Đường cơ sở năng lượng (Phần 4): Hàm hồi quy đa biến

Chào các bạn, ở phần trước chuyên gia tư vấn ENERVI đã phân tích và chỉ các biện pháp xử lý dữ liệu để có một đường cơ sở với độ tin cậy cao. Ngoài các phương pháp đã nêu, trong phần này tôi sẽ chỉ một phương pháp nâng cao với độ phức tạp cao hơn là xây dựng đường cơ sở năng lượng với phương pháp hồi quy đa biến.
Như các bạn biết, trong thực tế năng lượng tiêu thụ đầu vào không chỉ phụ thuộc vào yếu tố đầu ra như sản lượng hay doanh thu mà còn có thể phục thuộc vào rất nhiều yếu tố khác (các biến tác động) như nhiệt độ môi trường, diện tích nhà xưởng, số lượng công nhân,... Mỗi yếu tố có một tác động khác nhau đến năng lượng tiêu thụ đầu vào, thông thường ta chỉ sử dụng một yếu tố tác động chính để biểu thị xu thế sử dụng năng lượng thông qua một hàm số tuyến tính (Y = A*x + B) mà ta gọi là đường cơ sở năng lượng. Tuy nhiên nếu có nhiều hơn 1 biến tác động chính ảnh hưởng lớn đến việc tiêu thụ năng lượng như lò hơi hoặc chiller ngoài yếu tố sản lượng đầu ra bị tác động mạnh mẽ bởi yếu tố nhiệt độ môi trường,.. vậy có thể biểu thị các yếu tố tác động trên cùng một hàm số không? Câu trả lời là có, chúng ta có thể có đường cơ sở năng lượng dạng:
y = A*x1 + B*x2 + ... + C
Có nhiều phần mềm thống kê có thể giúp ta xây dựng đường hồi quy đa tuyến như Eviews, SPSS,.. tuy nhiên hôm nay tôi sẽ hướng dẫn các bạn phân tích hồi quy đa biến trên Excel với công cụ Data Analysis.
Bước 1: Cài đặt công cụ Data Analysis.
1.  Vào file -> Options
2. Từ Excel Options vào Add-Ins -> Analysis toolpak -> Go
3. Chọn Analysis toolpak
Như hình dưới là đã cài đặt thành công:
Bước 2: Tính toán hồi quy đa biến:
Xét ví dụ về lò hơi có thu thập dữ liệu quá khứ về năng lượng tiêu thụ, sản lượng hơi và nhiệt độ môi trường
1.  Từ dữ liệu có được của các biến, chọn công cụ “Data Analysis” -> chọn “Regression” -> OK
2.  Nhập dữ liệu theo hướng dẫn trong đó:
Input Y Range: Vùng chứa biến phụ thuộc (chọn vùng chứa biến phụ thuộc – bao gồm cả tên biến)
Input X Range: Vùng chứa các biến độc lập chọn vùng chứa các biến độc lập –  bao gồm cả tên biến)
Labels: Chọn để có sử dụng tên biến
Confidence Level: Độ tin cậy (1-a), mặc định 95%,
Output Range: Vùng xuất dữ liệu.
Bước 3: Phân tích kết quả
1.  Ta có kết quả tính toán như hình dưới, trong đó trong phạm vi bài toán của mình cần chú ý một số chỉ số sau:
R Square :Độ tương quan mẫu R2(độ tương quan càng cao, các kết quả từ đường csnl càng chính xác, R2>0.7 là đạt)
Coefficients:Hệ số mẫu( là các hệ số của hàm số trong đó Intercept là hệ số nền)
Như vậy ta có đường cơ sở năng lượng từ kết quả từ tính toán là hàm đa biến có dạng:
2.   Sử dụng đường cơ sở tính toán được, bằng các hướng dẫn phần trước ta có thể tính toán được tiềm năng tiết kiệm năng lượng, hiệu ích tiết kiệm năng lượng và các chỉ số khác
Cụ thể xin mời xem video hướng dẫn sau:
 

Các bài viết liên quan

Đường cơ sở năng lượng (Phần 3): Xử lý dữ liệu đường cơ sở năng lượng

15/06/2017

Trong phần này chuyên gia ENERVI sẽ đi phân tích chỉ ra nguyên nhân và các biện pháp xử...

Đường Cơ Sở Năng Lượng (Phần 2) Tính Toán Năng Lượng Tiết Kiệm Và Lũy Kế Tiết Kiệm.

02/06/2017

Tại phần này chúng ta sẽ tiếp tục với việc tính toán chỉ số tiết kiệm năng lượng đạt được...

Tổng quan về đường cơ sở năng lượng

02/06/2017

Đường cơ sở năng lượng là điểm khởi đầu để đo lường hiệu suất năng lượng theo thời gian. Nó được...