CN116681177A - 一种基于建筑能耗碳积分减免制的建筑节能方法和系统 - Google Patents
一种基于建筑能耗碳积分减免制的建筑节能方法和系统 Download PDFInfo
- Publication number
- CN116681177A CN116681177A CN202310696358.1A CN202310696358A CN116681177A CN 116681177 A CN116681177 A CN 116681177A CN 202310696358 A CN202310696358 A CN 202310696358A CN 116681177 A CN116681177 A CN 116681177A
- Authority
- CN
- China
- Prior art keywords
- building
- energy consumption
- carbon
- data
- carbon emission
- 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.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 273
- 238000005265 energy consumption Methods 0.000 title claims abstract description 263
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 238
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000009467 reduction Effects 0.000 title claims abstract description 44
- 230000002265 prevention Effects 0.000 title claims description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 230000010354 integration Effects 0.000 claims abstract description 30
- 239000000178 monomer Substances 0.000 claims abstract description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 88
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 45
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 44
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 40
- 230000006399 behavior Effects 0.000 claims description 27
- 230000005611 electricity Effects 0.000 claims description 24
- 239000001569 carbon dioxide Substances 0.000 claims description 23
- 239000003345 natural gas Substances 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000000007 visual effect Effects 0.000 claims description 18
- 238000004134 energy conservation Methods 0.000 claims description 17
- 238000006386 neutralization reaction Methods 0.000 claims description 16
- 239000002245 particle Substances 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 12
- 239000007789 gas Substances 0.000 claims description 11
- 238000011282 treatment Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 230000006855 networking Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- 239000005431 greenhouse gas Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 238000004080 punching Methods 0.000 claims description 4
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000000116 mitigating effect Effects 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000005284 excitation Effects 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000004378 air conditioning Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000020188 drinking water Nutrition 0.000 description 3
- 239000003651 drinking water Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011010 flushing procedure Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000012782 phase change material Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/60—Arrangements in telecontrol or telemetry systems for transmitting utility meters data, i.e. transmission of data from the reader of the utility meter
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
- H04Q2209/84—Measuring functions
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
Abstract
本发明提供一种基于建筑能耗碳积分减免制的建筑节能方法和系统,所述方法为:首先解析建筑能耗特点从而建立碳排放正负面清单库,定义“单体建筑碳能耗”使用分层量化积分制,对建筑日常运行中产生的能耗进行碳排放核算,而后以建筑能耗碳积分制为基础制定具有针对性的激励方案,采用数值仿真的方法实时预测碳达峰情况。建筑能耗明细来源于数字化接口搭建的碳排放在线监测系统,能耗和碳排放数据以动态演示平台的形式提供给建筑管理者,以个人建筑碳积分的形式提供给建筑使用者,准确的分析出建筑群碳排放情况和个人在建筑内产生的碳排放情况。
Description
技术领域
本发明属于建筑能耗计量分析技术领域,具体涉及一种基于建筑能耗碳积分减免制的建筑节能方法和系统。
背景技术
当前建筑能耗所引起的碳排放量在二氧化碳的年总排放量中的占比逐年增高,是继发电和工业后最大的碳排放部门,由于城镇规划的发展,建筑能耗逐渐增长,因此,减少建筑能耗、控制城市居民个人碳排放至关重要。
人作为建筑的设计者、建造者和使用者,建筑在运行使用过程中所产生的建筑能耗与人的需求息息相关。人在生活中的行为,例如室内的人员位移、开窗行为、开灯行为、空调行为、遮阳行为等,都会产生建筑能耗。经济的发展,生活水平的提高,建筑能耗也随人们生活水平的提高而提高,而较高的建筑能耗引起大量温室气体排放会对自然环境造成破坏。
建筑能耗碳积分减免制是一种具有正向激励的操作制度,通过在需求响应的基础上根据个体在建筑内使用能耗的差异来建立个人碳积分,并根据个人碳积分对高于人均碳排放的个体实行惩罚,对低于人均碳排放的个体实行奖励。这种制度能够督促个体减少碳排放,从而提高能源利用效率。然而,现有的建筑碳排放控制方法存在一些限制,没有充分考虑建筑使用个体和建筑运维管理者的利益激励,并未涵盖建筑能耗消费的所有参与方,从而制约了建筑电碳减排的实施。
发明内容
针对现有技术的不足,本发明提供一种基于建筑能耗碳积分减免制的建筑节能方法和系统,从考虑各方利益、扩大参与范围、完善监测和奖惩机制三个方面去实现建筑碳排放数据精细化,提高个人的碳减排参与度,明确建筑群的碳减排目标。
本发明是通过以下技术方案实现的:
一种基于建筑能耗碳积分减免制的建筑节能方法,包括以下步骤:
(A)解析建筑能耗;
(A-1)建筑群能耗总量BEC是由各类建筑组成,bec为单体建筑日常使用中产生的建筑能耗,包括电、水和天然气,bec的单位为1kWh+1t+1m3,具体由公式(1)表示:
式(1)中:i为所研究建筑群内建筑总数量,取值为≥1的自然数;
(A-2)根据公式(1)得到的电、水和天然气bec值,结合相应的碳排放因子权重,转算成建筑能耗的二氧化碳排放量TCO2,如公式(2)所示:
TCO2=bec电×α1+bec天然气×α2+bec水×α3
(2);
式(2)中:α1为电力排放因子,单位为kgCO2/kWh;α2为天然气排放因子,单位为kgCO2/m3;α3为水排放因子,单位为kgCO2/t;α1、α2和α3的数值根据各地区相关规定来灵活设定;
(A-3)根据公式(2)得到的二氧化碳排放量TCO2,定义单体建筑人均耗能值PBEC,用于评价个人建筑内碳排放情况,如公式(3)所示:
式(3)中:p为人数,单位为个;h为时间,单位为h;
(B)建立碳排放正负面收益清单;
通过公式(2)计算个人的二氧化碳排放量TCO2,将其作为基础数据并分成正面清单和负面清单:根据《公民绿色低碳行为温室气体减排量化导则》,定义“建筑碳排放正面清单”为在不同类型建筑的日常生活中通过节能减排、绿色低碳的行为而降低建筑碳排放的行为活动;与“建筑碳排放正面清单”相反的行为定义为“建筑碳排放负面清单”;
(C)建立分层量化积分制;
建筑能耗与建筑能耗碳积分之间的换算:在建筑能耗及碳排放正负收益清单的基础上,引入个人碳中和积分SCN,具体如公式(4)所示:
SCN=Y-Cf(X)+Z
(4);
式(4)中:Y为正面碳排放清单,单位为kgCO2;X为负面碳排放清单,单位为kgCO2;Z为综合各类建筑能耗的国家标准和实地调研结果给出的碳排放基础分;
(D)根据单体建筑人均耗能值PBEC和个人碳中和积分SCN来针对性地实施建筑节能方案;
(D-1)当PBEC值高于单体建筑能耗bec的平均值,建筑管理者应针对耗能高的部分进行节能改造;
(D-2)当SCN值低于人均耗能值PBEC,说明用户处于高碳排放消费状态,应预警个人提醒其碳排放超限,提高个人节能意识,形成良好的个人行为习惯。
优选地,所述公式(2)中,α1=0.581kgCO2/kWh,α2=2.16kgCO2/m3,α3=0.0646kgCO2/t。
优选地,所述公式(4)中,Z的数值为2330,单位为kgCO2。
基于上述方法的建筑节能系统,包括碳排放在线监测系统、动态演示平台和个人建筑碳排放可视化APP移动端;所述碳排放在线监测系统分别连接动态演示平台和个人建筑碳排放可视化APP移动端;所述动态演示平台提供给建筑管理者,所述个人建筑碳排放可视化APP移动端提供给建筑使用者;
所述碳排放在线监测系统是用户端能源管理分析系统,在电能管理系统的基础上增加了对水和天然气的集中采集与分析;所述碳排放在线监测系统以计算机、通讯设备、测控单元为基本工具,根据现场实际情况采用现场总线、光纤环网或无线通讯中的一种或多种结合的组网方式,通过数字化接口对建筑监控,实时获取用户的能耗情况;对于数字化系统并不完善的场合,采用安装智能监控插座从而得到建筑中各部分用电能耗的具体情况,通过更换建筑中各个房间的插座口实时获取用户的能耗情况;获得的所有数据汇集到云端,再传输至动态演示平台和个人建筑碳排放可视化APP移动端;
在数据收集与方法方面,针对建筑内能耗数据的采集,采用了以下步骤:
(1)数据采集设备安装:在合适位置安装传感器和监测设备,获取建筑内各种能耗数据;这些设备包括电表、水表、气表以及相应的传感器;采集到的能耗数据以模拟信号的形式存在,进行数字化处理后进行传输;
(2)数据采集频率和时间跨度:根据能耗变化的敏感性要求,设定数据采集频率;可以根据需求设置每日、每小时或更高频率的数据采集,并记录数据的时间跨度;
(3)数据准确性和校准:为确保数据的准确性,需要建筑管理者对采集设备进行定期校准;校准包括校准仪器和传感器,以消除误差,并与标准设备进行对比验证;
(4)数据处理和分析:采集到的原始数据经过清洗、异常值检测处理,接着进行数据聚合和分析;
(5)数据存储和管理:采集到的数据存储在云端,以确保数据的安全性和可访问性;
通过以上数据收集与方法,我们能够获得建筑内能耗相关的准确数据,并将其传输到动态演示平台和个人建筑碳排放可视化APP移动端,以便用户和管理者更好地理解能耗情况,并采取相应的措施来减少碳排放并提高能源利用效率;
所述动态演示平台包括动态演示模块和预警模块,所述动态演示模块用于接收碳排放在线监测系统获得的所有建筑能耗数据并进行实时动态演示,所述预警模块用于对高能耗建筑进行预警;
所述个人建筑碳排放可视化APP移动端包括个人建筑能耗明细模块、个人建筑能耗碳积分模块、低碳新闻模块和积分商城模块;所述个人建筑能耗明细模块用于接收碳排放在线监测系统获得的个人建筑能耗数据并予以显示;所述个人建筑能耗碳积分模块通过公式(2)得到个人建筑能耗数据并结合公式(4)得出个人碳中和积分,将数据予以显示;所述低碳新闻模块用于宣传和科普低碳环保理念;所述积分商城模块用于对个人碳中和积分的兑现。
优选地,所述通过数字化接口对建筑监控具体如下:将水表、电表、气表设备接入到工业智能网关,由网关采集用电、用水、用气以及设备运行状态数据,通过多种联网方式上传到云平台,进行计算、展示和存储,对建筑能耗分析,同时结合人脸识别、指纹打卡的监测系统,得到个体在建筑内的碳排放情况。
优选地,所述建筑能耗分析采用支持向量回归算法用于碳排放预测,通过训练支持向量回归模型建立一个碳排放与时间、天气等因素之间的关系,具体如下:
所述碳排放预测采用支持向量回归算法预测建筑碳排放,以建筑内的人数(Pi)、面积(Ai)、温度(Ti)和湿度(Hi)为输入参数,建筑碳排放为预测的目标值,训练集{(xi,yi)},其中xi=(Pi,Ai,Ti,Hi),yi=建筑碳排放,寻找最优的超平面来拟合数据,使得预测值与实际观测值之间的误差最小化:
minimize:
(1/2)×||w||2+C×Σ(εi+εi*)
subject to:
εi,εi*≥0
其中,w是超平面的权重向量,b是偏置项,εi和εi*是松弛变量,C是正则化参数,是将输入特征(Pi,Ai,Ti,Hi)映射到高维空间的函数;
粒子群优化可以用于减碳优化,通过调整影响碳排放相关的变量寻找最佳的能耗配置方案;综合使用支持向量回归和粒子群优化,可以实现能耗模型的建立、能耗预测和能耗优化的功能,从而帮助建筑管理者优化能耗、提高能源利用效率。
本发明的有益效果如下:
本发明的基于建筑能耗碳积分减免制的建筑节能方法和系统,其中个人碳数据管理为建筑使用者提供个人碳排放数据,对个人碳排放行为精细挖掘,形成碳信息全面融合;数字化演示平台为建筑管理者提供建筑碳排放数据,对建筑碳排放科学审计,并提供精准减排方案。一套采集数据服务于两类群体,有利于实现建筑碳排放数据精细化,提高个人的碳减排参与度,明确建筑群的碳减排目标。
附图说明
图1为基于建筑能耗碳积分减免制的建筑节能方法的流程框图;
图2为碳排放在线监测系统示意图;
图3为建筑数字化改造示意图。
具体实施方式
下面结合附图与具体实施例对本发明做进一步详细说明。
实施例1
一种基于建筑能耗碳积分减免制的建筑节能方法,如图1所示,具体步骤如下:
1、解析建筑能耗
(1)建筑群能耗总量(Building Energy Consumption,BEC)是由各类建筑组成,bec为单体建筑日常使用中产生的建筑能耗,包括电、水和天然气,bec的单位为1kWh+1t+1m3,具体由公式(1)表示:
BEc=∑ibec
(1)
式(1)中:i为所研究建筑群内建筑总数量,取值为≥1的自然数。
(2)根据公式(1)得到的电、水和天然气bec值,结合相应的碳排放因子权重,转算成建筑能耗的二氧化碳排放量(Carbon Dioxide Emissions)即TCO2,如公式(2)所示:
TCO2=bec电×α1+bec天然气×α2+bec水×α3
(2)
式(2)中:α1为电力排放因子,根据按照生态环境部最近公布要求,α1=0.581kgCO2/kWh;α2为天然气排放因子,按照《中国石油化工企业温室气体排放核算方法与报告指南》(试行)相关通知,α2=2.16kgCO2/m3;α3为水排放因子,按照江苏物价局规定居民自来水价格为3.45元/吨,根据全国碳市场碳排放配额(CEA)挂牌价53.4元/吨,α3=0.0646kgCO2/t;α1、α2和α3的数值可以根据各地区相关规定来灵活设定。
(3)根据公式(2)得到的二氧化碳排放量TCO2,定义单体建筑人均耗能值(PersonalBuilding Energy Consumption,PBEC),用于评价个人建筑内碳排放情况,如公式(3)所示:
式(3)中:p为人数,单位为个;h为时间,单位为h。
2、建立碳排放正负面收益清单
通过公式(2)计算个人的二氧化碳排放量TCO2,将其作为基础数据并分成正面清单和负面清单。
中华环保联合会绿色循环普惠专委会、生态环境部宣传教育中心、生态环境部环境规划院、北京大学等多家单位共同编制的《公民绿色低碳行为温室气体减排量化导则》,根据《导则》推荐的衣、食、住、行、用、办公、数字金融等七大类40项绿色低碳行为得到了“建筑碳排放正负面清单”,为测算、评估个人的绿色行为的碳减排量提供了一把“标尺”。
定义“建筑碳排放正面清单”为在不同类型建筑的日常生活中通过节能减排、绿色低碳的行为而降低建筑碳排放的行为活动,对一些低碳行为及低能耗设备的使用应该归为建筑碳排放正面清单,如使用节能灯,使用太阳能热水器、光伏发电设备,随手关灯以及将空调温度设置为26℃环保温度等。与“建筑碳排放正面清单”相反的行为定义为“建筑碳排放负面清单”。建立建筑碳排放正负面清单,不仅对建筑内设备、人的行为活动有所归类,还对其能耗、行为等进行约束,建立起节能减排的意识,在日常生活中更加注重低碳环保行为。
3、建立分层量化积分制
建筑能耗与建筑能耗碳积分之间的换算:在建筑能耗及碳排放正负收益清单的基础上,引入个人碳中和积分(Score of Carbon Neutralization,SCN),具体如公式(4)所示:
SCN=Y-Cf(X)+Z
(4)
式(4)中:Y为正面碳排放清单,单位为kgCO2;X为负面碳排放清单,单位为kgCO2;Z为综合各类建筑能耗的国家标准和实地调研结果给出的碳排放基础分,根据北京市林业碳汇工作办公室提供的数据显示全球为应对气候变化目标的碳足迹为2330kg,所以将2330作为Z的数值,单位为kgCO2。
4、建筑节能方案的实施
根据单体建筑人均耗能值PBEC和个人碳中和积分SCN来针对性地实施建筑节能方案:
(1)当PBEC值高于单体建筑能耗bec的平均值,建筑管理者应针对耗能高的部分进行节能改造;
(2)当SCN值低于人均耗能值PBEC,说明用户处于高碳排放消费状态,应预警个人提醒其碳排放超限,提高个人节能意识,形成良好的个人行为习惯。
实施例2
基于实施例1所述方法建立建筑节能系统,包括碳排放在线监测系统、动态演示平台和个人建筑碳排放可视化APP移动端;所述碳排放在线监测系统分别连接动态演示平台和个人建筑碳排放可视化APP移动端;所述动态演示平台提供给建筑管理者,所述个人建筑碳排放可视化APP移动端提供给建筑使用者。
1、碳排放在线监测系统
所述碳排放在线监测系统是用户端能源管理分析系统,在电能管理系统的基础上增加了对水和天然气的集中采集与分析,通过对用户端所有能耗进行细分和统计,在动态演示平台中形成直观的数据和图表向管理人员或决策层(即建筑管理者)展示各类能源的使用消耗情况,便于找出高耗能点或不合理的耗能习惯,有效节约能源,为用户进一步节能改造或设备升级提供准确的数据支撑。
如图2所示,所述碳排放在线监测系统以计算机、通讯设备、测控单元为基本工具,根据现场实际情况采用现场总线、光纤环网或无线通讯中的一种或多种结合的组网方式,为大型公共建筑的实时数据采集及远程管理与控制提供了基础平台,检测设备构成任意复杂的监控系统。开放性、网络化、单元化、组态化的采用面向对象的分层、分级、分布式智能一体化结构。
在数据收集与方法方面,针对建筑内能耗数据的采集,采用了以下步骤:
(1)数据采集设备安装:在原建筑的电表、水表、气表处接入数据传输单元以及相应的传感器,如温湿度传感器等;采集到的能耗数据以模拟信号的形式存在,进行数字化处理后进行传输;
(2)数据采集频率和时间跨度:根据能耗变化的敏感性要求,设定数据采集频率;可以根据需求设置每日、每小时或更高频率的数据采集,并记录数据的时间跨度;
(3)数据准确性和校准:为确保数据的准确性,需要建筑管理者对采集设备进行定期校准;校准包括校准仪器和传感器,以消除误差,并与标准设备进行对比验证;
(4)数据处理:采集到的原始数据经过清洗、异常值检测等处理(如滤波、插值、平滑等);
下面以采集到的电能数据为例,展示数据处理过程:
%原始数据存储在名为"electricity_data"的变量中,时间序列数据存储在"timestamp"和能耗数据存储在"energy_consumption"中
%清洗数据:处理缺失值
missing_values=isnan(energy_consumption);
timestamp(missing_values)=[];
energy_consumption(missing_values)=[];
%异常值检测:使用阈值进行异常值判断
threshold=3;%自定义阈值
mean_energy=mean(energy_consumption);
std_energy=std(energy_consumption);
outliers=abs(energy_consumption-mean_energy)>threshold*std_energy;
timestamp(outliers)=[];
energy_consumption(outliers)=[];
%数据插值:使用线性插值填补缺失的数据点
energy_interp=interp1(timestamp,energy_consumption,timestamp(1):timestamp(end),'linear');
%滤波处理:使用移动平均滤波平滑数据
window_size=5;%自定义滑动窗口大小
energy_smooth=movmean(energy_interp,window_size);
%绘制原始数据和处理后的数据
figure;
plot(timestamp,energy_consumption,'b-','LineWidth',1.5);
hold on;
plot(timestamp,energy_smooth,'r-','LineWidth',1.5);
xlabel('时间');
ylabel('能耗');
legend('原始数据','处理后数据');
title('能耗数据处理示例');
grid on;
(5)数据分析:将经过清洗、异常值检测的数据进行数据聚合和分析;
下面以采集到的电能数据为例,展示数据聚合和分析过程:
%假设处理后的数据存储在名为"processed_data"的变量中,时间序列数据存储在"timestamp",能耗数据存储在"energy_consumption"中
%数据聚合:按日聚合能耗数据
daily_timestamp=unique(floor(timestamp));%获取每天的日期
daily_energy_consumption=zeros(size(daily_timestamp));
for i=1:numel(daily_timestamp)
day_indices=floor(timestamp)==daily_timestamp(i);
daily_energy_consumption(i)=sum(energy_consumption(day_indices));
end
%能耗转换为二氧化碳排放量
energy_to_co2_ratio=0.581;%电能与二氧化碳排放的换算比例为0.581
daily_co2_emission=daily_energy_consumption*energy_to_co2_ratio;
%能耗趋势分析:绘制每日二氧化碳排放趋势图
figure;
plot(daily_timestamp,daily_co2_emission,'b-','LineWidth',1.5);
xlabel('日期');
ylabel('二氧化碳排放量');
title('每日二氧化碳排放趋势');
grid on;
%计算总二氧化碳排放量
total_co2_emission=sum(daily_co2_emission);
TCO2=total_co2_emission;%定义总二氧化碳排放量为TCO2
%能源利用效率评估:计算能源利用效率指标和人均耗能值
total_energy_consumption=sum(daily_energy_consumption);
building_area=1000;%假设建筑面积为1000平方米
p=100;%假设建筑内人数为100人
h=numel(daily_timestamp);%假设记录的天数即为时间(小时)
energy_efficiency_ratio=total_energy_consumption/building_area;
PBEC=TCO2/(p*h);%计算人均耗能值PBEC,p为人数,h为时间(小时)
disp(['能源利用效率指标为:',num2str(energy_efficiency_ratio)]);
disp(['总二氧化碳排放量为:',num2str(TCO2)]);
disp(['单体建筑人均耗能值为:',num2str(PBEC)]);
%能耗模型和优化:使用支持向量回归(SVR)进行能耗预测和粒子群优化(PSO)进行能耗优化
%假设要预测未来7天的能耗
future_days=7;
%将时间序列数据和能耗数据转换为训练集和测试集
train_data=daily_timestamp(1:end-future_days);
train_label=daily_energy_consumption(1:end-future_days);
test_data=daily_timestamp(end-future_days+1:end);
%使用支持向量回归进行能耗预测
X=[P1,A1,T1,H1;P2,A2,T2,H2;...;Pn,An,Tn,Hn];
y=[y1;y2;...;yn];
svr=fitrsvm(X,y,'KernelFunction','rbf','BoxConstraint',1.0,'Epsilon',0.1);
X_new=[P_new,A_new,T_new,H_new];
y_pred=predict(svr,X_new);
disp("预测建筑碳排放:");
disp(y_pred);
%使用粒子群优化算法进行能耗优化(这里仅给出一个简化示例)
num_particles=50;%粒子数
num_iterations=100;%迭代次数
%定义目标函数(能耗最小化)
objective_function=@(x)sum(x);
%定义变量的上下界和初始解
lower_bound=zeros(num_particles,future_days);%下界
upper_bound=repmat(max(predicted_energy_consumption),num_particles,1);%上界
initial_solution=predicted_energy_consumption;%初始解
%使用粒子群优化进行能耗优化
options=optimoptions('particleswarm','SwarmSize',num_particles,'MaxIterations',num_iterations);
[optimal_solution,optimal_cost]=particleswarm(objective_function,future_days,lower_bound,upper_bound,options);
%输出能耗预测和优化结果
disp('能耗预测结果:');
disp(predicted_energy_consumption);
disp('能耗优化结果:');
disp(optimal_solution);
(6)数据存储和管理:采集到的数据存储在云端,以确保数据的安全性和可访问性;
通过以上数据收集与方法,我们能够获得建筑内能耗相关的准确数据,并将其传输到动态演示平台和个人建筑碳排放可视化APP移动端,以便用户和管理者更好地理解能耗情况,并采取相应的措施来减少碳排放并提高能源利用效率。
建筑碳排放预测采用支持向量回归算法预测建筑碳排放,以建筑内的人数(Pi)、面积(Ai)、温度(Ti)和湿度(Hi)为输入参数,建筑碳排放为预测的目标值,训练集{(xi,yi)},其中xi=(Pi,Ai,Ti,Hi),yi=建筑碳排放,寻找最优的超平面来拟合数据,使得预测值与实际观测值之间的误差最小化:
minimize:
(1/2)×||w||2+C×Σ(εi+εi*)
subject to:
εi,εi*≥0
其中,w是超平面的权重向量,b是偏置项,εi和εi*是松弛变量,C是正则化参数,是将输入特征(Pi,Ai,Ti,Hi)映射到高维空间的函数。
建筑碳排放策略可以采用粒子群算法进行优化,通过调整影响碳排放相关的变量寻找最佳的能耗配置方案:
每个粒子i的位置表示为di=(di1,di2,...,din),速度表示为vi=(vi1,vi2,...,vin),其中n是问题的维度,对于每个粒子i,更新规则为:
vik(t+1)=ω×vik(t)+c1×r1×(pik-xik)+c2×r2×(pok-xik)
dik(t+1)=dik(t)+vik(t+1)
其中,vik(t)是粒子i在维度k上的速度,dik(t)是粒子i在维度k上的位置,pik是粒子i历史最佳位置,pok是全局最佳位置,r1、r2是在[0,1]范围内随机生成的权重,ω是惯性权重,c1、c2是加速因子。
多种联网方式上传到云平台,进行计算、展示和存储,对建筑能耗监控,同时结合人脸识别、指纹打卡等监测系统,得到用户在建筑内的时间,实时获取用户的能耗情况,以实现以下功能:
(a)可按使用年份统计建筑物各分类能耗——电、水、天然气以及其它能源消耗量,从而反映建筑物当年各分类能耗用能和综合能耗,以曲线图形展现各类能耗的消耗趋势,便于实时直观掌握能源消耗情况。
(b)依据建筑物能源消耗的分布情况进行能耗计量点的选取和设置,使得能耗监测系统可以覆盖整个建筑物。系统使用者可通过相关界面调取该建筑物各能耗节点的能耗统计报表,减少用能的“跑、冒、滴、漏”和计量误差。
(c)依据分项能耗数据统计测量,将建筑物耗电分为照明插座、空调、动力和特殊用电进行计量装置选型和设置,并按用能区域或功能区域等划分并进行统计,以报表和同比、环比棒图形式展现该区域的能源消耗。
(d)可针对能源消耗量大的设备或区域进行准确定位,便于制定节能绩效考核制度,推动节能降耗的有效执行。为用能设备建立运行记录档案,长期跟踪记录设备运行过程中的能效分析评估结果,结合设备维护保养记录,为设备的运行维护提供依据。
如图3所示,对于数字化系统并不完善的场合,采用安装智能监控插座从而得到建筑中各部分用电能耗的具体情况,通过更换建筑中各个房间的插座口实时获取用户在空调、照明、其他电器设备等各个部分能耗情况。这样的改造方式成本低,改造过程并不影响建筑主体,易于普及,便于推广,是一种高效可行的数字化升级测量。
所述碳排放在线监测系统获得的所有数据汇集到云端,再传输至动态演示平台和个人建筑碳排放可视化APP移动端。
2、动态演示平台
所述动态演示平台包括动态演示模块和预警模块,所述动态演示模块用于接收碳排放在线监测系统获得的所有建筑能耗数据并进行实时动态演示,所述预警模块用于对高能耗建筑进行预警。平台将采集来的分项能耗按建筑物分类进行可视化管理,动态演示模块包含区域内各建筑物碳排放明细、区域内各建筑物碳汇情况、区域内各建筑物碳排放组成以及根据采取不同节能措施进行碳达峰仿真模拟预测出的碳达峰目标这四个板块。平台根据建筑能耗和节能措施,针对不同的节能减排手段设置不同发展情景,采用LEAP模型进行碳达峰仿真模拟,实时预判碳达峰目标。根据建筑能耗情况和碳达峰预测目标,制定适用与建筑管理者和建筑使用者的激励措施。
3、个人建筑碳排放可视化APP移动端
所述个人建筑碳排放可视化APP移动端包括个人建筑能耗明细模块、个人建筑能耗碳积分模块、低碳新闻模块和积分商城模块;所述个人建筑能耗明细模块用于接收碳排放在线监测系统获得的个人建筑能耗数据并予以显示;所述个人建筑能耗碳积分模块通过公式(2)得到个人建筑能耗数据并结合公式(4)得出个人碳中和积分,将数据予以显示;所述低碳新闻模块用于宣传和科普低碳环保理念;所述积分商城模块用于对个人碳中和积分的兑现,积分商城中可设置低碳打卡部分,是用于培养随手关灯关水等低碳行为的激励方法。
政策将碳排放量落实到独立建筑的话,历史排放量的计算能够有效的激励每个单体建筑的碳减排工作。对于建筑管理者可获取今日单体建筑人均耗能值(PBEC),对于每个用户可获取个人碳积分值(SCN)。PBEC的获取是通过用户授权权限,利用权重算法核算个人在当前建筑的能耗;可通过手机定位、人脸识别或人与耗能设备匹配,实现个人在该建筑内的能耗精细捕捉。
实施例3
为了更清楚地说明本发明,下面以某高校建筑群进行示例说明。
某高校新北区建筑主要包括:教学楼、实验楼、宿舍楼、图书馆、体育馆和食堂。统计的内容主要包括:电、水和天然气。
1、解析高校建筑能耗特点
教学楼:教学楼的运行时间具有周期性,因此教学楼能耗也呈现周期性的变化,大部分是在7:00~12:00和14:00~22:00这两个时段。教学楼能耗主要来自灯具照明、多媒体设备、空调(或风扇),严寒及寒冷地区冬季还有集中供热。教学楼内学生情况可根据学生课程情况计算统计人数。
实验楼:实验楼里又分为办公区和实验区。办公区主要有空调、照明及电脑等设备耗电。在冬夏两季工作时间开启时间较长;而照明和电脑等设备用电也占比不高,且三者使用时间基本一致。实验室区域存在空调、照明、实验设备和通风设备,由于实验室里设备散热负荷相对较高,故空调所用能耗也相对增加。
宿舍楼:高校的学生宿舍楼属于居住建筑,宿舍内的电耗主要消耗在照明和电脑设备上,而安装了空调系统的学生宿舍则主要消耗在空调上;除了电耗,宿舍另一消耗就是水资源,与其他类学校公共建筑相比,宿舍耗水量较大,在校园总用水量中占的比例最大。一栋宿舍楼在一年内人员波动较小,总消耗较稳定,且宿舍类建筑内使用人数可按床位数计算。
图书馆:图书馆一般为单栋建筑,建筑面积比较大,设有大空间阅览室,有些图书馆还有自习室,利用率较高。图书馆中的能耗种类一般是指电耗,具体包括灯具照明、中央空调、信息机房、电梯等设备,平均能耗相对偏高。图书馆能耗的多少一般与其开放时长、馆内图书数量、在校师生人数、是否设置中央空调及阅览室内可容纳人数等因素有关。图书馆一般开放时间为8:00~22:00,双休日正常开放,每天长达14小时。
体育馆:高校体育馆是室内进行体育比赛和体育锻炼的公共建筑,其使用功能复杂多样性,体育馆的能耗构成也十分复杂,但总体可分为暖通空调系统、照明办公系统及动力设备系统这三个部分的耗能。体育馆全年开放,但由于使用人群为高校师生,故在休息日使用频率较高。在一年之中,空调供热时间为12月至2月,供冷时间为6月至9月,因此在这段时间体育馆能耗较高。
食堂:现在的高校餐厅已经集餐饮、娱乐、商业于一体,能耗强度是所有高校建筑中最大的一类。餐厅是高校中的特殊用能区域,其特殊性不仅体现在其单位面积能耗要远高于其他类高校建筑,而且用能形式多样化,高校中的燃气用能绝大部分都消耗在食堂;食堂耗电量大,是因为餐厅内有许多大功率的餐饮设备。
完成高校建筑能耗特点解析后,根据国家和行业对教育用建筑用能标准计算碳排放基础分。
(1)建筑能耗真实测算
电:对每个建筑内的空调、照明和设备进行分类统计,其中基于特种设备保密要求对实验楼能耗仅作估算。
水:按建筑分类为宿舍楼和其他公用建筑,其中宿舍楼的用水包括饮用水、生活热水和生活用水(洗衣、冲水马桶),公用建筑用水主要是饮用水和卫生间的冲洗用水,需要说明的是食堂虽然需要热水,该热水是由饮用水电加热而来,宿舍生活热水采用空气源热泵,获得热量的来源不一样。
天然气:只有食堂炊事用气。
通过公式(1)计算建筑群能耗总量BEC,具体如下:
BEC新北区=bec教学楼+bec实验楼+bec宿舍楼+bec图书馆+bec体育馆+bec食堂
其中单体建筑能耗bec包括建筑能耗单位量电、水和天然气,根据相应的碳排放因子,转算成二氧化碳排放量,例如:
bec教学楼=bec教学楼-电CO2+bec教学楼-水CO2+bec教学楼-天然气CO2
(2)根据公式(1)得到的电、水和天然气bec值,结合相应的碳排放因子权重,运用公式(2)转算成建筑能耗的二氧化碳排放量即TCO2,例如:
TCO2=bec教学楼-电CO2×α1+bec教学楼-天然气CO2×α2+bec教学楼-水Co2×α3
式(2)中:α1=0.581kgCO2/kWh,α2=2.16kgCO2/m3,α3=0.0646kgCO2/t。
(3)通过上述单位量换算可以得到建筑能耗的二氧化碳排放量TCO2,通过公式(3)计算单体建筑人均耗能值PBEC,具体如下:
对于人数“p”的研究,当研究对象为单个人的时候取值为单位1。
对于时间“h”的采集,在高校内获取个人在建筑内的停留时间采用方式为:图书馆和宿舍通过进出门闸机的进出识别计算驻留图书馆的时间,实验室采用进出实验室打卡识别,教学楼采用个人的课时安排计算驻留教学楼时间等。
2、建立适用于高校学生的碳排放正负面收益清单
参加节能讲座、组织节能活动、宿舍使用节能台灯、校园内随手关灯和关门、空调温度设置为26℃环保温度等,反之为负面清单。
建立建筑碳排放正负面清单,不仅对建筑内设备、人的行为活动有所归类,还对其能耗、行为等进行约束,建立起节能减排的意识,在日常生活中更加注重低碳环保行为。
3、建立碳排放在线监测系统,以实现分层量化积分制的建立
通过数字化接口搭建碳排放在线监测系统。校园内的各个建筑的数字化程度都不一样,例如图书馆、体育馆、食堂等建筑能耗采集设施设备完善,有单独的建筑能耗机房,因此对于该类建筑将能耗数据上传即可;对于宿舍这类能耗采集设备不完善的地方加装能耗智能采集段,进行数字化升级。
如图2所示,碳排放在线监测系统以计算机、通讯设备、测控单元为基本工具,根据现场实际情况采用现场总线或无线通讯中的一种或多种结合的组网方式,为建筑的实时数据采集及远程管理。
可按使用年份统计建筑物各分类能耗——电、水、气以及其它能源消耗量,折算成相应的标准煤消耗量结合碳排放因子计算成TCO2,从而反映建筑物当年各分类能耗用能和综合能耗,以曲线图形展现各类能耗的消耗趋势,便于实时直观掌握能源消耗情况。
依据建筑物能源消耗的分布情况进行能耗计量点的选取和设置,使得能耗监测系统可以覆盖整个建筑物。
(1)建筑能耗和建筑能耗碳积分计算
通过公式(4)得到同学们的个人碳积分SCN,具体如下:
SCN=Y-Cf(X)+Z
(4)
上式中:Y为正面碳排放清单,单位为kgCO2;X为负面碳排放清单,单位为kgCO2;Z为基础分值,取值2330kgCO2。
(2)建立校园能耗“可视化”移动端
校园能耗“可视化”APP移动端小程序内可以显示个人在各个建筑内的当日建筑能耗明细。
当日能耗是依靠碳排放在线监测系统是用户端能源管理分析系统,在电能管理系统的基础上增加了对水、气和热(冷)量等集中采集与分析,通过对用户端所有能耗进行细分和统计,以直观的数据和图表向管理人员或决策层展示各类能源的使用消耗情况,便于找出高耗能点或不合理的耗能习惯,有效节约能源,为用户进一步节能改造或设备升级提供准确的数据支撑。
公开可视化的页面增强建筑运维和使用者的节能意识。实时查看建筑的能耗情况,根据每日建筑能耗数据统计,形成“云数据”,与大数据匹配后给出当日碳排放的推荐值,还能根据今日数据与历史数据对比,形成个性化节能建议。
建筑能耗碳积分累计是将碳排放量落实到独立建筑,历史排放量的计算能够有效督促每个单体建筑的碳减排工作。对于建筑管理者可获取今日单体建筑人均耗能值(PBEC),对于个体用户可获取个人碳积分值SCN。
4、建筑节能方案的实施
(1)根据单体建筑人均耗能值PBEC由建筑管理者实行对应举措
对于PBEC高的建筑,针对其能耗高的部分进行节能改造,例如:可更换声控感应灯或太阳能光伏灯;在空调制冷方面采取辐射供冷的方法;在维护结构上采用相变材料进行蓄热储能等,优化过程为:
/>
/>
(2)根据个人碳中和积分SCN实行个人节能减碳方案
用户可根据自身的碳积分组成梳理自己日常的活动,提高自身节能意识,形成良好的个人习惯,例如:低楼层减少电梯的使用;节约用水用电;避免使用一次性系数的物品等。
SCN值越高,说明建筑运营和使用者在积极响应国家推行节能减排的号召及低碳消费;SCN值越低则处于高碳排放消费状态。建筑能耗碳排放的量化和SCN值的增长是城市居民个人碳积分业务发展的基础。
5、积分激励
校园能耗“可视化”APP移动端小程序内设有积分商城模块,“低碳行为扫一扫”可将日常中的随手关灯、空调调高一度(夏季制冷)等节能行为记录下来,则会形成个人的低碳积分,例如:随手关灯一次就能赚取1个积分,根据实地调研发现教室无人而灯亮的情况占比当天使用情况的5%,并且平均亮灯情况会持续30分钟,该行为消耗0.2kWh电,产生0.5kg二氧化碳排放。
积分可兑换校车乘坐、食堂抵扣券、图书馆书籍兑换等激励项目。此外,数据上传云端,能够实时了解建筑能耗情况和自己的低碳行为,将低碳生活的概念更广泛融入个人的日常生活中。
积分激励还包括以下措施:
(1)减少店铺租金等经济手段调节食堂及相关租户的行为
食堂作为校园中的能耗和碳排放大户,为减少建筑能耗,学校在进行食堂竞标过程中,可将食堂能源消耗作为一个重要指标,可以优先考虑采用节能设备减少能耗及碳排放的企业,同时减少其租金。对于食堂的租户进行减碳评比,使用节能措施的租户,将低碳带来的收益以“减碳津贴”的形式减免店铺租金。
(2)建立“碳账户”机制
根据师生日常生活中所积累的建筑能耗个人SCN构建校园低碳及普惠机制。师生通过节水、节电等减碳行为产生SCN积分。将师生个人建筑能耗减排所积累的SCN积分可进行兑换,例如对于长期践行低碳行为的师生,根据SCN积分减免个人宿舍费或水电费等,将个人在建筑中节省下来的能耗,再反馈给个人生活中在建筑中的支出。
(3)鼓励挖掘校园碳资产,实现碳资产价值化
校园减排碳资产的价值主要在温室气体减排量,校园在碳汇、节能减排项目等方面具有很大的碳资产开发潜力,通过校园内部管理能力提升、引进新能源项目、更新空调照明等设备,对校园内部的碳排放进行量化,实现校园节能减排的。实施低碳改造项目,一方面可以实现校园内部的节能降碳,降低能源消耗量,另一方面部门节能改造项目本身还能获取一定的政策扶持资金;学校低碳项目所产生的减排量通过核审后有望进入碳交易市场,获取一定经济收益。
(4)创办建筑节能相关的低碳公益活动及竞赛
通过低碳校园建设,为学生提供一个交流低碳创意、策划低碳活动的平台,加深学生们对低碳及碳普惠的理解,鼓励学生将学习生活中的独特见解和有价值论点融入建筑节能之中。低碳公益活动应以大学生为主体,学校发挥引导及协助的作用并辅以政策性的支持。并从学校层面进行低碳公益活动的意义的宣传,増进学生对公益活动的理解;创办相关的学科竞赛,提升学生的专业能力,并且获奖学生可获得学分及碳积分奖励等。
Claims (6)
1.一种基于建筑能耗碳积分减免制的建筑节能方法,其特征在于,包括以下步骤:
(A)解析建筑能耗;
(A-1)建筑群能耗总量BEC是由各类建筑组成,bec为单体建筑日常使用中产生的建筑能耗,包括电、水和天然气,bec的单位为1kWh+1t+1m3,具体由公式(1)表示:
BEc=∑ibec (1);
式(1)中:i为所研究建筑群内建筑总数量,取值为≥1的自然数;
(A-2)根据公式(1)得到的电、水和天然气bec值,结合相应的碳排放因子权重,转算成建筑能耗的二氧化碳排放量TCO2,如公式(2)所示:
TCO2=bec电×α1+bec天然气×α2+bec水×α3 (2);
式(2)中:α1为电力排放因子,单位为kgCO2/kWh;α2为天然气排放因子,单位为kgCO2/m3;α3为水排放因子,单位为kgCO2/t;α1、α2和α3的数值根据各地区相关规定来灵活设定;
(A-3)根据公式(2)得到的二氧化碳排放量TCO2,定义单体建筑人均耗能值PBEC,用于评价个人建筑内碳排放情况,如公式(3)所示:
式(3)中:p为人数,单位为个;h为时间,单位为h;
(B)建立碳排放正负面收益清单;
通过公式(2)计算个人的二氧化碳排放量TCO2,将其作为基础数据并分成正面清单和负面清单:根据《公民绿色低碳行为温室气体减排量化导则》,定义“建筑碳排放正面清单”为在不同类型建筑的日常生活中通过节能减排、绿色低碳的行为而降低建筑碳排放的行为活动;与“建筑碳排放正面清单”相反的行为定义为“建筑碳排放负面清单”;
(C)建立分层量化积分制;
建筑能耗与建筑能耗碳积分之间的换算:在建筑能耗及碳排放正负收益清单的基础上,引入个人碳中和积分SCN,具体如公式(4)所示:
SCN=Y-Cf(X)+Z (4);
式(4)中:Y为正面碳排放清单,单位为kgCO2;X为负面碳排放清单,单位为kgCO2;Z为综合各类建筑能耗的国家标准和实地调研结果给出的碳排放基础分;
(D)根据单体建筑人均耗能值PBEC和个人碳中和积分SCN来针对性地实施建筑节能方案;
(D-1)当PBEC值高于单体建筑能耗bec的平均值,建筑管理者应针对耗能高的部分进行节能改造;
(D-2)当SCN值低于人均耗能值PBEC,说明用户处于高碳排放消费状态,应预警个人提醒其碳排放超限,提高个人节能意识,形成良好的个人行为习惯。
2.根据权利要求1所述的一种基于建筑能耗碳积分减免制的建筑节能方法,其特征在于,所述公式(2)中,α1=0.581kgCO2/kWh,α2=2.16kgCO2/m3,α3=0.0646kgCO2/t。
3.根据权利要求1所述的一种基于建筑能耗碳积分减免制的建筑节能方法,其特征在于,所述公式(4)中,Z的数值为2330,单位为kgCO2。
4.基于权利要求1所述方法的建筑节能系统,其特征在于,包括碳排放在线监测系统、动态演示平台和个人建筑碳排放可视化APP移动端;所述碳排放在线监测系统分别连接动态演示平台和个人建筑碳排放可视化APP移动端;所述动态演示平台提供给建筑管理者,所述个人建筑碳排放可视化APP移动端提供给建筑使用者;
所述碳排放在线监测系统是用户端能源管理分析系统,在电能管理系统的基础上增加了对水和天然气的集中采集与分析;所述碳排放在线监测系统以计算机、通讯设备、测控单元为基本工具,根据现场实际情况采用现场总线、光纤环网或无线通讯中的一种或多种结合的组网方式,通过数字化接口对建筑监控,实时获取用户的能耗情况;对于数字化系统并不完善的场合,采用安装智能监控插座从而得到建筑中各部分用电能耗的具体情况,通过更换建筑中各个房间的插座口实时获取用户的能耗情况;获得的所有数据汇集到云端,再传输至动态演示平台和个人建筑碳排放可视化APP移动端;
在数据收集与方法方面,针对建筑内能耗数据的采集,采用了以下步骤:
(1)数据采集设备安装:在合适位置安装传感器和监测设备,获取建筑内各种能耗数据;这些设备包括电表、水表、气表以及相应的传感器;采集到的能耗数据以模拟信号的形式存在,进行数字化处理后进行传输;
(2)数据采集频率和时间跨度:根据能耗变化的敏感性要求,设定数据采集频率;可以根据需求设置每日、每小时或更高频率的数据采集,并记录数据的时间跨度;
(3)数据准确性和校准:为确保数据的准确性,需要建筑管理者对采集设备进行定期校准;校准包括校准仪器和传感器,以消除误差,并与标准设备进行对比验证;
(4)数据处理和分析:采集到的原始数据经过清洗、异常值检测处理,接着进行数据聚合和分析;
(5)数据存储和管理:采集到的数据存储在云端,以确保数据的安全性和可访问性;
通过以上数据收集与方法,我们能够获得建筑内能耗相关的准确数据,并将其传输到动态演示平台和个人建筑碳排放可视化APP移动端,以便用户和管理者更好地理解能耗情况,并采取相应的措施来减少碳排放并提高能源利用效率;
所述动态演示平台包括动态演示模块和预警模块,所述动态演示模块用于接收碳排放在线监测系统获得的所有建筑能耗数据并进行实时动态演示,所述预警模块用于对高能耗建筑进行预警;
所述个人建筑碳排放可视化APP移动端包括个人建筑能耗明细模块、个人建筑能耗碳积分模块、低碳新闻模块和积分商城模块;所述个人建筑能耗明细模块用于接收碳排放在线监测系统获得的个人建筑能耗数据并予以显示;所述个人建筑能耗碳积分模块通过公式(2)得到个人建筑能耗数据并结合公式(4)得出个人碳中和积分,将数据予以显示;所述低碳新闻模块用于宣传和科普低碳环保理念;所述积分商城模块用于对个人碳中和积分的兑现。
5.根据权利要求4所述的建筑节能系统,其特征在于,所述通过数字化接口对建筑监控具体如下:将水表、电表、气表设备接入到工业智能网关,由网关采集用电、用水、用气以及设备运行状态数据,通过多种联网方式上传到云平台,进行计算、展示和存储,对建筑能耗分析,同时结合人脸识别、指纹打卡的监测系统,得到个体在建筑内的碳排放情况。
6.根据权利要求5所述的建筑节能系统,其特征在于,所述建筑能耗分析采用支持向量回归算法用于碳排放预测,通过训练支持向量回归模型建立一个碳排放与时间、天气等因素之间的关系,具体如下:
所述碳排放预测采用支持向量回归算法预测建筑碳排放,以建筑内的人数(Pi)、面积(Ai)、温度(Ti)和湿度(Hi)为输入参数,建筑碳排放为预测的目标值,训练集{(xi,yi)},其中xi=(Pi,Ai,Ti,Hi),yi=建筑碳排放,寻找最优的超平面来拟合数据,使得预测值与实际观测值之间的误差最小化:
minimize:
(1/2)×||w||2+C×Σ(εi+εi*);
subject to:
εi,εi*≥0;
其中,w是超平面的权重向量,b是偏置项,εi和εi*是松弛变量,C是正则化参数,是将输入特征(Pi,Ai,Ti,Hi)映射到高维空间的函数;
粒子群优化可以用于减碳优化,通过调整影响碳排放相关的变量寻找最佳的能耗配置方案;综合使用支持向量回归和粒子群优化,可以实现能耗模型的建立、能耗预测和能耗优化的功能,从而帮助建筑管理者优化能耗、提高能源利用效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310696358.1A CN116681177A (zh) | 2023-06-13 | 2023-06-13 | 一种基于建筑能耗碳积分减免制的建筑节能方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310696358.1A CN116681177A (zh) | 2023-06-13 | 2023-06-13 | 一种基于建筑能耗碳积分减免制的建筑节能方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116681177A true CN116681177A (zh) | 2023-09-01 |
Family
ID=87785215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310696358.1A Pending CN116681177A (zh) | 2023-06-13 | 2023-06-13 | 一种基于建筑能耗碳积分减免制的建筑节能方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116681177A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114952A (zh) * | 2023-10-23 | 2023-11-24 | 江苏省星霖工程咨询有限公司 | 一种基于区块链技术的节能降碳价值交换系统及方法 |
CN117648872A (zh) * | 2024-01-16 | 2024-03-05 | 广东工业大学 | 一种基于机器学习的城市街区节能减碳多目标优化方法 |
-
2023
- 2023-06-13 CN CN202310696358.1A patent/CN116681177A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114952A (zh) * | 2023-10-23 | 2023-11-24 | 江苏省星霖工程咨询有限公司 | 一种基于区块链技术的节能降碳价值交换系统及方法 |
CN117114952B (zh) * | 2023-10-23 | 2024-02-02 | 江苏省星霖工程咨询有限公司 | 一种基于区块链技术的节能降碳价值交换系统及方法 |
CN117648872A (zh) * | 2024-01-16 | 2024-03-05 | 广东工业大学 | 一种基于机器学习的城市街区节能减碳多目标优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | A systematic review of occupant behavior in building energy policy | |
Yoshino et al. | IEA EBC annex 53: Total energy use in buildings—Analysis and evaluation methods | |
Hong et al. | Ten questions concerning occupant behavior in buildings: The big picture | |
Yu et al. | Improving accuracy in building energy simulation via evaluating occupant behaviors: A case study in Hong Kong | |
Dabirian et al. | Occupant-centric urban building energy modeling: Approaches, inputs, and data sources-A review | |
Hu et al. | Investigation and analysis of Chinese residential building occupancy with large-scale questionnaire surveys | |
CN116681177A (zh) | 一种基于建筑能耗碳积分减免制的建筑节能方法和系统 | |
Zhang et al. | Smart meter and in-home display for energy savings in residential buildings: a pilot investigation in Shanghai, China | |
Zhao et al. | Data-driven correlation model between human behavior and energy consumption for college teaching buildings in cold regions of China | |
Ding et al. | An occupancy-based model for building electricity consumption prediction: A case study of three campus buildings in Tianjin | |
Obaidellah et al. | An application of TPB constructs on energy-saving behavioural intention among university office building occupants: a pilot study in Malaysian tropical climate | |
Ding et al. | An occupancy prediction model for campus buildings based on the diversity of occupancy patterns | |
Du et al. | A holistic investigation into the seasonal and temporal variations of window opening behavior in residential buildings in Chongqing, China | |
Swan | Residential sector energy and GHG emissions model for the assessment of new technologies | |
Wei et al. | A summary of the research on building load forecasting model of colleges and universities in North China based on energy consumption behavior: A case in North China | |
Xu et al. | A critical review of occupant energy consumption behavior in buildings: How we got here, where we are, and where we are headed | |
Zhang et al. | Quantitative correlation models between electricity consumption and behaviors about lighting, sockets and others for electricity consumption prediction in typical campus buildings | |
Lei et al. | Prediction method of energy consumption for high building based on LMBP neural network | |
Liu et al. | Rethinking the limitations of research on occupants’ window-opening behavior: A review | |
Li et al. | An explanatory parametric model to predict comprehensive post-commissioning building performances | |
Chen et al. | A hybrid-model forecasting framework for reducing the building energy performance gap | |
Yu et al. | Impact of window and air-conditioner operation behaviour on cooling load in high-rise residential buildings | |
Chen et al. | Operation strategy of public building: Implications from trade-off between carbon emission and occupant satisfaction | |
Zhang et al. | Improving building energy consumption prediction using occupant-building interaction inputs and improved swarm intelligent algorithms | |
Huang et al. | Rural residential energy-saving in China: Role of village morphology and villagers’ daily activities |
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 |