CN116542395A - 一种低碳楼宇监测系统及方法 - Google Patents
一种低碳楼宇监测系统及方法 Download PDFInfo
- Publication number
- CN116542395A CN116542395A CN202310695513.8A CN202310695513A CN116542395A CN 116542395 A CN116542395 A CN 116542395A CN 202310695513 A CN202310695513 A CN 202310695513A CN 116542395 A CN116542395 A CN 116542395A
- Authority
- CN
- China
- Prior art keywords
- building
- energy consumption
- emission
- data
- equipment
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 87
- 238000012544 monitoring process Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005265 energy consumption Methods 0.000 claims abstract description 126
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 59
- 238000012937 correction Methods 0.000 claims abstract description 53
- 230000007613 environmental effect Effects 0.000 claims abstract description 21
- 238000004378 air conditioning Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000009423 ventilation Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及碳排放监测技术领域,公开了一种低碳楼宇监测系统及方法,包括监测子系统和预警子系统;所述监测子系统包括监测模块;所述监测模块用于采集楼宇的基础排放数据和楼宇的基础状态数据;基础排放数据包括历史排放数据和即时排放数据;基础状态数据包括楼宇的耗能设备类型、耗能设备的使用年限、耗能设备分布情况和楼宇环境参数;楼宇环境参数包括楼宇绿化度、楼宇周边绿化度、楼宇周边设施分布情况;所述预警子系统包括排放预警模块和修正模块;排放预警模块用于进行楼宇排放预测,并在排放量超过阈值时进行预警;修正模块用于按照修正策略修正排放预警模块预测的排放数据。本发明能够准确预测楼宇的碳排放量,碳排放评估精准度较高。
Description
技术领域
本发明涉及碳排放监测技术领域,具体涉及一种低碳楼宇监测系统及方法。
背景技术
碳排放是关于温室气体排放的一个总称或简称,温室气体中最主要的气体是二氧化碳,因此用碳一词作为代表。而在各个行业中,建筑行业消耗了全球大约30%-40%的能源,并排放了几乎占全球30%的温室气体,所以对建筑碳排放进行有效监测与分析,为实现碳减排目标提供基础数据是非常有必要的。
做好智慧化楼宇的碳管控是目前企业碳减排不可缺少的重要部分。以往,楼宇的能耗监控及碳排放管控方式过于粗放,整体集控能力较弱,缺乏具有针对性的节能减排改造方案,如何量化楼宇各场景的减排量、提升能源利用效率、落实节能优化,从而实现楼宇的精细化管控,是亟待解决的核心问题。
现有的楼宇碳排放监测方法中,大多基于设置的监测设备采集排放数据,并通过对各个目标进行数据建模,结合已有的排放数据预测分析未来时间内的碳排放结果。但是,此类方法在实际应用中,对各类能耗设备的耗能行为预测并不准确,以致于碳排放评估精准度不高。
发明内容
本发明意在提供一种低碳楼宇监测系统及方法,能够准确预测楼宇的碳排放量,碳排放评估精准度较高。
为达到上述目的,本发明提供的基础方案为:
方案一
一种低碳楼宇监测系统,包括监测子系统和预警子系统;
所述监测子系统包括监测模块;所述监测模块用于采集楼宇的基础排放数据和楼宇的基础状态数据;所述基础排放数据包括历史排放数据和即时排放数据;所述基础状态数据包括楼宇的耗能设备类型、耗能设备的使用年限、耗能设备分布情况和楼宇环境参数;所述楼宇环境参数包括楼宇绿化度、楼宇周边绿化度、楼宇周边设施分布情况;所述预警子系统包括排放预警模块和修正模块;所述排放预警模块用于进行楼宇排放预测,并在排放量超过阈值时进行预警;
所述修正模块用于按照修正策略修正排放预警模块预测的排放数据;所述修正策略包括根据耗能设备的使用年限,当耗能设备的使用年限大于预设年限时,对该耗能设备相对应的基础排放数据进行第一修正;根据耗能设备类型和耗能设备分布情况,确认耗能设备之间的能耗影响比例,并基于能耗影响比例对该耗能设备相对应的基础排放数据进行第二修正;根据楼宇环境参数,确认楼宇所处环境对楼宇排放的环境影响比例,并基于环境影响比例对该耗能设备相对应的基础排放数据进行第三修正。
方案二
一种低碳楼宇监测方法,应用如方案一所述的一种低碳楼宇监测系统进行楼宇排放监测;包括采用监测模块采集楼宇的基础排放数据和楼宇的基础状态数据;采用排放预警模块进行楼宇排放预测,并在排放量超过阈值时进行预警;采用修正模块按照修正策略修正排放预警模块预测的排放数据。
本发明的工作原理及优点在于:
第一,本方案中特设有修正模块对监测模块采集的基础排放数据进行修正,耗能预警模块基于修正后的基础排放数据进行排放预测。相较于常规方案中,直接采用采集的碳排放数据进行碳排放预测的数据处理方法,本方案所获得的基础排放数据更为精准的同时,碳排放的预测精准度更高。
第二,本方案的监测模块对楼宇的基础排放数据和基础状态数据均进行采集,其中,特别对楼宇中的基础状态数据(楼宇的耗能设备类型、耗能设备的使用年限、耗能设备分布情况和楼宇环境参数)进行了采集,拓展了楼宇碳排放的分析维度,能够挖掘得到更为丰富的碳排放影响信息,有助于提升楼宇排放监测及预测的精准度。相较于常规方案,虽然其也有对楼宇的基础参数进行采集,但常规方案中所采集的往往是四面窗墙比、屋面传热系数、外墙传热系数、耗能设备的功率等与楼宇碳排放存在明显关联的因素,对于类似于耗能设备分布位置、耗能设备之间存在的相互影响等因素并不关注。
本方案则发现了此类隐性的楼宇碳排放影响因素。在实际应用中,耗能设备彼此存在一定的相互影响,例如:在夏季,空调系统运作时,处于空调系统工作范围内的耗能设备的实际能耗,则相较于同类情况下但空调系统不运作时的耗能设备的实际能耗更低,这其中,耗能设备受空调系统的启闭影响,所处的工作环境温度不同,对应的散热效果不同,对应的实际能耗不同,对应的实际碳排放量也不同。但现有方案中,均忽视了此类影响,在测算能耗时,仅基于设备耗电量和功率等进行理论上的监测计算,计算其碳排放时则基于理论能耗直接推导,与设备的实际能耗及碳排放表现存在误差。本方案则充分考量了此类误差,能够得到更为真实、更贴合实际的能耗及碳排放数据。
第三,修正模块在进行修正时,能够依据不同的基础状态数据,进行针对性的修正;修正全面且精准度较高。其中,本方案一是能够基于耗能设备之间的能耗影响,以及耗能设备的使用年限,精准计算各设备的实际能耗及碳排放量,得到的能耗及碳排放数据更贴合实际;二是能够基于楼宇环境参数,充分考量周边绿化环境对楼宇碳排放量的影响,得到的监测及预测数据更为准确。
附图说明
图1为本发明一种低碳楼宇监测系统及方法实施例一的系统结构示意图。
具体实施方式
下面通过具体实施方式进一步详细的说明:
实施例一
实施例基本如附图1所示:一种低碳楼宇监测系统,包括监测子系统和预警子系统。
所述监测子系统包括监测模块;所述监测模块用于采集楼宇的基础排放数据和楼宇的基础状态数据。
所述基础排放数据包括历史排放数据和即时排放数据。此处,排放数据均指碳排放数据。本实施例中,在采集碳排放数据时,还采集各类设备的历史耗能数据和即时耗能数据。所述基础状态数据包括楼宇的耗能设备类型、耗能设备的使用年限、耗能设备分布情况和楼宇环境参数;所述楼宇环境参数包括楼宇绿化度、楼宇周边绿化度、楼宇周边设施分布情况。具体地,所述耗能设备类型包括典型耗能设备和非典型耗能设备;所述典型耗能设备包括电梯、空调系统、供水系统、供热系统、照明系统和通风系统;其余类型设备则划定为非典型能耗设备。所述监测模块采集基础排放数据时,还将基础排放数据与对应的耗能设备相关联。
本实施例中,监测模块还用于采集楼宇的基础建筑参数,所述基础建筑参数包括楼宇各楼层面积、楼宇占地面积、楼宇总高度、楼宇层高、四面窗墙比、屋面传热系数、外墙传热系数、设备用能系数、墙体内表面积、内部墙占比、外部墙占比等。
所述预警子系统包括排放预警模块和修正模块。
所述排放预警模块用于进行楼宇排放预测,并在排放量超过阈值时进行预警。所述预警子系统在进行预警时,预警方式包括向楼宇的管理人员发送预警短信及预警邮件。本实施例中,阈值可参照现有碳排放标准进行制定,例如《绿色建筑评价标准》GB/T50378-2019、《建筑节能与可再生能源利用通用规范》GB 55015-2021、《民用建筑能耗标准》GB/T51161-2016等。
具体地,所述排放预警模块内设有预测模型,由预测模型进行楼宇排放预测;所述预测模型为BP神经网络模型。
所述BP神经网络模型在训练时,同时采用标准数据集和随机数据集对其进行训练;所述标准数据集中包括基础排放数据;所述随机数据集中包括随机排放数据;所述随机排放数据为:自所有基础排放数据中,提取非典型耗能设备对应的基础排放数据作为第一参考数据集,并从中随机提取数组数据,作为第一随机数据;自网页(此处可为公开的碳排放数据库网页,例如公开的(或可获知的)碳排放关联数据库,包括中国建筑能耗与碳排放数据库、企业或设计研究院自设的建筑资料数据库等)中在线调用同类型楼宇的历史人员能耗数据,作为第二随机数据;所述随机排放数据由第一随机数据和第二随机数据组成。
优选地,所述标准数据集中还包括现有样本;在获取现有样本时,可从公开的(或可获知的)碳排放关联数据库中获取,包括中国建筑能耗与碳排放数据库、企业或设计研究院自设的建筑资料数据库等。这样设置,BP神经网络模型的训练数据更为丰富,模型训练效果更佳。
并且,在训练时,将随机数据集随机插入到标准数据集中,并划分标准数据集,得到用于模型训练的测试集和验证集。本实施例中,测试集:验证集=6:4。本方案采用上述训练方法,特别设置随机数据集,对非典型耗能设备和人员能耗数据进行随机加强。在现有的基础排放数据中,非典型耗能设备的能耗数据和人员能耗数据往往占比较少,易于影响模型的训练全面性,以致于模型预测不准。本方案则对此类数据进行随机加强,有助于优化模型预测性能,提高预测精准度。
所述修正模块用于按照修正策略修正排放预警模块预测的排放数据。所述修正策略包括根据耗能设备的使用年限,当耗能设备的使用年限大于预设年限时,对该耗能设备相对应的基础排放数据进行第一修正;根据耗能设备类型和耗能设备分布情况,确认耗能设备之间的能耗影响比例,并基于能耗影响比例对该耗能设备相对应的基础排放数据进行第二修正;根据楼宇环境参数,确认楼宇所处环境对楼宇排放的环境影响比例,并基于环境影响比例对该耗能设备相对应的基础排放数据进行第三修正。
具体地,第一修正的修正比例为(1+0.0531α)%,α为使用年限与预设年限的差值;第二修正的修正比例为(1+0.373β)%,β为能耗影响比例;第三修正的修正比例为(1+0.622γ)%,γ为环境影响比例。
在典型耗能设备和非典型耗能设备的基础上,所述耗能设备类型还分为影响源设备、影响体设备和外围设备;所述影响源设备包括空调系统、供热系统和通风系统;所述影响体设备为处于影响源设备周边且受影响源设备影响能耗的设备;所述外围设备为不受影响源设备影响能耗的设备,包括照明系统、供水系统和电梯。
例如:空调系统作为影响源设备,根据其在楼宇中的排布位置、空调参数(如1匹的空调的制冷面积为10~15平方米)及实际开启的空调个数,可确定得到空调系统的能耗影响范围。在空调系统运作时,处于空调系统工作范围内的耗能设备会受到其影响,其工作环境温度相较于同类情况下但空调系统不运作时的温度更低/高,进而其能耗表现也有所差别。
所述修正模块内还预存有各影响源设备对环境的影响度a;在确定耗能设备之间的能耗影响比例时,包括以下步骤:基于耗能设备类型和耗能设备分布情况,确定影响源设备的能耗影响范围s以及影响体设备相距能耗影响范围中心的距离d(此处,能耗影响范围中心为能耗影响范围的中心点位置),并确定处于能耗影响范围s内的影响体设备;根据影响源设备对应的基础排放数据,估算影响源设备的运行时段t;则影响体设备的能耗影响比例β=adt/s;外围设备的能耗影响比例β=0。
在确定环境影响比例时,基于楼宇绿化度σ1和楼宇周边绿化度σ2,确定得到环境影响比例γ=0.72·(σ1+σ2);所述楼宇周边为以楼宇为中心的四周3公里范围内的区域。
本实施例还提供一种低碳楼宇监测方法,应用如上述的一种低碳楼宇监测系统进行楼宇排放监测;包括采用监测模块采集楼宇的基础排放数据和楼宇的基础状态数据;采用排放预警模块进行楼宇排放预测,并在排放量超过阈值时进行预警;采用修正模块按照修正策略修正排放预警模块预测的排放数据。
本实施例提供的一种低碳楼宇监测系统及方法,能够准确预测楼宇的碳排放量,碳排放评估精准度较高。首先,本方案中特别对楼宇中的基础状态数据(楼宇的耗能设备类型、耗能设备的使用年限、耗能设备分布情况和楼宇环境参数)进行了采集,拓展了楼宇碳排放的分析维度,能够挖掘得到更为丰富的碳排放影响信息,有助于提升楼宇排放监测及预测的精准度。其次,特设有修正模块,基于不同的楼宇碳排放分析维度,对监测模块采集的基础排放数据进行修正,排放预警模块基于修正后的基础排放数据进行排放预测;获得的基础排放数据更为精准的同时,碳排放的预测精准度更高。此外,排放预警模块中的预测模型采用特定训练方法进行模型训练,模型的预测性能较优,预测精准度较高。
特别的是,本方案提供了一种的新的楼宇碳排放监测计量方式。相较于现有监测方案,现有方案对于碳排放的监测,大多局限于楼宇施工阶段、运营阶段的楼宇建筑本身的结构参数及部分耗能设备本身产生的耗能量,再依据标准公式进行碳排放的理论计算;其关注的均是碳排放源对于楼宇的排放影响。而并没有关注到碳排放源之间的相互影响,以及受碳排放源影响而带来的碳排放量波动。并且,实际上,这些影响及波动的存在,会使得楼宇的实际碳排放量与理论计算得到的碳排放量存在较大的误差。本方案则突破性地关注了这一点,并从这一点出发,通过扩展采集楼宇的基础状态数据,并基于不同类型的基础状态数据,利用修正模块,将常规被忽视且难以量化的碳排放源之间的相互影响,以及受碳排放源影响而带来的碳排放量波动,采用不同的修正公式,按照不同的修正比例进行了修正式量化,能够真实还原各类楼宇在实际运营过程中的碳排放情况,获得的监测及预测数据均更为真实、精准且细致。
实施例二
一种低碳楼宇监测系统,在实施例一的基础上,还包括管理子系统和可视化系统。
所述管理子系统包括异常管理模块。具体地,本实施例中,所述异常管理模块用于校验监测系统采集得到的基础排放数据。所述校验方式包括:比较相邻两年的历史排放数据中,每月排放数据的增幅(降幅),当增幅(降幅)超过预设阈值(本实施例中设定为15%)时,则调用此月内的耗能设备的历史能耗数据并进行比对,若历史能耗数据的增幅(降幅)接近排放数据的增幅(降幅),且差值在5%范围内,则判定为对应的排放数据正常;反之,则判定为对应的排放数据异常,并给排放数据增加异常标签。在进行预测时,可选择筛除异常数据。
所述可视化子系统包括可视化大屏和显示控制模块。所述可视化大屏可设置在楼宇大厅中,可视化大屏用于实时显示该楼宇的碳排放情况。所述显示控制模块用于在排放预警模块进行预警时,控制可视化大屏同步显示预警信息。
本实施例提供的一种低碳楼宇监测系统及方法,相较于实施例一,系统功能更为丰富,能够进一步优化基础排放数据,并能够可视化展示碳排放监测情况。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。
Claims (10)
1.一种低碳楼宇监测系统,其特征在于,包括监测子系统和预警子系统;
所述监测子系统包括监测模块;所述监测模块用于采集楼宇的基础排放数据和楼宇的基础状态数据;所述基础排放数据包括历史排放数据和即时排放数据;所述基础状态数据包括楼宇的耗能设备类型、耗能设备的使用年限、耗能设备分布情况和楼宇环境参数;所述楼宇环境参数包括楼宇绿化度和楼宇周边绿化度;所述预警子系统包括排放预警模块和修正模块;所述排放预警模块用于进行楼宇排放预测,并在排放量超过阈值时进行预警;
所述修正模块用于按照修正策略修正排放预警模块预测的排放数据;所述修正策略包括根据耗能设备的使用年限,当耗能设备的使用年限大于预设年限时,对该耗能设备相对应的基础排放数据进行第一修正;根据耗能设备类型和耗能设备分布情况,确认耗能设备之间的能耗影响比例,并基于能耗影响比例对该耗能设备相对应的基础排放数据进行第二修正;根据楼宇环境参数,确认楼宇所处环境对楼宇排放的环境影响比例,并基于环境影响比例对该耗能设备相对应的基础排放数据进行第三修正。
2.根据权利要求1所述的一种低碳楼宇监测系统,其特征在于,所述排放预警模块内设有预测模型,由预测模型进行楼宇排放预测;所述预测模型为BP神经网络模型。
3.根据权利要求2所述的一种低碳楼宇监测系统,其特征在于,所述耗能设备类型包括典型耗能设备和非典型耗能设备;所述典型耗能设备包括电梯、空调系统、供水系统、供热系统、照明系统和通风系统;所述监测模块采集基础排放数据时,还将基础排放数据与对应的耗能设备相关联。
4.根据权利要求3所述的一种低碳楼宇监测系统,其特征在于,所述BP神经网络模型在训练时,同时采用标准数据集和随机数据集对其进行训练;所述标准数据集中包括基础排放数据;所述随机数据集中包括随机排放数据;所述随机排放数据为:自所有基础排放数据中,提取非典型耗能设备对应的基础排放数据作为第一参考数据集,并从中随机提取数组数据,作为第一随机数据;自网页中在线调用同类型楼宇的历史人员能耗数据,作为第二随机数据;所述随机排放数据由第一随机数据和第二随机数据组成;
在训练时,将随机数据集随机插入到标准数据集中,并划分标准数据集,得到用于模型训练的测试集和验证集。
5.根据权利要求1所述的一种低碳楼宇监测系统,其特征在于,第一修正的修正比例为(1+0.0531α)%,α为使用年限与预设年限的差值;第二修正的修正比例为(1+0.373β)%,β为能耗影响比例;第三修正的修正比例为(1+0.622γ)%,γ为环境影响比例。
6.根据权利要求1所述的一种低碳楼宇监测系统,其特征在于,所述耗能设备类型包括影响源设备、影响体设备和外围设备;所述影响源设备包括空调系统、供热系统和通风系统;所述影响体设备为处于影响源设备周边且受影响源设备影响能耗的设备;所述外围设备为不受影响源设备影响能耗的设备,包括照明系统、供水系统和电梯。
7.根据权利要求6所述的一种低碳楼宇监测系统,其特征在于,所述修正模块内还预存有各影响源设备对环境的影响度a;在确定耗能设备之间的能耗影响比例时,包括以下步骤:基于耗能设备类型和耗能设备分布情况,确定影响源设备的能耗影响范围s以及影响体设备相距能耗影响范围中心的距离d,并确定处于能耗影响范围内的影响体设备;根据影响源设备对应的基础排放数据,估算影响源设备的运行时段t;则影响体设备的能耗影响比例β=adt/s;外围设备的能耗影响比例β=0。
8.根据权利要求1所述的一种低碳楼宇监测系统,其特征在于,在确定环境影响比例时,基于楼宇绿化度σ1和楼宇周边绿化度σ2,确定得到环境影响比例γ=0.72·(σ1+2);所述楼宇周边为以楼宇为中心的四周3公里范围内的区域。
9.根据权利要求1所述的一种低碳楼宇监测系统,其特征在于,所述预警子系统在进行预警时,预警方式包括向楼宇的管理人员发送预警短信及预警邮件。
10.一种低碳楼宇监测方法,其特征在于,应用如权利要求1-9任一项所述的一种低碳楼宇监测系统进行楼宇排放监测;包括采用监测模块采集楼宇的基础排放数据和楼宇的基础状态数据;采用排放预警模块进行楼宇排放预测,并在排放量超过阈值时进行预警;采用修正模块按照修正策略修正排放预警模块预测的排放数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310695513.8A CN116542395B (zh) | 2023-06-12 | 2023-06-12 | 一种低碳楼宇监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310695513.8A CN116542395B (zh) | 2023-06-12 | 2023-06-12 | 一种低碳楼宇监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542395A true CN116542395A (zh) | 2023-08-04 |
CN116542395B CN116542395B (zh) | 2024-01-26 |
Family
ID=87457940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310695513.8A Active CN116542395B (zh) | 2023-06-12 | 2023-06-12 | 一种低碳楼宇监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542395B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350441A (zh) * | 2023-12-06 | 2024-01-05 | 国网山东省电力公司烟台供电公司 | 公共建筑提效降碳运行优化系统及方法 |
CN117407967A (zh) * | 2023-12-15 | 2024-01-16 | 成都航空职业技术学院 | 一种集成房屋的碳排放监测方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101081486B1 (ko) * | 2010-05-31 | 2011-11-08 | 주식회사 케이티 | 에너지사용량 및 탄소배출량 모니터링 장치 및 방법 |
KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
CN106681166A (zh) * | 2017-03-03 | 2017-05-17 | 宁波高新区甬港现代创业服务有限公司 | 一种楼宇节能控制系统 |
CN109213033A (zh) * | 2018-08-23 | 2019-01-15 | 深圳供电局有限公司 | 一种楼宇智慧能源管理方法及系统 |
CN112634083A (zh) * | 2020-12-22 | 2021-04-09 | 吉林建筑大学 | 一种建筑节能监测方法 |
CN113781167A (zh) * | 2021-09-07 | 2021-12-10 | 浙江中新电力工程建设有限公司 | 实现碳排放指标交易系统和方法 |
CN113902582A (zh) * | 2021-08-26 | 2022-01-07 | 山东电力工程咨询院有限公司 | 一种楼宇综合能源负荷预测方法及系统 |
CN114119321A (zh) * | 2021-12-02 | 2022-03-01 | 特斯联科技集团有限公司 | 一种基于物联网的城市建筑碳中和系统 |
CN114143629A (zh) * | 2021-12-07 | 2022-03-04 | 特斯联科技集团有限公司 | 一种建筑实时碳排放量监控系统 |
CN115115088A (zh) * | 2022-05-17 | 2022-09-27 | 国网上海市电力公司 | 商业楼宇碳排放量动态监测预警方法、系统、终端及介质 |
CN115293456A (zh) * | 2022-08-30 | 2022-11-04 | 厦门理工学院 | 一种预测含微电网的楼宇碳达峰的方法、装置及存储介质 |
CN115587905A (zh) * | 2022-09-27 | 2023-01-10 | 浙江大学 | 一种基于强化学习的楼宇低碳能量管理方法 |
US20230020417A1 (en) * | 2021-07-12 | 2023-01-19 | Johnson Controls Tyco IP Holdings LLP | Control system with adaptive carbon emissions optimization |
CN115688990A (zh) * | 2022-10-20 | 2023-02-03 | 国网福建省电力有限公司营销服务中心 | 基于bp神经网络的有色金属行业电碳数据匹配预警方法 |
CN115759488A (zh) * | 2023-01-10 | 2023-03-07 | 广东埃文低碳科技股份有限公司 | 一种基于边缘计算的碳排放监测预警分析系统及其方法 |
CN115840394A (zh) * | 2022-12-01 | 2023-03-24 | 北京国电通网络技术有限公司 | 一种智能化楼宇碳管控系统 |
CN115876964A (zh) * | 2023-01-31 | 2023-03-31 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及系统 |
CN116165338A (zh) * | 2022-12-13 | 2023-05-26 | 国网辽宁省电力有限公司经济技术研究院 | 一种园区碳排放监测方法及系统 |
-
2023
- 2023-06-12 CN CN202310695513.8A patent/CN116542395B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101081486B1 (ko) * | 2010-05-31 | 2011-11-08 | 주식회사 케이티 | 에너지사용량 및 탄소배출량 모니터링 장치 및 방법 |
KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
CN106681166A (zh) * | 2017-03-03 | 2017-05-17 | 宁波高新区甬港现代创业服务有限公司 | 一种楼宇节能控制系统 |
CN109213033A (zh) * | 2018-08-23 | 2019-01-15 | 深圳供电局有限公司 | 一种楼宇智慧能源管理方法及系统 |
CN112634083A (zh) * | 2020-12-22 | 2021-04-09 | 吉林建筑大学 | 一种建筑节能监测方法 |
US20230020417A1 (en) * | 2021-07-12 | 2023-01-19 | Johnson Controls Tyco IP Holdings LLP | Control system with adaptive carbon emissions optimization |
CN113902582A (zh) * | 2021-08-26 | 2022-01-07 | 山东电力工程咨询院有限公司 | 一种楼宇综合能源负荷预测方法及系统 |
CN113781167A (zh) * | 2021-09-07 | 2021-12-10 | 浙江中新电力工程建设有限公司 | 实现碳排放指标交易系统和方法 |
CN114119321A (zh) * | 2021-12-02 | 2022-03-01 | 特斯联科技集团有限公司 | 一种基于物联网的城市建筑碳中和系统 |
CN114143629A (zh) * | 2021-12-07 | 2022-03-04 | 特斯联科技集团有限公司 | 一种建筑实时碳排放量监控系统 |
CN115115088A (zh) * | 2022-05-17 | 2022-09-27 | 国网上海市电力公司 | 商业楼宇碳排放量动态监测预警方法、系统、终端及介质 |
CN115293456A (zh) * | 2022-08-30 | 2022-11-04 | 厦门理工学院 | 一种预测含微电网的楼宇碳达峰的方法、装置及存储介质 |
CN115587905A (zh) * | 2022-09-27 | 2023-01-10 | 浙江大学 | 一种基于强化学习的楼宇低碳能量管理方法 |
CN115688990A (zh) * | 2022-10-20 | 2023-02-03 | 国网福建省电力有限公司营销服务中心 | 基于bp神经网络的有色金属行业电碳数据匹配预警方法 |
CN115840394A (zh) * | 2022-12-01 | 2023-03-24 | 北京国电通网络技术有限公司 | 一种智能化楼宇碳管控系统 |
CN116165338A (zh) * | 2022-12-13 | 2023-05-26 | 国网辽宁省电力有限公司经济技术研究院 | 一种园区碳排放监测方法及系统 |
CN115759488A (zh) * | 2023-01-10 | 2023-03-07 | 广东埃文低碳科技股份有限公司 | 一种基于边缘计算的碳排放监测预警分析系统及其方法 |
CN115876964A (zh) * | 2023-01-31 | 2023-03-31 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及系统 |
Non-Patent Citations (3)
Title |
---|
BIN WANG: ""Application of carbon emission prediction based on a combined neural algorithm in the control of coastal environmental pollution in China"", 《FRONT. ECOL. EVOL.》, pages 1 - 11 * |
叶瑞克 等: "基于城区碳排放量测算的楼宇节能减碳研究", 科技管理研究, no. 16, pages 237 - 240 * |
瞿斌 等: "楼宇能源监测系统在世博园区能源管理中的应用研究", 智能建筑电气技术, vol. 4, no. 03, pages 90 - 92 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350441A (zh) * | 2023-12-06 | 2024-01-05 | 国网山东省电力公司烟台供电公司 | 公共建筑提效降碳运行优化系统及方法 |
CN117350441B (zh) * | 2023-12-06 | 2024-03-01 | 国网山东省电力公司烟台供电公司 | 公共建筑提效降碳运行优化系统及方法 |
CN117407967A (zh) * | 2023-12-15 | 2024-01-16 | 成都航空职业技术学院 | 一种集成房屋的碳排放监测方法 |
CN117407967B (zh) * | 2023-12-15 | 2024-03-22 | 成都航空职业技术学院 | 一种集成房屋的碳排放监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116542395B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116542395B (zh) | 一种低碳楼宇监测系统及方法 | |
Huo et al. | China's building stock estimation and energy intensity analysis | |
Geng et al. | Building energy performance diagnosis using energy bills and weather data | |
CN110264080B (zh) | 一种绿色建筑运行性能评价方法、装置、设备及存储介质 | |
de Wilde et al. | Management of thermal performance risks in buildings subject to climate change | |
Nagpal et al. | A framework for using calibrated campus-wide building energy models for continuous planning and greenhouse gas emissions reduction tracking | |
CN108804802B (zh) | 一种以夏季空调制冷能耗控制为目标的办公建筑空间节能设计方法 | |
CN117172625B (zh) | 一种对既有建筑进行节能改造的综合化分析方法 | |
JONES et al. | Intensive building energy simulation at early design stage | |
Dongmei | Research and application of energy consumption benchmarking method for public buildings based on actual energy consumption | |
CN114580772A (zh) | 一种采用数字模拟进行节能建筑设计的综合方法及其系统 | |
CN116244972A (zh) | 一种实现情景模拟的建筑存量资源环境性能动态评估系统 | |
Su et al. | Analysis and prediction of carbon emission in the large green commercial building: A case study in Dalian, China | |
Yu et al. | Challenges for modeling energy use in high-rise office buildings in Hong Kong | |
CN116989432B (zh) | 一种空调系统节能运行优化调度方法及系统 | |
Azar et al. | Sensitivity of energy simulation models to occupancy related parameters in commercial buildings | |
CN110762768A (zh) | 一种中央空调系统制冷主机的能效比预测方法及装置 | |
Brambley et al. | Diagnostics for monitoring-based commissioning | |
Andargie et al. | Holistic building performance evaluation: An integrated post-occupancy evaluation and energy modeling (POEEM) framework | |
Ji et al. | Quantifying building and zone level thermal resilience against summertime heat events | |
Lozinsky | Improving the Characterization of Infiltration and Natural Ventilation Parameters in Whole-Building Energy Models of Multi-Unit Residential Buildings | |
Tahir et al. | Energy management study: A proposed case of government building | |
Yang | Study on the energy efficiency classification method of highway passenger stations based on climatic divisions | |
Iulian | MATOOL solution in evaluating smart buildings | |
CN115081801A (zh) | 基于成本效益分析的建筑节能改造技术优选与决策方法 |
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 |