Met het oog op de reductie van het residentieel energiegebruik is een beter begrip en opvolging van het werkelijk energiegebruik van woningen in gebruikstoestand noodzakelijk. Dit wijkt immers vaak aanzienlijk af van het theoretisch energiegebruik ingeschat met behulp van energieprestatieberekeningen. Tegelijkertijd worden meer en meer slimme energiemeters geïnstalleerd in woningen, die toelaten om ieder uur metingen van het energiegebruik te verzamelen. De vraag rijst of we met deze data het gebouwenergiegebruik nauwkeuriger kunnen beschrijven in functie van de weersomstandigheden en de kalender, met andere woorden, of we de energiesignatuur van een woning accurater kunnen karakteriseren. In dit proefschrift wordt het wiskundig modelleren van het energiegebruik voor warmte voornamelijk voor ruimteverwarming in woningen onderzocht. De bruikbaarheid en nauwkeurigheid van klassieke lineaire regressiemethodes en ARX-modellen op dagelijks geaggregeerde data wordt geëvalueerd. Op basis van twee-uurlijkse data worden energiegebruikspatronen geïdentificeerd. Deze laten toe om een aantal eigenschappen van het aan energiegebruik gerelateerd gedrag van de bewoners en systemen te herkennen en beter te begrijpen, en leiden tot een betere kwaliteit en nauwkeurigheid van de energiesignatuurmodellen. Energiesignaturen kunnen gebruikt worden om het energiegebruik voor verschillende periodes of woningen te vergelijken, te schatten of te normaliseren, in toepassingen zoals energiefeedback of energieaudits. | |