131-基于多元自回归动态模型的冷量预测研究及应用.pdf

基于多元自回归动态模型的冷量预测研究 及应用 陈昭文，孙红三，燕达 （清华大学，北京，100084） 摘要：建筑运行能耗是全国建筑能源总量中，不可小觑的一部分，占比十分巨大，空调 系统能耗更是运行能耗中的主要部分，特别是商场、医院、大型写字楼等建筑，空调运行能 耗占建筑总能耗的40%以上。同时，目前建筑内还普遍存在建筑运行数据混乱，缺少合理科 学的冷机运行控制，节能潜力巨大。建筑的冷量预测对于优化冷机运行策略，优化蓄冷系统 运行有着重要的作用，对建筑节能的开展有重要意义。目前对针对负荷预测的研究很多，本 文结合前人研究经验，在充分了解不同预测方法的优缺点，认识冷量曲线特征的基础上，选 择使用时间序列模型加入多元变量因素的自回归模型，使用组合方法进行短期日冷量预测， 并使用22 栋建筑案例进行检验，预测精度较高。 关键词：冷量预测、时间序列、多元自回归、工程应用检验 0 引言 随着社会的不断进步发展，中国建筑能耗水平也在逐年提高，截止至2015 年，我国建 筑总面积达到了573 亿m2 ，建筑运行总商品能耗高达8.64 亿tce，约占全国能源消费总量 的20%[1]。同时，建筑中央空调能耗在建筑总能耗中占比很大，酒店、商城等大型公共建筑 空调系统能耗占比甚至超过了40%[2]，对于夏热冬冷地区，空调系统能耗占比更为突出，用 电高峰期电力供应不足的问题日益凸显，亟待解决。 针对上述提到的问题，准确的预测空调系统能耗是有效的解决途径。同时，空调负荷 预测对于高峰电力供应不足的问题，提出了合适的解决途径，更好的预测高峰负荷出现的 时刻与峰值，对于调整电力分配，做好电力负荷削峰填谷的工作，在夏季高温期提高电网 运行的稳定性、经济性、安全性，提高电网供电质量，有重要的现实指导意义[3]。 国际上众多研究学者不断从事建筑物负荷预测的实用性研究工作。目前国内外能耗预 测方法主要包括：多元回归分析法、时间序列法、建筑模拟法、灰色理论预测法、神经元 网络分析法、组合预测方法等。杨洁、张旭[4]等选取上海世博园为研究对象，使用模拟能 耗法，利用DeST 软件，对建筑进行建模分析，进行空调负荷模拟计算，结合机组性能、负 荷系数计算最终得到空调能耗。Ferrano[5]等人首次使用人工神经元网络的方法，对冰蓄冷 系统进行负荷预测，提出了神经元网络应用于预测领域的概念。孙光伟[6]等人根据神经元 网络的延伸方法，提出了两种基于BP 网络的预测模型，并结合具体的建筑数据，以大连某 办公建筑为例，验证了四种预测结果，证明考虑气候因素的时间序列模型结果较好。孙靖 [7]等人以上海某医院中心为样本，研究了季节性时间序列方法对于空调负荷预测的应用， 同时将预测结果应用在蓄冷系统的优化控制中，达到了很好的效果，比较适合工程应用。 李妮[8]等人基于累积式自回归平均传递函数，对短期负荷进行预测，采用Box-Jenkins 预 测法，以较少的假定参数、较少的输入数据，更灵活的对于空调冷量进行了预测，取得较 好的预测结果。 [作者简介]陈昭文（1995.3- ），男，中国建筑科学研究院在读研究生 [联系方式] chenzw13@ 基于上述预测领域的研究，针对现有方法中存在的不足与缺陷，紧密结合冷量数据特 征，提出了数据需求量小，精度较高，更适用于工程应用的多元回归分析模型。 1 研究对象 1.1 对象选取 选取22 栋建筑为样本，22 栋各类型建筑，供冷季冷机供回水温度、流量、室内外温 度、冷机运行状况数据。建筑在全国分布如下图1 所示： 图1 样本建筑全国分布图 选取建筑样本包括办公、住宅、酒店、文化基地等类型建筑，同时涵盖蓄冷系统和非 蓄冷建筑，样本的具体信息如下表1 所示： 表1 案例建筑列表 典型建筑选取的时候，遵循几个原则：1、保证选取建筑的数据完整性，不存在严重的 数据缺失，并且数据点间隔完整，数据质量较高；2、尽量选取蓄冷、非蓄冷系统都存在的 建筑作为典型建筑，这样尽可能的满足了各类建筑预测的需求，也更具有代表性。 图2 典型建筑月冷量统计图 取典型建筑一个月连续冷量统计如图2 所示，冷量整体呈现间歇出现，且每日冷量曲 线基本相似，呈现一个每日出现一个冷量尖峰。相邻日之间冷量为