M&V) · ISO 50006 (EnB/EnPI)

สมมติฐานของเกม

  • ข้อมูลสังเคราะห์: E = a + b·ผลผลิต + c·CDD + สัญญาณรบกวนแบบปกติ (seed คงที่ต่อด่าน)
  • อุณหภูมิรายวันจำลองจากค่าเฉลี่ยรายเดือนเชียงใหม่ (ด่าน 2) / ภาคกลาง (ด่าน 3, 5)
  • ตัวเลขอยู่ในช่วงโรงงานอาหารขนาดกลาง 0.3–0.6 GWh/เดือน และอาคารสำนักงาน 70–190 MWh/เดือน

ข้อมูลเดือน

—
—
ตัดจุดนี้ออกจาก baseline เพราะ…
🏁

จบด่าน!

⭐⭐⭐
—
🔎 เฉลย / ข้อคิด
Energy Skills Lab · Triple E Technology
🏆📈

ปิดแล็บ! คุณคือ Baseline Buster

ได้ดาวทั้งหมด 0 / 15 ดวง

สรุปบทเรียน 5 ข้อ
① OLS = เส้นที่ SSE ต่ำสุด · b = พลังงานต่อหน่วยส่วนเพิ่ม, a = โหลดพื้นฐาน
② CDD ต้องเลือกฐานอุณหภูมิให้ตรง balance point — ดูจาก R²
③ ใส่เฉพาะตัวแปรที่มีเหตุผลทางวิศวกรรมและ |t| > 2 · ดู adj R² ไม่ใช่ R²
④ ตัด outlier ได้เมื่อมีหลักฐานหน้างานเท่านั้น และต้องบันทึกเหตุผล
⑤ CUSUM หักหัว = สมรรถนะเปลี่ยน · ผลประหยัด = Σ(คาดการณ์ − จริง)

เกณฑ์อ้างอิง: ASHRAE Guideline 14-2002 ข้อ 5.3.2.1(e) (CV(RMSE) สมการฐาน ≤ 20% เมื่อช่วงรายงานผลน้อยกว่า 12 เดือน · 25% เมื่อ 12–60 เดือน) · ISO 50006 · IPMVP

Energy Skills Lab · Triple E Technology