CN103890806B - 一种建筑周期性负荷能效管理方法 - Google Patents

Abstract

本方案通过对建筑内周期性能耗设备的用能情况进行分析，确定周期性设备的能耗特点，并用傅立叶级数的形式对建筑的周期性设备能耗进行描述，通过技术展开式系数的分析对设备用能情况进行评估，及时发现设备用能异常和不合理的地方，同时可以区分开周期性负荷周期波动原因是否属于正常用能情况。

Description

一种建筑周期性负荷能效管理方法

技术领域

本发明涉及一种能效管理，尤其涉及建筑用能方面的能效管理。

背景技术

随着我国城市化进程的发展，建筑用能占社会用能比例的不断提高。建筑设备用能合理性成为大家关注的焦点。建筑用能所占比例的不断提升，其对社会总体用能的影响日趋显现，目前建筑中的高耗能建筑主要集中在城市大型公共建筑中，其中大型公共建筑定义为：建筑面积2万平方米以上的办公建筑、商业建筑、旅游建筑、科教文卫建筑、通信建筑以及交通运输用房。为了控制建筑用能，国内外专家学者对建筑用能的合理性进行分析，采用一些方法进行判别，这些方法包括：总量控制法、同类建筑用能均值法；分时段对标法、用能密度法、瞬时值法、区域比较法、同比法、环比法等。

这些方法在控制用能，发现用能不合理方面起到了一定的作用，但是这些方法存在一系列不足。例如，总量控制法不能考虑建筑的用能性质和用能特点，对于设定的用能管理目标往往由于样本的选择而变化，不利于对建筑进行用能管理；对于区域比较法来说，在同一建筑中不同区域的采光、楼层、墙体、窗户数量尺寸、幕墙等因素都会对区域用能产生影响，通过区域比较不能很好的反映该区域实际能效水平。目前上述方法对建筑用能情况的评判以用能量多少作为评价参量，没有对建筑用能周期中蕴含的信息进行充分分析。

其实在大型公共建筑中大部分用能都有其规律性，如，办公建筑按照其工作时间而显出每天的规律性，旅游建筑随着旅游季节的旺季与淡季交替呈现全年的规律性，科教文卫随着学生开学和放假行程教学周期的规律性。因此需要提出一种利用建筑用能周期信息进行建筑能效管理的方法。

发明内容

本发明通过提出一种建筑周期性负荷能效管理方法，对建筑周期性负荷数据通过傅里叶变换，提取建筑能耗数据中的频谱信息，通过对频谱信息进行分析，找出建筑用能不合理之处，进而发现建筑使用过程中能源浪费的漏洞。

本方法主要包括以下步骤：

第一步，从监测系统中，调取待评判设备的能耗数据，该能耗数据可以是一段时间内该设备的用电电度数，该设备可以为建筑中某一用电设备，也可以为建筑中某类用电设备；

第二步，选择合适的评判周期，该评判周期可以为天、周、月、年等，将调取的能耗数据按照评判周期划分为多个数据组，每个数据组包括同一评判周期内的能耗数据；

第三步，定义每个数据组的属性，如工作时间，非工作时间、特殊节假日时间等等；

第四步，具有同一属性的能耗数据组假定为N个，将N个数据组按照时间先后排序，每M个顺序相连的数据组组成一个数据组集合，共组成N-M+1个数据组集合；例如，具有同一性质的数据组为10个，即{1,2,3,4,5,6,7,8,9,10}，每4个顺序相连的数据组组成一个数据集合，则组成{1,2,3,4}、{2,3,4,5}、{3,4,5,6}、{4,5,6,7}、{5,6,7,8}、{6,7,8,9}、{7,8,9,10}，共10-4+1＝7个数据组集合；

第五步，将N-M+1个能耗数据组集合分别进行归一化处理；

第六步，将归一化处理后的N-M+1个能耗数据组集合分别进行傅里叶变换，将能耗数据的时域信号转变成频域信号；

第七步，对经傅里叶变换后的N-M+1个能耗数据组的频域信号中对应的幅值加和并求平均，从而得到这些频域信号的幅值的均值；

第八步，将N-M+1个能耗数据组的频域信号的幅值分别与其对应的均值进行比较，判断出同一属性的能耗数据组中用能不合理的能耗数据组集合和其中的能耗数据组，其中：

如果直流分量幅值En[0]超出1.1倍其对应的均值Fn[0]，当目标倍频分量幅值等于或大于其对应的均值时，则该能耗数据组集合中未出现非正常能耗；目标倍频分量幅值是指所述频域信号中，交流分量幅值的均值的最大值对应的各个数据组集合中的交流分量幅值；

如果直流分量幅值En[0]超出1.1倍其对应的均值Fn[0]，当目标倍频分量幅值小于等于0.98倍其对应的均值，则在该能耗数据组集合包含的能耗数据组中，最后一个能耗数据组出现异常能耗，该异常能耗表现为在当天能耗的谷值时期能耗提升，用电设备中有应该关闭而未关闭的负荷；

如果直流分量幅值En[0]超出1.1倍其对应的均值Fn[0]，当目标倍频分量幅值小于等于0.96倍其对应的均值，则在该能耗数据组集合包含的能耗数据组中，最后一个能耗数据组出现异常能耗，该异常能耗表现为在当天能耗的谷值时期能耗超标，用电设备中有大量应该关闭而未关闭的负荷；

如果直流分量幅值En[0]超出1.1倍其对应的均值Fn[0]，当目标倍频分量幅值小于等于0.92倍其对应的均值，则在该能耗数据组集合包含的能耗数据组中，最后一个能耗数据组出现异常能耗，该异常能耗表现为在当天能耗的谷值时期能耗超标，几乎全部设备的负荷应该关闭而未关闭。

附图说明

图1是空调机组单位面积能耗的采集数据；

图2是同一属性的能耗数据组集合经傅立叶变换后，所有频率对应的幅值的均值Fn[k]的分布图。

具体实施方式

本分析采用离散傅里叶变换的方式(DFT)，对建筑中某空调用电进行建筑周期性负荷能效管理方法分析。将空调配电箱用电数据从能耗监测系统数据库中取出，调取该空调配电箱2011年4月的小时能耗数据。评判周期选为一天，即以当天1点为起始点，24点为终点，将空调配电箱数据划分成能耗数据组，每个数据组中有24个小时能耗数据。通过查询日历可知，2011年4月份中，4月2日、3日、9日、10日、16日、17日、23日、24日、30日为非工作日，所以，以上日期对应的用能数据组的属性为非工作日，其余日期对应的数据组的属性为工作日。

将属性为工作日的能耗数据组取出，按照时间先后排序，它们分别是1日，4日，5日，6日，7日，8日，11日，12日，13日，14日，15日，18日，19日，20日，21日，22日，25日，26日，27日，28日，29日的数据组，一共21个能耗数据组。

对于21个能耗数据组，分别将4个顺序相连的数据组进行组合，形成18个数据组集合。将每个数据组集合中的每个数据组的数据进行归一化处理，即将每天24个小时的能耗数据分别除以当天能耗数据最大值，得到24个小时的归一化数据。

将一个能耗数据组集合中，分别归一化的4个能耗数据组表示为：{m1,m2,m3,…,m24}；{p1,p2,p3,…,p24}；{a1,a2,a3,…,a24}；{b1,b2,b3,b4,…,b24}。然后，将每个能耗数据组中归一化后的24个小时数据扩充为32个数据(用0补齐，共补充8个0),则4个能耗数据组分别变为{m1,m2,m3,…,m24,0,0,0,0,0,0,0,0}；{p1,p2,p3,…,p24,0,0,0,0,0,0,0,0}；{a1,a2,a3,…,a24,0,0,0,0,0,0,0,0}；{b1,b2,b3,b4,…,b24,0,0,0,0,0,0,0,0}。将这4个能耗数据组的数据首尾相连得到该能耗数据集合的数据，即x[n]＝{m1,m2,…,m24,0,0,0,0,0,0,0,0,p1,p2,…,p24,0,0,0,0,0,0,0,0,a1,a2…,a24,0,0,0,0,0,0,0,0,b1,b2,…,b24,0,0,0,0,0,0,0,0}(其中n＝0,1,2,…,127)，将该数据组集合x[n]进行傅立叶变换，可以得到傅里叶级数展开式，并求得展开式中第k项的幅值En[k]。

由于对于N点序列{x[n]}0≤n<N，它的离散傅里叶变换(DFT)为

$\hat{x}\&lsqb;k\&rsqb;=\underset{n=0}{\overset{N}{\&Sigma;}}{e}^{-i\frac{2\mathrm{\&pi;}}{N}nk}x\&lsqb;n\&rsqb;,k=0,1,2,...,N-1.$

其中e是自然对数的底数，i是虚数单位。

那么对于本发明中上述128个点序列的{x[n]}0≤n<128来说，它的离散傅里叶变换(DFT)为

$\hat{x}\&lsqb;k\&rsqb;=\underset{n=0}{\overset{127}{\&Sigma;}}{e}^{-i\frac{2\mathrm{\&pi;}}{128}nk}x\&lsqb;n\&rsqb;,k=0,1,2,...,127.$

其中 $En\&lsqb;k\&rsqb;=\left|\hat{x}\&lsqb;k\&rsqb;\right|,k=0,1,2,...,127.,$ 称为第k项的幅值，也就是的模，其中En[0]为直流分量幅值。

分别对上述18个能耗数据组集合进行傅立叶变换，可以得到18个傅立叶级数展开式，将每个展开式中对应的第k项的幅值，即的模分别加和并求平均，得到128个均值Fn[k]。

图2显示的是工作日属性的能耗数据组集合经傅立叶变换后均值Fn[k]的分布图，由于随着k的增长，Fn[k]数值极其微小，因此，在图2中仅显示了Fn[0]到Fn[32]的数据。

我们选取直流分量幅值的均值Fn[0]所对应的各个数据组集合中的直流分量幅值En[0]，以及交流分量幅值的均值的最大值对应的各个数据组集合中的交流分量幅值(以下简称目标倍频分量幅值)作为研究对象，判断同一属性的能耗数据组中不合理的能耗数据。

从图2中可以看出，在该实施例中，具有工作日属性的上述18个能耗数据组集合中，其交流分量幅值的均值中最大值为Fn[5]。

通过分析我们可以得到，当某一数据组集合经傅立叶变换后得到直流分量幅值En[0]大于Fn[0]时，如果目标倍频分量幅值En[5]也大于其对应的均值Fn[5]时，表明设备的整体能耗升高，这是整体负荷能耗升高造成的，此问题不在负荷周期性研究范畴之内。如果直流分量幅值En[0]大于Fn[0]时，而目标倍频分量的幅En[5]值小于其对应的均值Fn[5]，则表明能耗周期性出现异常，这是我们分析的能耗周期性的目标。我们将直流分量幅值、目标倍频分量幅值和其对应的均值进行比较，判断该能耗数据组集合中存在的能耗异常的情况。

那么，在18个能耗数据组集合中，将每个能耗数据组集合经傅立叶变换后的直流分量幅值En[0]、En[5]分别和对应的Fn[0]以及En[5]进行比较，判断用能不合理之处：

判据1：如果直流分量幅值En[0]超出1.1倍Fn[0]，当目标倍频分量幅值En[5]等于或大于均值Fn[5]时，则该能耗数据组集合中未出现非正常能耗。

判据2：如果直流分量En[0]超出1.1倍Fn[0]，当目标倍频分量幅值En[5]小于均值Fn[5]，并满足En[5]≤0.98*Fn[5]时，则在该能耗数据组集合包含的4个能耗数据组中，最后一个能耗数据组出现异常能耗，该异常能耗表现为在当天能耗的谷值时期能耗提升，用电设备中有应该关闭而未关闭的负荷。

判据3：如果直流分量En[0]超出1.1倍Fn[0]，当目标倍频分量幅值En[5]小于均值Fn[5]，并满足En[5]≤0.96*Fn[5]时，则在该能耗数据组集合包含的4个能耗数据组中，最后一个能耗数据组出现异常能耗，该异常能耗表现为在当天能耗的谷值时期能耗超标，用电设备中有大量应该关闭而未关闭的负荷。

判据4：如果直流分量En[0]超出1.1倍Fn[0]，当目标倍频分量幅值En[5]小于均值Fn[5]，并满足En[5]≤0.92*Fn[5]时，则在该能耗数据组集合包含的4个能耗数据组中，最后一个能耗数据组出现异常能耗，该异常能耗表现为在当天能耗的谷值时期能耗超标，几乎全部设备的负荷应该关闭而未关闭。

对于具有非工作日属性、特殊节假日属性的能耗数据组分别进行上述的判断，可以判断出非工作日属性、特殊节假日属性的能耗数据中不合理的用能情况。

本发明解决了之前对用能量进行判断，不受用能量增长带来的变化的影响，充分发挥了用能波动的周期性，运用数学变换结合建筑用能特点对建筑用能的合理性进行评判。

通过该技术可以有效的对办公楼一类周期性负荷进行管理，防止发生用能浪费。并且，对同一采集单元的数据进行分析，防止由于分析数据的环境、性质、地域发生变化而对判断结果造成的干扰。

Claims (4)

1.一种建筑周期负荷能效管理方法，其包括如下步骤：

第一步，从监测系统中，调取待评判设备的能耗数据；

第二步，选择合适的评判周期，将调取的能耗数据按照评判周期划分为多个数据组，每个数据组包括同一评判周期内的能耗数据；

第三步，定义每个数据组的属性；

第四步，具有同一属性的能耗数据组假定为N个，将N个数据组按照时间先后排序，每M个顺序相连的数据组组成一个数据组集合，共组成N-M+1个数据组集合；

第五步，将N-M+1个能耗数据组集合分别进行归一化处理；

第六步，将归一化处理后的N-M+1个能耗数据组集合分别进行傅里叶变换，将能耗数据的时域信号转变成频域信号；

第七步，将经傅里叶变换后的N-M+1个能耗数据组集合的频域信号中对应的幅值加和并求平均，从而得到所述N-M+1个能耗数据组集合的频域信号的幅值的均值；

第八步，将N-M+1个能耗数据组集合的频域信号的幅值分别与其对应的均值进行比较，判断出同一属性的能耗数据组中用能不合理的能耗数据组集合和其中的能耗数据组，其中：

如果直流分量幅值En[0]超出1.1倍其对应的均值Fn[0]，当目标倍频分量幅值等于或大于其对应的均值时，则该能耗数据组集合中未出现非正常能耗；目标倍频分量幅值是指所述频域信号中，交流分量幅值的均值的最大值对应的各个数据组集合中的交流分量幅值；

如果直流分量幅值En[0]超出1.1倍其对应的均值Fn[0]，当目标倍频分量幅值小于等于0.98倍其对应的均值，则在该能耗数据组集合包含的能耗数据组中，最后一个能耗数据组出现异常能耗，该异常能耗表现为在当天能耗的谷值时期能耗提升，用电设备中有应该关闭而未关闭的负荷；

如果直流分量幅值En[0]超出1.1倍其对应的均值Fn[0]，当目标倍频分量幅值小于等于0.96倍其对应的均值，则在该能耗数据组集合包含的能耗数据组中，最后一个能耗数据组出现异常能耗，该异常能耗表现为在当天能耗的谷值时期能耗超标，用电设备中有大量应该关闭而未关闭的负荷；

如果直流分量幅值En[0]超出1.1倍其对应的均值Fn[0]，当目标倍频分量幅值小于等于0.92倍其对应的均值，则在该能耗数据组集合包含的能耗数据组中，最后一个能耗数据组出现异常能耗，该异常能耗表现为在当天能耗的谷值时期能耗超标，几乎全部设备的负荷应该关闭而未关闭。

2.如权利要求1所述的方法，其中所述能耗数据是所述设备的用电电度数。

3.如权利要求1所述的方法，其中所述评判周期是天、周、月或年。

4.如权利要求1所述的方法，其中所述数据组的属性是工作日、非工作日或节假日。