登錄注冊

基于分項計量數據的大型公建能效診斷方法構建與在線診斷

發布時間:2017-10-20 14:06來源:上海智能建築建設協會閱讀數:0

基于分項計量數據的大型公建能效診斷方法構建

與在線診斷

The diagnostics methods and online diagnosis for energy efficiency of public buildings based on sub-metering data

上海騰天節能技術有限公司  張皓 陳瑩

 

【摘要】上海市大多數大型公共建築安裝了能耗分項計量系統,計量數據均傳至區域性監測平台。在線能效診斷,是能耗數據應用的一個方向。本文立足分項計量數據基礎優勢和被評價者的需求,構建了一套公共建築的梯級能效評價方法。基于數據模型和基于規則判斷方法,是該評價方法的兩個核心思路。本文的示例展示了不同情景下的診斷流程,實現區域性能耗數據監測平台的在線能效診斷。

【關鍵詞】分項計量數據;能效診斷;在線診斷;

Abstract: The majority of large public buildings in Shanghai has installed energy sub-metering system, which  data are transmitted to the regional monitoring platform.. Online energy efficiency diagnosis is a direction of energy consumption data application. In this paper, a set of energy efficiency evaluation method for public buildings is established based on the advantages of the sub-metering data and the demand of the public building evaluated, . The data model an the rules of judgment are the evaluation methods of the two core ideas. The example shows a list of diagnostic procedures in the typical scenarios to achieve the online energy efficiency diagnose  in regional energy  monitoring platform

Keywords: sub-metering data, energy efficiency diagnostics , online diagnosis

 

0 前言

同一類型公共建築的能耗曲線在相同用能周期内具有顯著的相似特征,因此針對不同類型的公共建築,相關國家标準和地方标準均劃定相應的能耗标準(即單位面積能耗強度值)。而在調研中獲悉,樓宇業主或物業管理者卻對此标準持有不同态度,認為即便是同類型建築,每幢建築的形體、耗能系統、運行策略、配電結構及末端使用設備和人員密度等等諸多影響因素導緻建築與建築間的能源消耗量存在較大差異,單位面積能耗密度不足以評價其樓宇能耗水平的高低,對樓宇日常管理和建築節能工作的指導性不夠。課題組從既有建築的分項計量數據基礎和被評價者的需求出發,認為構建一套對公共建築能效評價體系尤為必要。

1 構建梯級建築能效診斷指标

為了準确評價單體樓宇的能效水平,行業内學者采用了諸如白箱計算模型、灰箱計算模型和黑箱計算模型等不同方法進行分析計算,以獲得适用的單體建築能效診斷方法。依據被評估樓宇的實際情況選用模型,如圖紙的完整度、曆史數據的存儲量及顆粒度等等。獲得不同模型、不同角度的分析結果,對于能源管理工作都具有一定的指導意義。

(1)能效指标分類

立足能效診斷指标的可行性和診斷結果的準确性,分層級進行能效診斷:即全樓宇能效診斷指标(基于總能耗)和建築系統/設備層級能效指标。

基于總能耗的全樓宇能效診斷,主要采用能效對标、能耗排名、輔以修正因子的能耗趨勢預測值對比來評價建築整體用能水平是否處于合理區間,通過橫向比較和縱向挖掘來發現管理漏洞并及時解決,提升節能意識。

建築系統/設備層級的診斷依據建築設備類型建立具備系統/設備運行特征的能效測評指标,評價對象包括空調、照明、動力等建築主要耗能系統和冷熱源機組、輸配水泵等重要用電設備。

相較全樓宇能效診斷,建築系統/設備層級用能效率的評價與診斷需要更加細化的能效指标,因此,診斷模型的建立需要平台調用更多參數,以确保診斷結果的準确性。

(2)分析方法與适用性

常見的大型公共建築能效數據特性的分析方法有統計分析方法和模拟分析方法。統計分析方法建立在曆史能耗統計數據的基礎上,利用統計學方法分析建築能效,簡單易行,耗費少,易與國家實施的“能耗統計、能源審計”制度結合,由于研究的基礎是建築實際能耗,更易于被大衆接受和認可。模拟分析法具有較強的技術合理性,它可以摒棄建築設計和運行中諸多不合理的因素,通過建立能耗模型來分析建築能效。模拟分析法建模工作量大,對研究人員的實踐經驗和專業知識要求較高,建築模拟條件與現實情況往往存在較大的不同,使其使用受到限制。

對于具體建築,在沒有業态調整或者節能改造等大變故的條件下,定量預測是對曆史數據進行處理的方法,其基礎是認為将來是過去和現在的自然延續,完全可以采用數學和數理統計的方法進行點或面的預測。定量預測有兩種常用的方法,一類是回歸分析,其所建立的因果模型不僅能夠用于預測,而且還能夠用來解釋系統内部運行的原因和各個因素之間的關系,包括簡單回歸模型和多變量回歸模型等;另一類是時間序列分析,它不關心影響這個系統運行的因素是什麼,隻依賴于曆史觀測數據和它的數據模式,包括指數平滑、自回歸-移動平均等模型。

經反複比較分析後,我們選用特征平均值,采用向量回歸,高斯過程回歸等算法構建相應的預測模型。

對于建築級能效分析,圍繞全樓宇層面的能耗數據,采用能效對标、能耗分析、用能排名等方法對建築進行能效評估和診斷。受限于指标定位較為宏觀,指标數據所含信息量較少,目前僅能在整體視角中對建築進行能效評價。對于系統/設備層級能效分析方法,對末端能耗性能指标分級,逐級評價建築用能。梯級能效診斷指标與分析方法彙總如表1所示。

表1  梯級能效診斷指标與分析方法彙總

能效診斷指标

分析與診斷方法

數據基礎

全樓宇

能效診斷指标

能耗強度指标

回歸模型

特征平均模型

上下限模型

阈值判别

對标

有效曆史能耗數據

氣象參數

出租率

系統

層級能效指标

照明系統

阈值判别

上下限值判别

有效曆史電耗數據

氣象參數

設備台賬

運行參數

動力系統

空調系統

設備

層級能效指标

空調機組COP

冷熱量估算法

規則判别

有效曆史能耗數據

氣象參數

設備台賬

運行參數

冷熱量負荷

水泵輸送系數WTFchw/WTFcw

規則判别

末端能效比EER

規則判别

 

2 基于數據模型的建築能效診斷方法

(1)診斷思路

考慮到分項計量數據特性,實現平台級的能效在線診斷從可靠性和可行性出發,通過數據拟合技術而非物理規則來建立能耗的預測模型,使用數據驅動法進行能效診斷,是優先思路之一。基于曆史數據訓練出的預測模型,利用隐含信息預測未來能耗值,綜合專家(工程)經驗和客觀用能特性制定相應診斷規則,對建築當前能效狀況作出合理、有效評價。

(2)預測模型的構建

大型公共建築的用能波動與季節變化息息相關;

不同類型建築冷熱負荷需求不同;

不同類型建築、不同建築單體間的運行時間均有差異;

綜上,依季節劃分,建立相應的回歸預測模型和特征平均模型;依診斷建築類型的不同和時間周期的不同,預測模型引入不同變量。

周預測、日預測和小時預測等三種預測結果在既有平台條件下均可以快速實現。三種預測共計11個模型形式。日預測模型在實際應用中較為常用見,如表2所示,在此詳述。

2 日能耗預測模型分類彙總表

類型

日能耗預測模型

參數說明

 

A.氣象參數回歸模型

 

Y=C0+C1×T+C2×T2+C3×T3

Y是該項能耗量;

T是氣象參數,分别表示當天的平均溫度;

C0、C1、C2、C3是常數,由訓練數據回歸得出

B. 将空調用電作為自變量的回歸模型(工作日與非工作日一起)

 

Y=C0+C1×WW+C2×EAC

Y是該項能耗量;

WW是工作性質參數,工作日取1,非工作日取0;

EAC是當天的空調用電分項能耗;

C0、C1、C2是常數,由訓練數據回歸得出

C. 将空調用電作為自變量的回歸模型(工作日與非工作日分開)

Y=C0+C1×EAC

Y是該項能耗量;

EAC是當天的空調用電分項能耗;

C0、C1是常數,由訓練數據回歸得出

D. 針對工作日與非工作日未分開的數據模型

d.jpg

x和y表示工作日與非工作日的電耗;

l表示月份,取1-12;

w表示工作日,uw表示非工作日;

n表示當月的工作日天數,m表示當月的非工作日天數

E. 針對工作日與非工作日分開的數據模型

e.jpg

F. 針對按溫度區間分開的數據模型

f.jpg

x表示該溫度段内的電耗;

    l表示溫度段;

    n表示在該溫度段内的數據個數

 

(3)模型的精度控制

其中,多元線性回歸模型的精度要求主要通過回歸系數和殘差均方根變化系數兩個指标來約束。在對平台在線的50幢建築能耗數據的預測模型算法測試後,本課題組确定日能耗預測模型的精度控制參數,如表3所示。

回歸模型精确度指标控制表

精度指标

公式

精度要求

回歸系數   R2

r2.jpg

R2>0.7

殘差均方根變化系數

CVRMSE

cv.jpg

CVRMSE<22%

注:n表示訓練數據的個數,m表示回歸方程中自變量的個數

當模型首次回歸結果達不到上述精度要求時,則剔除本次回歸中的殘差異常數據(包括自變量和因變量,且該數據殘差的置信區間不包含0),再次訓練模型。同時,為确保模型可以體現建築體的用能特征,數據是經批量樓宇樣本測算後得到:剔除的數據量不得超過原始訓練數據量的20%。

3 基于規則判斷的空調能效診斷方法

空調系統由于設備多樣,組成複雜,其能耗特點較難把握,對其進行預測需要的參數信息也較多,在現有的數據信息條件下,構建其能耗預測模型較為困難。同時,空調的用能效率主要用其電耗與其供應的冷熱量相比較得到,而現有的數據信息中卻缺少冷熱量數據。所以,為了在現階段完成對空調用電的能效診斷,構建了針對不同建築類型的冷熱量估算方法,大緻得出建築在特定條件下的冷熱需求,再結合實測空調的電耗數據,用規則判斷的方法進行診斷。

(1)診斷思路

以室外平均幹球溫度為基準,給定該溫度下各類型公共建築的冷熱量負荷強度(标準值與工程經驗值相結合),結合時間跨度和建築面積,即可獲得該室外溫度下若維持建築物内舒适的室内溫度所需的冷熱量。由平台讀取相應時間跨度内各設備的耗電量,代入設備能效指标計算公式,便可得到設備運行能效比值。依據《GB/T 17981-2007空氣調節系統經濟運行》中的相關規定,選取典型工況的能效比限值作為判斷标準,對設備運行效率作出評價。

此方法理據充分,對平台在線的各類建築進行測試後,辦公建築和商場建築的适用性尤為突出,故本文着重圍繞這兩類建築做詳細闡述。

(2)診斷流程

查詢建築冷熱負荷指标,如表4所示:

建築冷熱負荷指标

室外平均溫度

冷/熱負荷指标(W/m2

室外平均溫度

冷/熱負荷指标(W/m2

辦公建築

商場建築

辦公建築

商場建築

-2

60

-

24

40

50

0

55

-

26

50

70

2

50

-

28

60

90

4

40

-

30

70

110

6

35

-

32

80

130

8

30

-

34

90

160

10

25

-

35

95

-

12

20

-

36

100

200

15

-

5

37

105

-

20

20

10

38

110

240

22

30

30

40

140

280

注:在調研與平台監測的過程中發現,大多數商場建築在冬季無采暖需求。

② 估算冷熱量,公式如表5:

冷熱量估算方法

冷熱量估算公式

參數說明

逐天冷熱負荷=冷熱負荷指标×建築面積×空調面積系數×運營小時數×運營小時系數

 

逐時冷熱負荷=冷熱負荷指标×建築面積×空調面積系數×1

 

 

注:若已知空調面積,則用空調面積代替“建築面積 空調面積系數”。

辦公建築:

建築面積:取建築總面積(不包括地下車庫)。

空調面積系數:取0.7

運營小時數:依照當天工作性質,算出運營小時數

運營小時系數:取1.1

商場建築:

建築面積:取建築總面積(不包括地下車庫)。

空調面積系數:取0.7

運營小時數:工作日與非工作日相同,運營小時都為12小時

工作小時系數:取1.1

 

         計算設備運行效率:

0.jpg

判别标準:

A.各設備運行效率限值以《GB/T 17981-2007 空氣調節系統經濟運行》要求為準;

B.實際診斷時,可視建築客觀情況放寬限值要求。

(3)診斷深度

基于規則判斷的空調能效診斷,診斷範圍為空調系統的主要子系統的用能效率,包括冷熱源、輸配水泵和空調末端。在對冷熱源的診斷中,對于電制冷冷水機組和風冷熱泵,針對其開關機時間是否正常和運行效率;對于電鍋爐,其正常效率就很低且幾乎無能效故障,一般在建造年代較早的建築中才使用,所以隻診斷其開關機時間是否正常;對于燃氣(燃油)鍋爐,因為沒有其能耗數據,無法對其進行診斷。在對輸配水泵的診斷中,對冷水泵、冷卻水泵和冷熱水共用泵進行了開關機時間和運行效率情況的診斷。在空調末端的診斷中,對全空氣系統、風機盤管系統和風機盤管+新風系統分别進行了開關機時間和運行效率情況的診斷。

4 單體建築在線能效診斷方式與流程

平台級在線診斷默認選擇自上而下、層層遞進的診斷模式。随時間推進,對新采集入庫的電耗數據自動進行診斷并及時輸出結果。由于預測模型、判别方式不是一一對應,各自以模塊形式存在,本文僅選擇常見模塊示例如下:

(1)基于阈值/限值判斷的診斷項流程如圖1所示。

1.jpg

診斷對象的在線診斷流程圖

其中相對阈值的選取:

                   取全樓宇全年逐天電耗中值(中位數)的1%,作為低限絕對阈值;

                   取全樓宇全年逐天電耗中值(中位數)的10%,作為高限絕對阈值。

(2)基于規則判斷的診斷項流程如圖2所示。

 

2.jpg

2 基于規則判斷的診斷流程示例圖(逐天電耗診斷)

5 小結

課題組将上述方法開發為計算工具,經大批量樓宇曆史數據測試後,診斷結果誤診率較低,能夠幫助樓宇管理者在第一時間發現低能效運行工況和非正常設備開啟等情況。目前,已在小範圍推廣應用。回歸變量的選擇、診斷阈值的劃定、流程相關參數的設定,均為本方法的不确定因素項,它們可以在實際應用中由使用者調整,以達到診斷目标。

以曆史的能耗數據為基礎進行能耗預測的方法有很多種,但每一種方法都有各自的特點和适用情況,隻有針對具體的數據深度和研究目的,選擇适當的診斷方法,才能得到理想的診斷結果。本文構建了基于分項計量數據構建梯級建築能效診斷指标體系,基于區域性建築能耗監測平台落實數據應用,在細分行業内為相關用戶提供了能效管理的新思路和具體手段。

 

6 參考文獻

[1] 苑登闊,許鵬 公共建築能效指标及評價現狀分析[J].建築節能.2014.4:76-80

[2] 薛志峰.既有建築節能診斷與改造[M].北京:中國建築工業出版社,2007.

[3] 中華人民共和國建設部.國家機關辦公建築和大型公共建築能源審計導則[L].建科[2007]249 号.2007-10-31.

[4] GB/T 17981—2007,空氣調節系統經濟運行[S]

 

 


下載PDF

http://m.juhua686483.cn|http://wap.juhua686483.cn|http://www.juhua686483.cn||http://juhua686483.cn