CN112836396A - 一种建筑实时能耗异常诊断系统 - Google Patents
一种建筑实时能耗异常诊断系统 Download PDFInfo
- Publication number
- CN112836396A CN112836396A CN202110261285.4A CN202110261285A CN112836396A CN 112836396 A CN112836396 A CN 112836396A CN 202110261285 A CN202110261285 A CN 202110261285A CN 112836396 A CN112836396 A CN 112836396A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- heating
- building
- ventilation
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种用于对建筑能耗中的暖通系统能耗进行实时能耗异常诊断,其特征在于,包括:正常置信区间存储部,存储有暖通系统能耗对应的正常置信区间;暖通能耗实测值获取部,从物联网平台实时获取暖通系统能耗对应的实测值,作为暖通能耗实测值;暖通能耗模拟值获取部,从预定的建筑模拟软件中根据建筑相关信息实时模拟,得到暖通系统能耗对应的模拟值,作为暖通能耗模拟值;异常判断部,判断暖通能耗实测值与暖通能耗模拟值的差值是否处于正常置信区间内;以及异常结论输出部,在异常判断部判断为否时,输出暖通能耗异常从而提醒建筑管理人员根据该暖通能耗异常采取措施,节省建筑能耗。
Description
技术领域
本发明属于信号装置领域,具体涉及一种建筑实时能耗异常诊断系统。
背景技术
建筑能耗是常见能耗类型之一,在我国,其占社会总能耗的比重已超过20%[1]。因此,建筑能耗拥有巨大的节能潜力,如果能对建筑能耗异常情况进行实时识别,则可为建筑节能打好基础。
近年来,随着人工智能、大数据、云计算等高新技术的崛起,物联网技术在各行各业得以广泛应用。全球各个国家都把物联网技术视为一次新的信息技术变革,想要抓住这次机会,利用物联网技术发展壮大自己的国家[2]。我国也紧随潮流,从我国的国情出发,制定以物联网技术为基础,在各行各业实施并制定相应的政策扶持物联网技术的发展[3]。目前,国内已有众多建筑接入了建筑物联网,提高了建筑管理效率,结合简易的控制逻辑,得到初步节能效果。
建筑模拟软件是预测建筑能耗的重要工具[4],通过建筑模拟软件可以得到建筑具有设计意图的预测能耗值,这对于建筑运行是十分重要的数据。该预测能耗值可以为建筑实际运行情况提供一定的运行基准,并且此类软件中的建筑运行方案可对建筑运行策略提供一定的参考。
众所周知,大多数建筑物在投入使用及重新使用后的几年内,都会造成部分预期及设计的能源效率损失[5-7],这将造成建筑能耗的浪费。实际使用中,由于建筑管理人员的疏忽及监控不及时等原因,容易造成设备故障不及时发现、建筑运行不当等导致的室内舒适不满足要求以及建筑能耗异常的情况。有研究表明,通过实施非常低成本的建筑管理策略[8],HVAC系统的能源效率可以提高5%以上;通过密切监测建筑状态和改进控制策略[9],可将能源效率提高40%以上。
因此,如果能实时识别建筑的用能情况,则可以及时识别因建筑设备故障或人员运行不当等增加的建筑能耗,成为有效实现建筑节能的重要基石。
基于项目的实际可行情况,建筑能耗异常诊断方法主要分为黑箱及灰箱两种方法。黑箱方法是一种基于大数据,通过各类算法进行数据驱动得到建筑用能模式,对建筑进行能耗异常识别并进行诊断的方法;灰箱是黑箱方法与白箱方法的结合,而白箱方法是一种基于物理模型的方法,灰箱方法将二者进行结合,在现实中也得到了较好的应用。具体地:
黑箱法是指一个系统内部结构不清楚或根本无法弄清楚时,从外部输入控制信息,使系统内部发生反应后输出信息,再根据其输出信息来研究其功能和特性的一种方法。比如,Daniel B.Araya等人[10]提出了一种新的基于模式的建筑能耗异常分类器——基于滑动窗口的集体上下文异常检测(CCAD-SW)框架,及提高其检测能力的集成异常检测(EAD)框架;其采用人工生成的异常数据集,使用的训练方法是Bootstrap Aggregating或bagging,使用模型测试器组件的测试结果来评估一个异常阈值θ,通过以上来同时进行建筑能耗的识别及诊断。H.Burak Gunay[11]等人提出了一种用于异常检测的聚类分析方法,该方法将楼宇自动化系统数据整合成少量不同的操作模式。江航等人[12]针对高校建筑的特征提出了一种改进的高校建筑能耗异常检测方法,其采用SA-DBSCAN算法识别建筑能耗模式,利用C4.5算法得到实时能耗数据的相应类别后使用LOF算法进行离群分析检测异常。
灰箱法则是结合了白箱法和黑箱法的一种方法。白箱法是已知系统内部信息的方法,属于使用已知物理模型的一种方法。对于建筑能耗,通常采用建筑模拟软件进行能耗及性能模拟,一般采用的软件有EnergyPlus(DesignBuilder),eQUEST(基于DOE-2)与TRNSYS等,不同的灰箱法采用的软件不同,软件的用途也不同。Stephen Frank等人[13]提出了一种混合的、自动化的FDD方法,它结合了构建能耗模型和统计学习工具来检测和诊断能耗异常,其主要利用Energyplus模拟故障的预模拟数据库进行数据驱动,进行故障检测和诊断引擎的训练。Zheng O’Neill等人[14]提出了一个基于模型的整个建筑能耗诊断和性能监测系统,采用Energyplus构建建筑能耗模型,将其作为基准,用主成分分析(PCA)法及T2、Q统计,计算测量前30天数据点与模型预测偏差的统计量。该方法采用了一种集成建筑能源管理系统及一系列能耗模拟软件的软件平台BCVTB,通过收集建筑实时运行信息,对能耗进行实时模拟及对比进行能耗异常诊断。
然而,上述两种方法都有缺点。黑箱法虽然可以根据大量数据由算法给出能耗异常检测结果,但是需要大量且优质的数据作为支撑,需要建筑数据已记录一段时间并且需要包含各种异常类型,且缺少一定的理论支撑,即只是与建筑以往能耗情况进行对比,无法反映可以节约的能耗量;而灰箱方法的模拟结果虽然具有理论性,但是其中白箱的构建是重难点,且建筑能耗模型的建立需要较多的建筑信息从而建立一套完整的方法。
参考文献
[1]2019中国建筑能耗研究报告%J建筑[J].2020,07):30-9.
[2]WANG D,CHEN D,SONG B,et al.From IoT to 5G I-IoT:The nextgeneration IoT-based intelligent algorithms and 5G technologies[J].2018,56(10):114-20.
[3]刘博伟.物联网设备发现与管理技术研究与应用[D];南京邮电大学,2018.
[4]MAILE T,FISCHER M,BAZJANAC V J C F I F E W P.Building energyperformance simulation tools-a life-cycle and interoperable perspective[J].2007,107(1-49).
[5]ROTH K W,WESTPHALEN D,FENG M Y,et al.Energy impact of commercialbuilding controls and performance diagnostics[J].2005.
[6]FRIEDMAN H,FRANK M,CLARIDGE D,et al.Commissioning cost-benefit andpersistence of savings:A report on cost-effective commissioning of existingand low energy buildings[J].2012.
[7]MILLS E J E E.Building commissioning:a golden opportunity forreducing energy costs and greenhouse gas emissions in the United States[J].2011,4(2):145-73.
[8]COSTA A,KEANE M M,TORRENS J I,et al.Building operation and energyperformance:Monitoring,analysis and optimisation toolkit[J].2013,101(310-6).
[9]WHITEHOUSE K,RANJAN J,LU J,et al.Towards occupancy-driven heatingand cooling[J].2012,29(4):17-25.
[10]ARAYA D B,GROLINGER K,ELYAMANY H F,et al.An ensemble learningframework for anomaly detection in building energy consumption[J].2017,144(191-206).
[11]GUNAY H B,SHI Z J E,BUILDINGS.Cluster analysis-based anomalydetection in building automation systems[J].2020,228(110445).
[12]江航,卢暾,顾寒苏,et al.一种动态实时高校建筑能耗异常检测方法%J计算机工程[J].2017,43(04):15-20+7.
[13]FRANK S,HEANEY M,JIN X,et al.:National Renewable Energy Lab.(NREL),Golden,CO(United States),2016.
[14]O'NEILL Z,PANG X,SHASHANKA M,et al.Model-based real-time wholebuilding energy performance monitoring and diagnostics[J].2014,7(2):83-99.
发明内容
为解决上述问题,提供了一种能够基于少量数据获得具有一定物理依据的用来判断能耗异常的置信区间从而实时自动进行异常判断的建筑能耗诊断系统,本发明采用了如下技术方案:
本发明提供了一种建筑实时能耗异常诊断系统,用于对建筑能耗中的暖通系统能耗进行实时能耗异常诊断,其特征在于,包括:正常置信区间存储部,存储有暖通系统能耗对应的正常置信区间;暖通能耗实测值获取部,从物联网平台实时获取暖通系统能耗对应的实测值,作为暖通能耗实测值;暖通能耗模拟值获取部,从预定的建筑模拟软件中根据建筑相关信息实时模拟,得到暖通系统能耗对应的模拟值,作为暖通能耗模拟值;异常判断部,判断暖通能耗实测值与暖通能耗模拟值的差值是否处于正常置信区间内;以及异常结论输出部,在异常判断部判断为否时,输出暖通能耗异常从而提醒建筑管理人员根据该暖通能耗异常采取措施,节省建筑能耗,其中,正常置信区间通过如下步骤得到:步骤S2-1,利用物联网平台获取无人状态下开启建筑中暖通系统的无人暖通实测值;步骤S2-2,利用建筑模拟软件建立未进行任何校准的暖通能耗模拟模型作为初始模型,并根据建筑内无人状态得到无人模拟值;步骤S2-3,利用多个预定的评价指标对无人模拟值以及无人暖通实测值进行评价,得到多个无人状态评价值;步骤S2-4,判断所有无人状态评价值是否在ASHRAE标准范围内,判断为是时,将初始模型作为无人标准模型;步骤S2-5,在步骤S2-4判断为否时,对初始模型中的围护结构参数及暖通系统相关参数进行不断校准,直到所有无人状态评价值为ASHRAE标准范围内的最小值,从而得到初次校准模型作为无人标准模型;步骤S2-6,利用物联网平台获取有人情况下暖通系统时的有人暖通实测值;步骤S2-7,无人标准模型根据建筑内有人状态得到有人模拟值;步骤S2-8,利用所有评价指标对有人模拟值以及有人暖通实测值进行评价,得到多个有人状态评价值;步骤S2-9,判断所有有人状态评价值是否在ASHRAE标准范围内,判断为是时,将无人标准模型作为有人标准模型;步骤S2-10,在步骤S2-9判断为否时,通过调整无人标准模型中的人员相关参数进行不断校准,直到所有有人状态评价值为ASHRAE标准范围内的最小值,从而得到再次校准模型作为有人标准模型;步骤S2-11,基于有人标准模型输出的标准模拟值以及物联网平台针对暖通系统的实测值,利用置信区间计算方法计算得到暖通系统正常运行时的置信区间,并将该置信区间作为正常置信区间。
根据本发明提供的一种建筑实时能耗异常诊断系统,还可以具有这样的技术特征,还包括:故障设备排查部,在异常结论输出部输出暖通能耗异常时,根据物联网平台的实时监测数据确定暖通系统中对应的故障设备,并提醒建筑管理人员进行故障设备修复;以及运行故障排查部,在故障设备排查部没有检查到故障设备时,分析暖通能耗实测值与暖通能耗模拟值的分项能耗,从而确定能耗异常位置,并提醒建筑管理人员对该能耗异常位置进行处理。
根据本发明提供的一种建筑实时能耗异常诊断系统,还可以具有这样的技术特征,还包括:故障设备排查部,在异常结论输出部输出暖通能耗异常时,根据物联网平台的实时监测数据确定暖通系统中对应的故障设备,并提醒建筑管理人员进行故障设备修复;以及运行策略推荐部,在故障设备排查部没有检查到故障设备时,对比建筑模拟软件的运行方案与建筑内的暖通系统实际运行方案的差别,并根据该差别为建筑管理人员推荐运行方案。
根据本发明提供的一种建筑实时能耗异常诊断系统,还可以具有这样的技术特征,还包括:照明能耗监测部,利用物联网平台实时监测建筑内的照明能耗情况,并根据特定的照明系统运行模式及方案,通过物联网平台的逻辑规则进行实时控制与调节;以及设备能耗监测部,利用物联网平台实时监测建筑内的设备能耗情况,并根据特定的设备系统运行模式及方案,通过物联网平台的逻辑规则进行实时控制与调节。
根据本发明提供的一种建筑实时能耗异常诊断系统,还可以具有这样的技术特征,其中,评价指标包括MBE以及CV(RMSE)。
根据本发明提供的一种建筑实时能耗异常诊断系统,还可以具有这样的技术特征,其中,建筑模拟软件为Energyplus。
发明作用与效果
根据本发明的一种建筑实时能耗异常诊断系统,由于先通过建筑模拟软件在无人状态下获取的无人模拟值与物联网平台在无人情况下获取的无人暖通实测值对初始模型评估判断并校准,然后通过有人模拟值以及有人暖通实测值对无人标准模型评估判断并校准得到有人标准模型,最后在有人标准模型的基础上得到正常置信区间。因此,正常置信区间的获得相较于传统方法而言,对实测数据的需求量较少,并且具有一定的物理依据,避免校准过程多因素抵消的现象,从而更具实用性。
另外,由于异常判断部判断暖通能耗实测值与暖通能耗模拟值的差值是否处于正常置信区间内;同时,异常结论输出部在异常判断部判断为否时,输出暖通能耗异常从而提醒建筑管理人员根据该暖通能耗异常采取措施,因此,能够最大程度上减少因为设备问题或是运行方案带来的能耗损失,并且有助于建筑管理人员及时排查潜在危险。
除此之外,由于先在无人状态下对初始模型校准,进一步地在有人状态下对无人标准模型进行校准,因此,最后得到的有人标准模型避免了直接在有人状态下校准而带来的人员对建筑产生的能耗与围护结构及暖通系统对建筑产生的能耗相互抵消从而导致最终能耗值与实测接近的情况,提高了校准准确度。
通过本发明的建筑实时能耗异常诊断系统可以在实测数据量较少的情况下得到具有理论依据的暖通能耗正常置信区间,并基于该正常置信区间实时对整个建筑内的暖通能耗进行异常判断,从而实现建筑节能目的。
附图说明
图1为本发明实施例的一种建筑实时能耗异常诊断系统的结构框图;
图2为本发明实施例的一种建筑实时能耗异常诊断系统的流程示意图;
图3为本发明实施例的正常置信区间获取的流程图;以及
图4为本发明实施例的一种建筑实时能耗异常诊断系统工作过程的流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下结合实施例及附图对本发明的一种建筑实时能耗异常诊断系统作具体阐述。
<实施例>
本发明实施例中,建筑能耗主要分为照明系统能耗、设备系统能耗及暖通系统能耗。
图1为本发明实施例的一种建筑实时能耗异常诊断系统的结构框图。
图2为本发明实施例的一种建筑实时能耗异常诊断系统的流程示意图。
如图1以及图2所示,一种建筑实时能耗异常诊断系统1包括正常置信区间存储部11、暖通能耗实测值获取部12、暖通能耗模拟值获取部13、异常判断部14、异常结论输出部15、故障设备排查部16以及运行故障排查部17。
正常置信区间存储部11存储有暖通系统能耗对应的正常置信区间E。
图3为本发明实施例的正常置信区间获取的流程图。
如图3所示,正常置信区间通过如下步骤得到:
步骤S2-1,利用物联网平台2获取无人状态下开启建筑中暖通系统的无人暖通实测值。
步骤S2-2,利用建筑模拟软件3建立未进行任何校准的暖通能耗模拟模型作为初始模型,并根据建筑内无人状态得到无人模拟值,具体地,将建筑内无人状态调试时的实际天气参数输入初始模型中,从而得到无人模拟数据(即无人模拟值)。
其中,建筑内无人状态调试时的实际天气参数由互联网平台获得。
其中,建筑模拟软件3为Energyplus。
步骤S2-3,利用多个预定的评价指标对无人模拟值以及无人暖通实测值进行评价,得到多个无人状态评价值。
其中,评价指标包括MBE以及CV(RMSE)。
ASHRAE指南14指出,如果每小时MBE值在±10%以内,每小时CV(RMSE)值在30%以下,则不需要对建筑模型进行校准。
步骤S2-4,判断所有无人状态评价值是否在ASHRAE标准范围内,判断为是时,将初始模型作为无人标准模型。
步骤S2-5,在步骤S2-4判断为否时,对初始模型中的围护结构参数及暖通系统相关参数进行不断校准,直到所有无人状态评价值为ASHRAE标准范围内的最小值,从而得到初次校准模型作为无人标准模型。
步骤S2-6,利用物联网平台2获取有人状态下开启暖通系统时的有人暖通实测值。
步骤S2-7,无人标准模型根据建筑内有人状态得到有人模拟值。
步骤S2-8,利用所有评价指标对有人模拟值以及有人暖通实测值进行评价,得到多个有人状态评价值。
步骤S2-9,判断所有有人状态评价值是否在ASHRAE标准范围内,判断为是时,将无人标准模型作为有人标准模型。
步骤S2-10,在步骤S2-9判断为否时,通过调整无人标准模型中的人员相关参数进行不断校准,直到所有有人状态评价值为ASHRAE标准范围内的最小值,从而得到再次校准模型作为有人标准模型。
步骤S2-11,基于有人标准模型输出的标准模拟值以及物联网平台2针对暖通系统的实测值,利用置信区间计算方法计算得到暖通系统正常运行时的置信区间,并将该置信区间作为正常置信区间。
暖通能耗实测值获取部12通过通信模块4从物联网平台2实时获取暖通系统能耗对应的实测值,作为暖通能耗实测值。
暖通能耗模拟值获取部13通过通信模块5从预定的建筑模拟软件3中根据建筑相关信息实时模拟,得到暖通系统能耗对应的模拟值,作为暖通能耗模拟值。
本实施例中,通过开发Energyplus与建筑物联网平台2的接口来实时获取建筑相关信息。该建筑相关信息主要包括建筑周围的实时天气及实时人员在室情况。
上述接口还可以允许其他程序在EnergyPlus运行中改变EnergyPlus模型的一些参数和设置。
而EnergyPlus 9.4版本中的API,可以从其他程序中调用EnergyPlus作为函数。
另外,上述接口采用库模式,包含一个外部脚本(C或Python),该脚本利用EnergyPlus API注册回调函数并从函数调用中启动模拟。
异常判断部14判断暖通能耗实测值与暖通能耗模拟值的差值是否处于正常置信区间内,判断为是时,对下一时刻的暖通能耗实测值以及暖通能耗模拟值进行异常判断。
异常结论输出部15在异常判断部14判断为否时,输出暖通能耗异常从而提醒建筑管理人员根据该暖通能耗异常采取措施,节省建筑能耗。
故障设备排查部16在异常结论输出部15输出暖通能耗异常时,根据物联网平台2输出的实时监测数据确定暖通系统中对应的故障设备,并提醒建筑管理人员进行故障设备修复。
其中,实时监测数据是指物联网平台2对建筑中每个能耗设备的监测数据,通过该监控数据可以获得能耗设备的状态,从而确定是否处于故障中,并将有故障的设备名称直接显示给建筑管理人员,从而方便建筑管理人员安排人员进行故障设备修复。
运行故障排查部17在故障设备排查部16没有检查到故障设备时,分析暖通能耗实测值与暖通能耗模拟值的分项能耗,从而确定能耗异常位置,并提醒建筑管理人员对该能耗异常位置进行处理。
照明能耗监测部利用物联网平台2实时监测建筑内的照明能耗情况,并根据特定的照明系统运行模式及方案,通过物联网平台2的逻辑规则进行实时控制与调节。
设备能耗监测部利用物联网平台2实时监测建筑内的设备能耗情况,并根据特定的设备系统运行模式及方案,通过物联网平台2的逻辑规则进行实时控制与调节。
其中,特定的设备系统运行模式及方案是指建筑中暖通系统原本的运行模式及方案。
具体地,物联网平台2可以实时监测照明系统状态以及设备系统状态。当照明或设备未按照建筑中设置的照明\设备运行模式及方案运行,会被监测到并输出提醒建筑管理人员。
由于建筑物联网平台2已经可以实时监控与控制照明系统及设备系统的能耗情况,并且还可以根据客户需求制定的照明系统及设备系统的运行模式和方案,直接通过物联网平台2的逻辑规则进行控制。因此,不需要通过基于物联网平台2获取的实测值与建筑模拟软件3获取的模拟值得到的置信区间进行判断。
图4为本发明实施例的一种建筑实时能耗异常诊断系统工作过程的流程图。
如图4所示,一种建筑实时能耗异常诊断系统1工作过程包括如下步骤:
步骤S1-1,暖通能耗实测值获取部12利用物联网平台2获取暖通能耗实测值,然后进入步骤S1-2;
步骤S1-2,暖通能耗模拟值获取部13利用预定的建筑模拟软件3获取暖通能耗模拟值,然后进入步骤S1-3;
步骤S1-3,异常判断部14判断暖通能耗实测值与暖通能耗模拟值的差值是否处于正常置信区间内,判断为否时进入步骤S1-4,判断为是时进入步骤S1-1进行下一时刻的暖通能耗实测值获取;
步骤S1-4,异常结论输出部15输出暖通能耗异常,然后进入步骤S1-5;
步骤S1-5,故障设备排查部16根据物联网平台2输出的实时监测数据确定暖通系统中对应的故障设备,并提醒建筑管理人员进行故障设备修复,然后进入步骤S1-6;
步骤S1-6,在故障设备排查部16没有检查到故障设备时,运行故障排查部17分析暖通能耗实测值与暖通能耗模拟值的分项能耗,从而确定能耗异常位置,并提醒建筑管理人员对该能耗异常位置进行处理,然后进入结束状态。
实施例作用与效果
根据本实施例提供的建筑实时能耗异常诊断系统1,由于先通过建筑模拟软件3在无人状态下获取的无人模拟值与物联网平台2在无人情况下获取的无人暖通实测值对初始模型评估判断并校准,然后通过有人模拟值以及有人暖通实测值对无人标准模型评估判断并校准得到有人标准模型,最后在有人标准模型的基础上得到正常置信区间。因此,正常置信区间的获得相较于传统方法而言,对实测数据的需求量较少,并且具有一定的物理依据,避免校准过程多因素抵消的现象,从而更具实用性。
另外,由于异常判断部14判断暖通能耗实测值与暖通能耗模拟值的差值是否处于正常置信区间内;同时,异常结论输出部15在异常判断部14判断为否时,输出暖通能耗异常从而提醒建筑管理人员根据该暖通能耗异常采取措施,因此,能够最大程度上减少因为设备问题或是运行方案带来的能耗损失,并且有助于建筑管理人员及时排查潜在危险。
除此之外,由于先在无人状态下对初始模型校准,进一步地在有人状态下对无人标准模型进行校准,因此,最后得到的有人标准模型避免了直接在有人状态下校准而带来的人员对建筑产生的能耗与围护结构及暖通系统对建筑产生的能耗相互抵消从而导致最终能耗值与实测接近的情况,提高了校准准确度。
实施例中,由于在异常结论输出部15输出暖通能耗异常时,故障设备排查部16会提醒建筑管理人员进行故障设备修复,而运行故障排查部17会在故障设备排查部16没有检查到故障设备时,分析暖通能耗实测值与暖通能耗模拟值的分项能耗,从而确定能耗异常位置,并提醒建筑管理人员对该能耗异常位置进行处理,因此,能够为建筑管理人员节省大量排查时间,提高建筑管理人员的工作效率,并且给异常修复工作提供了一定的指导性。
<变形例>
实施例中的运行故障排查部17在故障设备排查部16没有检查到故障设备时会分析暖通能耗实测值与暖通能耗模拟值的分项能耗,本变形例从建筑运行策略改进方面考虑,通过运行策略推荐部来改进建筑运行策略从而达到建筑节能的目的。
为了便于表达,本变形例中对于和实施例相同的结构,给予相同的符号,并省略相同的说明。
运行策略推荐部在故障设备排查部16没有检查到故障设备时,对比建筑模拟软件3的运行方案与建筑内的暖通系统实际运行方案的差别,并根据该差别为建筑管理人员推荐运行方案。
变形例作用与效果
变形例中,由于运行策略推荐部能够对比建筑模拟软件3的运行方案与建筑内的暖通系统实际运行方案的差别,并根据该差别为建筑管理人员推荐运行方案,因此,为建筑管理人员调整整个建筑内的暖通系统运行方案提供指导意见,从而节省时间,提高工作效率。
上述实施例与变形例仅用于举例说明本发明的具体实施方式,而本发明不限于上述实施例的描述范围。
在实施例与变形例中,评价指标包括MBE以及CV(RMSE),在本发明的其他方案中,还可以包括其他用于评价建筑模拟软件3构建的暖通系统能耗模型的模拟准确性的指标。
在实施例与变形例中,建筑模拟软件3为Energyplus,在本发明的其他方案中,也可以是其他常用的建筑模拟软件3,如DeST等。
Claims (6)
1.一种建筑实时能耗异常诊断系统,用于对建筑能耗中的暖通系统能耗进行实时能耗异常诊断,其特征在于,包括:
正常置信区间存储部,存储有所述暖通系统能耗对应的正常置信区间;
暖通能耗实测值获取部,从物联网平台实时获取所述暖通系统能耗对应的实测值,作为暖通能耗实测值;
暖通能耗模拟值获取部,从预定的建筑模拟软件中根据建筑相关信息实时模拟,得到所述暖通系统能耗对应的模拟值,作为暖通能耗模拟值;
异常判断部,判断所述暖通能耗实测值与所述暖通能耗模拟值的差值是否处于所述正常置信区间内;以及
异常结论输出部,在所述异常判断部判断为否时,输出暖通能耗异常从而提醒建筑管理人员根据该暖通能耗异常采取措施,节省建筑能耗,
其中,所述正常置信区间通过如下步骤得到:
步骤S2-1,利用所述物联网平台获取无人状态下开启建筑内暖通系统的无人暖通实测值;
步骤S2-2,利用所述建筑模拟软件建立未进行任何校准的暖通能耗模拟模型作为初始模型,并根据建筑内无人状态得到无人模拟值;
步骤S2-3,利用多个预定的评价指标对所述无人模拟值以及所述无人暖通实测值进行评价,得到多个无人状态评价值;
步骤S2-4,判断所有所述无人状态评价值是否在ASHRAE标准范围内,判断为是时,将所述初始模型作为无人标准模型;
步骤S2-5,在所述步骤S2-4判断为否时,对所述初始模型中的围护结构参数及暖通系统相关参数进行不断校准,直到所有所述无人状态评价值为所述ASHRAE标准范围内的最小值,从而得到初次校准模型作为所述无人标准模型;
步骤S2-6,利用所述物联网平台获取有人状态下开启暖通系统时的有人暖通实测值;
步骤S2-7,所述无人标准模型根据建筑内有人状态得到有人模拟值;
步骤S2-8,利用所有所述评价指标对所述有人模拟值以及所述有人暖通实测值进行评价,得到多个有人状态评价值;
步骤S2-9,判断所有所述有人状态评价值是否在所述ASHRAE标准范围内,判断为是时,将所述无人标准模型作为有人标准模型;
步骤S2-10,在所述步骤S2-9判断为否时,通过调整所述无人标准模型中的人员相关参数进行不断校准,直到所有所述有人状态评价值为所述ASHRAE标准范围内的最小值,从而得到再次校准模型作为所述有人标准模型;
步骤S2-11,基于所述有人标准模型输出的标准模拟值以及所述物联网平台针对暖通系统的实测值,利用置信区间计算方法计算得到暖通系统正常运行时的置信区间,并将该置信区间作为所述正常置信区间。
2.根据权利要求1所述的建筑实时能耗异常诊断系统,其特征在于,还包括:
故障设备排查部,在所述异常结论输出部输出所述暖通能耗异常时,根据所述物联网平台的实时监测数据确定暖通系统中对应的故障设备,并提醒建筑管理人员进行故障设备修复;以及
运行故障排查部,在所述故障设备排查部没有检查到所述故障设备时,分析所述暖通能耗实测值与所述暖通能耗模拟值的分项能耗,从而确定能耗异常位置,并提醒所述建筑管理人员对该能耗异常位置进行处理。
3.根据权利要求1所述的建筑实时能耗异常诊断系统,其特征在于,还包括:
故障设备排查部,在所述异常结论输出部输出所述暖通能耗异常时,根据所述物联网平台的实时监测数据确定暖通系统中对应的故障设备,并提醒建筑管理人员进行故障设备修复;以及
运行策略推荐部,在所述故障设备排查部没有检查到所述故障设备时,对比所述建筑模拟软件的运行方案与所述建筑内的暖通系统实际运行方案的差别,并根据该差别为所述建筑管理人员推荐运行方案。
4.根据权利要求1所述的建筑实时能耗异常诊断系统,其特征在于,还包括:
照明能耗监测部,利用所述物联网平台实时监测建筑内的照明能耗情况,并根据特定的照明系统运行模式及方案,通过所述物联网平台的逻辑规则进行实时控制与调节;以及
设备能耗监测部,利用所述物联网平台实时监测建筑内的设备能耗情况,并根据特定的设备系统运行模式及方案,通过所述物联网平台的逻辑规则进行实时控制与调节。
5.根据权利要求1所述的建筑实时能耗异常诊断系统,其特征在于:
其中,所述评价指标包括MBE以及CV(RMSE)。
6.根据权利要求1所述的建筑实时能耗异常诊断系统,其特征在于:
其中,所述建筑模拟软件为Energyplus。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110261285.4A CN112836396B (zh) | 2021-03-10 | 2021-03-10 | 一种建筑实时能耗异常诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110261285.4A CN112836396B (zh) | 2021-03-10 | 2021-03-10 | 一种建筑实时能耗异常诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836396A true CN112836396A (zh) | 2021-05-25 |
CN112836396B CN112836396B (zh) | 2022-12-27 |
Family
ID=75929987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110261285.4A Active CN112836396B (zh) | 2021-03-10 | 2021-03-10 | 一种建筑实时能耗异常诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836396B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113757944A (zh) * | 2021-09-24 | 2021-12-07 | 广东电网有限责任公司 | 一种基于空调系统模型的空调系统故障诊断方法及系统 |
CN117196351A (zh) * | 2023-11-06 | 2023-12-08 | 中节能物业管理有限公司 | 一种基于物联网的智能建筑能耗监测方法与系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102650876A (zh) * | 2012-02-17 | 2012-08-29 | 深圳市新基点智能技术有限公司 | 一种智能建筑实时节能联动控制装置及方法 |
CN106249681A (zh) * | 2016-09-18 | 2016-12-21 | 北京博锐尚格节能技术股份有限公司 | 建筑能耗异常监控方法和装置 |
KR101905498B1 (ko) * | 2018-01-22 | 2018-10-08 | (주)한신산업 | 건물일체형 태양광 발전장치의 자동 환기장치 및 그 환기방법과 터치식 스마트 모니터링 제어 시스템 |
CN108830932A (zh) * | 2018-06-15 | 2018-11-16 | 郑州大学 | 一种基于EnergyPlus与CFD耦合的大空间建筑能耗预测方法 |
CN109035067A (zh) * | 2018-07-19 | 2018-12-18 | 北京泰豪智能工程有限公司 | 基于rf和arma算法的建筑能耗处理方法及装置 |
CN109240263A (zh) * | 2018-09-12 | 2019-01-18 | 深圳市紫衡技术有限公司 | 一种在线节能诊断方法、系统、设备、存储介质 |
CN109933850A (zh) * | 2019-02-02 | 2019-06-25 | 天津大学 | 一种居住建筑热负荷模型分步校准方法 |
CN110135649A (zh) * | 2019-05-21 | 2019-08-16 | 山东建筑大学 | 短期建筑能耗区间预测方法、系统、介质及设备 |
CN111308181A (zh) * | 2018-12-11 | 2020-06-19 | 湖南博弘节能科技有限公司 | 一种实时能耗模拟系统 |
CN111611688A (zh) * | 2020-04-15 | 2020-09-01 | 北京市燃气集团有限责任公司 | 一种燃气供暖用户耗能合理化评价方法、系统、终端及存储介质 |
CN112270137A (zh) * | 2020-11-24 | 2021-01-26 | 同济大学 | 基于建筑能耗模拟软件动态生成遮阳行为的方法及装置 |
CN112434940A (zh) * | 2020-11-24 | 2021-03-02 | 上海市建筑科学研究院有限公司 | 一种绿色建筑性能的后评估系统、方法和平台 |
-
2021
- 2021-03-10 CN CN202110261285.4A patent/CN112836396B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102650876A (zh) * | 2012-02-17 | 2012-08-29 | 深圳市新基点智能技术有限公司 | 一种智能建筑实时节能联动控制装置及方法 |
CN106249681A (zh) * | 2016-09-18 | 2016-12-21 | 北京博锐尚格节能技术股份有限公司 | 建筑能耗异常监控方法和装置 |
KR101905498B1 (ko) * | 2018-01-22 | 2018-10-08 | (주)한신산업 | 건물일체형 태양광 발전장치의 자동 환기장치 및 그 환기방법과 터치식 스마트 모니터링 제어 시스템 |
CN108830932A (zh) * | 2018-06-15 | 2018-11-16 | 郑州大学 | 一种基于EnergyPlus与CFD耦合的大空间建筑能耗预测方法 |
CN109035067A (zh) * | 2018-07-19 | 2018-12-18 | 北京泰豪智能工程有限公司 | 基于rf和arma算法的建筑能耗处理方法及装置 |
CN109240263A (zh) * | 2018-09-12 | 2019-01-18 | 深圳市紫衡技术有限公司 | 一种在线节能诊断方法、系统、设备、存储介质 |
CN111308181A (zh) * | 2018-12-11 | 2020-06-19 | 湖南博弘节能科技有限公司 | 一种实时能耗模拟系统 |
CN109933850A (zh) * | 2019-02-02 | 2019-06-25 | 天津大学 | 一种居住建筑热负荷模型分步校准方法 |
CN110135649A (zh) * | 2019-05-21 | 2019-08-16 | 山东建筑大学 | 短期建筑能耗区间预测方法、系统、介质及设备 |
CN111611688A (zh) * | 2020-04-15 | 2020-09-01 | 北京市燃气集团有限责任公司 | 一种燃气供暖用户耗能合理化评价方法、系统、终端及存储介质 |
CN112270137A (zh) * | 2020-11-24 | 2021-01-26 | 同济大学 | 基于建筑能耗模拟软件动态生成遮阳行为的方法及装置 |
CN112434940A (zh) * | 2020-11-24 | 2021-03-02 | 上海市建筑科学研究院有限公司 | 一种绿色建筑性能的后评估系统、方法和平台 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113757944A (zh) * | 2021-09-24 | 2021-12-07 | 广东电网有限责任公司 | 一种基于空调系统模型的空调系统故障诊断方法及系统 |
CN113757944B (zh) * | 2021-09-24 | 2022-11-11 | 广东电网有限责任公司 | 一种基于空调系统模型的空调系统故障诊断方法及系统 |
CN117196351A (zh) * | 2023-11-06 | 2023-12-08 | 中节能物业管理有限公司 | 一种基于物联网的智能建筑能耗监测方法与系统 |
CN117196351B (zh) * | 2023-11-06 | 2024-02-13 | 中节能物业管理有限公司 | 一种基于物联网的智能建筑能耗监测方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112836396B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Diagnostic Bayesian networks for diagnosing air handling units faults–part I: Faults in dampers, fans, filters and sensors | |
CN105846780B (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
CN112836396B (zh) | 一种建筑实时能耗异常诊断系统 | |
CN106444489B (zh) | 基于数字化监测重型装备发动机的监测装置及其监测方法 | |
CN103091112B (zh) | 基于模糊推理和自学习的汽车排放故障检诊方法及装置 | |
CN110311709B (zh) | 用电信息采集系统故障判别方法 | |
CN109213127A (zh) | 一种基于深度学习的hvac系统渐变故障诊断方法 | |
CN110907883B (zh) | 一种电能表自动化检定系统的计量监督方法和系统 | |
CN107015486A (zh) | 一种空调水系统调节阀故障智能诊断方法 | |
CN110941558B (zh) | 一种智慧办公远程运维的方法及系统 | |
CN112580858A (zh) | 设备参数预测分析方法及系统 | |
CN117742224B (zh) | Pad终端实时异常监控与智能处理方法 | |
CN107063663A (zh) | 一种空调水系统智能诊断调节阀 | |
CN112303810A (zh) | 一种基于机器学习的空调健康预测方法 | |
CN117238226B (zh) | 一种led显示屏故障自检方法及系统 | |
CN117764422A (zh) | 智慧节能运维管理云平台 | |
CN105447518A (zh) | 一种基于K-means遥测数据判读系统 | |
CN106644436B (zh) | 一种断路器机械特性的评定方法 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
CN116773239A (zh) | 一种智能燃气表控制器可靠性寿命预测方法 | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和系统 | |
CN114326475B (zh) | 基于竞争失效模式的无人驾驶域控制器可靠度优化方法 | |
CN113283510B (zh) | 一种基于全业务混合数据的二次设备健康状况分析方法 | |
CN113238530B (zh) | 监测系统显示功能设计方法及系统、验证方法、显示方法 | |
CN112307652B (zh) | 基于平均剩余寿命重要度的复杂装备系统快速维修方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |