建筑能耗预测技术的应用.docVIP

建筑能耗预测技术的应用 　　摘 要：建筑能耗在总能源消费中占比已达三分之一，有效的能源消费预测，对建筑能源管理和节能决策是重要的。本文对近期相关文献进行了回顾，总结介绍了建筑能耗预测方法技术。着重关注了神经网络、支持向量机应用，并引用文献的研究结果，进行预测精度对比。 　　关键词：建筑能耗；节能；能源消费预测 　　DOI：10.16640/j.cnki.37-1222/t.2017.12.100 　　0 引言 　　全球建筑能源消耗已超过工业和交通运输，国际上发达国家的建筑能耗一般占全国总能耗的33%左右。《2013-2017年中国智能建筑行业发展前景与投资战略规划分析报告》数据显示，我国建筑能耗已达到全国总能源消费的三分之一多，随着城市化进程的加快和人民生活质量的改善，建筑能耗占比还将上升至35%左右。对建筑能耗进行科学分析和合理预测，有助于提高建筑能源管理水平。 　　预测技术在能源生产消费管理中的应用，有几个方面，包括：1）预测技术应用于能源生产过程。2）企业、行业或国家能源标杆管理。3）能源负荷预测，用于需求侧管理和网络平衡。4）能源消费预测：工业、运输和建筑等。本文对将对近期部分相关研究进行回顾，总结介绍建筑能耗预测的方法技术。 　　1 建筑能耗影响因素 　　影响建筑能耗的因素有很多，并且具有随机性、时变性和地域性。主要的影响因素包括：1）建筑物外部环境（天气），2）建筑物特征（结构、材料等），3）建筑物内部耗能系统性能（照明、空调、通风系统等），4）建筑物运行特征（入住率及行为特征等）。建筑物用途不同，运行特征就不同。 　　不同的预测目的，有不同的时间范围。按预测时间范围可分为：短期负荷预测（STLF），中期负荷预测（MTLF）和长期负荷预测（LTLF）。对于不同方面的研究，时间范围的定义略有差异。短期负荷预测时间范围通常是24小时，最长至一个星期。中期负荷预测分析涵盖了从一个星期到长达一年时间范围。长期负荷预测分析包括了更长的时间，区域或国家层面上的年度能耗预测预测，通常用于基础设施规划。 　　在进行建筑能耗预测建模时，建筑物用途、预测层次范围、预测时间范围不同，选取的影响因素不同。文[1]研究办公大楼的用电量短期预测，预测时考虑的影响因素细分为：入住率、通风负荷、热泵负载、设备负荷、室内温度、室外温度、日光水平、太阳辐射、风速、电价等；文[2]研究美国住宅领域能源需求长期预测，选取影响因素：居民人口总数、GDP、家庭规模（人口）、中等家庭收入、住宅用电成本、宅天然气成本、住宅燃料油的成本；文[3]研究事件场所（体育场馆、音乐厅、剧院、和会议中心等）能耗短期预测和高峰需求预测，影响因素：事件类型、年之日（1到365）、日之时（1到24）、事件发生日（0或1）、座位配置。 　　2 建筑能耗预测方法 　　建筑能耗预测方法主要分为两大类：（1）工程模型（engineering modeling）或正演模型（forward modeling）；（2）数据驱动模型（data-driven modeling） 。工程模型使用物理和热力学函数推导理论过程和系统的能源消耗，工程模型产生精确的结果，但也需要详细的输入。根据模型中方程和变量的数量多少，工程模型可分为详细的工程模型和简化的工程模型。数据驱动的方法，用历史数据来建立能耗数据驱动模型。根据输入变量和输出结果的关系能否以显式的数学形式给出，区分为“白箱”结构和“黑箱”结构。“黑箱”通常使用机器学习技术，如人工神经网络、支持向量机，或决策树的方法。 　　在机器学习方法中，应用最广泛的预测方法是人工神经网络（ANN）和支持向量机（SVM）。各种方法对比如表1。 　　在讨论预测模型方法的时候，预测精度是预测方法研究关注的主要问题。提高精度的困难在于系统的复杂性。很多研究结合了几种方法开发混合的预测模型，以提高预测精度。 　　目前研究工作中，经常使用的二个精度指标是：均方根误差（RMSE）和平均绝对百分比误差（MAPE）。其它指标还有：预测误差e， 百分误差PE ， 平均百分误差MPE ；平均误差ME ，平均绝对误差MAE；均方差 MSE；标准差 SDE；决定系数R2；变异系数CV。 　　为对比分析建筑能耗预测方法及其应用，以下列出一些研究文献，描述的内容包括：研究内容，建模方法；精度指标；建筑类型/预测时间范围；主要结论。 　　文[4]，2004年，空间供暖和生活热水能耗预测，神经网络模型（NN）；精度指?耍?CV，R2；国家和地区层面，住宅/长期预测（年）；结论：NN模型和工程模型都具备预测的能力，NN模型具有更好的性能。 　　文[5]，2008年，能源密集型制造行业电力消费预测，人工神经网络（ANN）；精度指标： MAPE；制造行业，电力消费