CN117371624B - 一种建筑节能改造优化管理方法 - Google Patents
一种建筑节能改造优化管理方法 Download PDFInfo
- Publication number
- CN117371624B CN117371624B CN202311667665.3A CN202311667665A CN117371624B CN 117371624 B CN117371624 B CN 117371624B CN 202311667665 A CN202311667665 A CN 202311667665A CN 117371624 B CN117371624 B CN 117371624B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- sequence
- temperature
- building
- obtaining
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 47
- 238000007726 management method Methods 0.000 title claims abstract description 18
- 230000009466 transformation Effects 0.000 title claims abstract description 8
- 238000005265 energy consumption Methods 0.000 claims abstract description 287
- 230000008859 change Effects 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 17
- 230000006872 improvement Effects 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012887 quadratic function Methods 0.000 claims description 5
- 239000000446 fuel Substances 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 230000002354 daily effect Effects 0.000 description 22
- 230000000694 effects Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012546 transfer 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q10/06—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
- 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
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Public Health (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及数据处理领域,具体涉及一种建筑节能改造优化管理方法,包括:采集一个月内每小时温度数据,记为温度变化序列Tem;采集建筑中的各项指标,得到实际总能耗;根据理论和实际居住人数、面积得到理论使用面积;获取单位面积日能耗并得到样本户;获取小时能耗序列Em;获得排序后的温度变化序列Tem1和小时能耗序列Em1;根据温度阈值得到高温段和低温段序列;根据高温段序列和低温段序列得到低温段和高温段之间的差异程度;并得到最佳区分温度阈值,并得到新的高温段和低温段序列,得到温度‑能耗的函数关系,并得到建筑的理论能耗,获取建筑的能耗优化潜力,并优化管理。本发明用数据处理方式对建筑打分,提高建筑优化方向的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种建筑节能改造优化管理方法。
背景技术
建筑节能改造是一项节约能源的重要措施,旨在降低建筑物的能耗,减少对环境的影响,并提高建筑物的能源效率。目前建筑物节能改造方法主要基于经验和直觉进行,对于其节能效果评价较为模糊,无法确切的获取建筑节能改造的优化程度。
现有技术通过建筑设计材料的保温和隔热性能对建筑的节能效果进行计算,再根据室外的平均气温获取建筑的理论能耗。实际建筑所在地区温度是变化的,有些地区昼夜温差较大,建筑能耗的波动较为复杂,直接根据平均气温而不分析室外温度的变化,导致建筑理论能耗计算有失准度。
发明内容
本发明提供一种建筑节能改造优化管理方法,以解决现有的问题。
本发明的一种建筑节能改造优化管理方法采用如下技术方案:
本发明一个实施例提供了一种建筑节能改造优化管理方法,该方法包括以下步骤:
采集一个月内每小时温度数据,记为温度变化序列;
采集建筑中的各项指标,根据各项指标得到实际总能耗;
获取每户的实际居住人数、实际使用面积和理论居住人数,并得到每户的理论使用面积;
获取每户的单位面积日能耗,根据单位面积日能耗得到样本户;
获取所有样本户一个月内每小时的实际总能耗,根据所有样本户一个月内每小时的实际总能耗和所有样本户的理论使用面积得到所有样本户每小时的单位面积能耗,根据一个月内所有样本户每小时的单位面积能耗得到小时能耗序列;
对温度变化序列中的温度数据从小到大进行排序,得到排序后的温度变化序列/>;按照序列/>中温度数据的顺序对每小时的单位面积能耗进行排序得到新的小时能耗序列/>;
根据温度阈值将温度变化序列和新的小时能耗序列/>分为低温段和高温段,并得到低温度序列/>、低温度能耗序列/>、高温度序列/>和高温度能耗序列/>;根据序列/>、序列/>、序列/>和序列/>得到低温段和高温段之间的差异程度;选取低温段和高温段之间的差异程度最大时对应的温度作为最佳区分温度阈值;
根据最佳区分温度阈值、温度变化序列和新的小时能耗序列/>得到低温度序列/>、低温度能耗序列/>、高温度序列/>和高温度能耗序列/>;
根据序列、序列/>、序列/>和序列/>得到温度-能耗的函数关系;
根据温度-能耗的函数关系得到建筑的理论能耗,根据建筑的理论能耗和实际能耗获取建筑的节能优化潜力,根据建筑的节能优化潜力对建筑能耗进行打分并优化管理。
进一步地,所述根据各项指标得到实际总能耗,包括的具体步骤如下:
实际总能耗的公式如下:
式中,为预设权值,/>表示电能消耗,/>表示热能消耗,/>表示燃气消耗,/>表示水量消耗,/>表示实际总能耗。
进一步地,所述每户的理论使用面积的具体获取步骤如下:
每户的理论使用面积的公式如下:
式中,表示第i户的实际居住人数,/>表示第i户的理论居住人数,/>表示第i户的实际使用面积,/>表示第i户的理论使用面积,/>表示取最小值函数。
进一步地,所述单位面积日能耗的具体获取步骤如下:
用每户每天的实际总能耗除以每户的理论使用面积,得到每户的单位面积日能耗。
进一步地,所述样本户的具体获取步骤如下:
获取每户一个月内每天的实际总能耗,用每户每天的实际总能耗除以每户的理论使用面积,得到每户的单位面积日能耗,计算一个月内每户的单位面积日能耗的均值,将整栋楼所有居住用户的一个月内单位面积日能耗均值构成一组序列,记为日能耗序列,用表示;获取日能耗序列/>的置信区间,获取每户的单位面积日能耗均值在置信区间内的住户,记为样本户;
所述日能耗序列的置信区间是根据日能耗序列/>在置信水平为0.95的t分布获得的。
进一步地,所述所有样本户每小时的单位面积能耗的具体获取步骤如下:
用所有样本户一个月内每小时的实际总能耗除以所有样本户的理论使用面积,得到所有样本户每小时的单位面积能耗。
进一步地,所述根据温度阈值将温度变化序列和新的小时能耗序列/>分为低温段和高温段,并得到低温度序列/>、低温度能耗序列/>、高温度序列和高温度能耗序列/>;根据序列/>、序列/>、序列/>和序列/>得到低温段和高温段之间的差异程度,包括的具体步骤如下:
通过温度阈值将高于温度阈值的序列片段记为高温段,将低于温度阈值的序列片段记为低温段;其中,序列和序列/>是高于温度阈值的序列片段,序列/>和序列/>是低于温度阈值的序列片段;
低温段和高温段之间的差异程度的公式为:
式中,表示序列/>和序列/>之间的协方差,表示序列/>和序列/>之间的协方差,/>表示序列/>的标准差,/>表示序列/>的标准差,/>表示序列/>的标准差,/>表示序列的标准差,F表示低温段和高温段之间的差异程度,n表示序列/>和序列/>的长度,n1表示序列/>和序列/>的长度,n2表示序列/>和序列/>的长度,其中,序列长度表示序列中的数据个数。
进一步地,所述温度-能耗的函数关系的具体获取步骤如下:
以温度为横坐标,以能耗为纵坐标构建坐标系,对序列和序列/>使用最小二乘法通过五次多项式函数进行拟合,得到拟合出的温度-能耗的二次函数关系,记为第一温度-能耗的函数关系;对序列/>和序列/>使用最小二乘法通过五次多项式函数进行拟合,得到拟合出的温度-能耗的函数关系,记为第二温度-能耗的函数关系,第一温度-能耗的函数关系和第二温度-能耗的函数关系统称为温度-能耗的函数关系。
进一步地,所述建筑的理论能耗的具体获取步骤如下:
将一个月内第t个温度值记为;
建筑的理论能耗的公式为:
式中,表示一个月内/>出现的次数,/>表示一个月内第t个温度值在温度-能耗的函数关系中对应的能耗值,/>表示一个月内的理论能耗,n表示一个月内的测的温度数据个数。
进一步地,所述根据建筑的理论能耗和实际能耗获取建筑的节能优化潜力,根据建筑的节能优化潜力对建筑能耗进行打分并优化管理,包括的具体步骤如下:
建筑的节能优化潜力的公式为:
式中,表示一年内的单位面积的实际能耗,/>表示一年内的理论总能耗,/>表示整栋建筑的节能优化潜力;
当建筑的节能优化潜力大于预设阈值A时,视为建筑能耗程度超标大,将其能耗程度视为差;当建筑的节能优化潜力大于预设阈值B且小于等于预设阈值A时,视为建筑能耗程度超标小,将其能耗程度视为良;当建筑的节能优化潜力小于等于预设阈值B时,视为建筑能耗程度在正常范围内,将其能耗程度视为优;
根据能耗程度进行改造,当能耗程度视为优时不进行改造,当能耗程度视为良时暂时可不进行改造,当能耗程度视为差时需要进行改造。
本发明的技术方案的有益效果是:通过对建筑中的各个指标分析,得到实际总能耗,获取小时能耗序列和温度变化序列,根据迭代温度阈值对小时能耗序列和温度变化序列分析,得到差异程度,根据差异程度得到最佳区分温度阈值,根据最佳区分温度阈值对小时能耗序列和温度变化序列进行划分,得到一个划分结果,根据划分结果得到每个温度对应建筑的理论能耗,通过分析理论能耗和实际能耗之间的差异得到建筑的节能优化潜力,通过建筑的节能优化潜力对建筑的优化程度进行打分,跟原来只是通过实际总能耗对建筑的节能优化相比,根据理论能耗和实际总能耗更能提高建筑的节能优化的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种建筑节能改造优化管理方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种建筑节能改造优化管理方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种建筑节能改造优化管理方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种建筑节能改造优化管理方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取建筑各项指标数据,根据建筑各项指标数据得到建筑的实际能耗。
需要说明的是,建筑节能能够降低建筑物的能耗,减少对环境的影响,并提高建筑物的能源效率,因此,本实施例针对建筑中的电能消耗、热能消耗、燃气消耗和水量消耗为例进行叙述,通过这四种数据分析建筑中能源的使用和转换情况。又因为本实施例通过电能消耗、热能消耗、燃气消耗和水量消耗这四种能耗得到总能耗,并且联系温度进行分析,所以还需要获取温度的数据。
具体地,电能消耗通过电表可以直接获取数据,水量消耗通过水表获取数据,燃气消耗通过燃气表获取数据,热能消耗通过热流计进行获取热量的传递和损失;温度数据直接通过温度计获取数据。
预设四个权值,其中本实施例以为例进行叙述,本实施例不进行具体限定,其中/>可根据具体实施情况而定。根据电能消耗、热能消耗、燃气消耗和水量消耗计算获取实际总能耗,具体公式如下:
式中,为预设权值,/>表示电能消耗,/>表示热能消耗,/>表示燃气消耗,/>表示水量消耗,/>表示实际总能耗。
至此,得到建筑的实际总能耗和温度数据。
步骤S002:根据用户的居住面积和使用的总能耗分析得到建筑中的样本户,并根据样本户的总能耗数据和温度数据得到建筑单位面积能耗序列和温度变化序列。
需要说明的是,一年中不同月份整体温度不同,人体对温度的感受也有所不同,故统计同一个月内每一天不同时刻建筑的能耗情况,由于建筑实际总能耗与其中的使用面积往往是正相关的,故计算建筑的总使用面积,剔除与整体能耗情况相差较大的单位面积能耗后,将可信度较高的单位能耗进行统计,获取各温度情况下建筑单位面积能耗和温度的对应关系,根据该关系进行后续分析。
进一步需要说明的是,考虑到一户的理论能耗水平可能和其中理论居住人数有关,如果一户人家实际居住人数少于理论居住人数,可能造成其理论能耗低于其占地面积对应的理论能耗。而如果实际居住人数大于理论居住人数并不会造成较大的理论能耗增量。故根据一户人家的实际居住人数计算其实际使用面积可以对建筑实际使用面积进行更好地评估。其中,本实施例中以一栋楼为例进行叙述,且本实施例中的一个月内每户的实际居住人数保持不变。
具体地,获取每户的实际居住人数、实际使用面积和理论居住人数,根据每户的实际居住人数、实际使用面积和理论居住人数得到整栋楼的理论使用面积。具体公式表示如下:
式中,表示第i户的实际居住人数,/>表示第i户的理论居住人数,/>表示第i户的实际使用面积,/>表示第i户的理论使用面积,/>表示取最小值函数。其中,理论居住人数是根据建筑配置和设施得到的,理论居住人数也可以根据建筑规定法规确定出,本实施例不进行具体限定。
获取每户一个月内每天的实际总能耗,用每户每天的实际总能耗除以每户的理论使用面积,得到每户的单位面积日能耗,计算一个月内每户的单位面积日能耗的均值,将整栋楼所有居住用户的一个月内单位面积日能耗均值得到一组序列,记为日能耗序列,用表示。计算日能耗序列/>中所有数据的均值和标准差,获取置信水平为0.95的t分布的置信区间,获取每户的单位面积日能耗均值在置信区间内的住户,记为样本户。其中,获取置信水平为0.95的t分布的置信区间为已知技术,此处不再进行赘述。
至此,得到所有的样本户。
获取所有样本户一个月内每小时的实际总能耗,用所有样本户一个月内每小时的实际总能耗除以所有样本户的理论使用面积,得到所有样本户每小时的单位面积能耗,记为小时能耗序列,用表示。再根据温度计获取一个月内每小时的温度数据,记为温度变化序列,用/>表示,每小时的温度数据则是采集一个小时中间时刻的温度数据作为这个小时的数据。其中,小时能耗序列和温度变化序列都是以一个小时为单位获取的,且依次按照时间顺序获取的,因此两序列中的数据是一一对应的。
需要说明的是,所有的温度数据都是通过四舍五入保留的一位小数,所有的每小时的单位面积能耗数据都是四舍五入保留的两位小数。
至此,得到小时能耗序列和温度变化序列/>。
步骤S003:根据小时能耗序列和温度变化序列/>得到温度-能耗的函数关系。
需要说明的是,在气温高的时候,住户需要打开空调进行降温,此时可能需要消耗大量的电能,则温度越高所需要的电能越多,所以在温度高的时候能耗和温度成正比;在气温低的时候,住户需要使用小太阳或者暖气进行升温,此时可能需要消耗大量的电能或煤炭资源,则温度越低所需要的能源越多,所以在温度低的时候能耗和温度成反比;在温度不高不低的时候,则不需要什么设备进行升温或者降温,所以需要的能源不多,则根据能耗和温度的关系进行分析。
进一步需要说明的是,通过上述知道高温和低温时,能耗和温度的对应关系不一样,高温时,温度和能耗成正相关关系;低温时,温度和能耗成负相关关系,因此对温度变化序列和对应的小时能耗序列进排序,选择一个合适的中间阈值T,将高温段和低温段区分开来,对高温段和低温段再分别进行分析,获取各温度对应较为合适的能耗。
具体地,对温度变化序列从小到大进行排序,得到排序后的温度变化序列,记为/>;按照序列/>得到新的小时能耗序列,记为/>。其中序列/>和序列是一一对应的。
将序列中的数据个数记为n,遍历序列/>中的第三个温度到n-2温度之间的温度,依次作为温度阈值T,通过温度阈值将序列/>分为低温度序列/>和高温度序列/>,将序列/>分为低温度能耗序列/>和高温度能耗序列/>。其中低温度序列/>和低温度能耗序列/>之间是一一对应的,高温度序列/>和高温度能耗序列/>之间是一一对应的。
获取低温度序列的均值和标准差,分别记为/>和/>;获取高温度序列的均值和标准差,分别记为/>和/>;获取低温度能耗序列/>的均值和标准差,分别记为/>和/>;获取高温度能耗序列/>的均值和标准差,分别记为/>和。
计算低温度序列和低温度能耗序列/>的协方差,具体公式为:
式中,表示序列/>中的第j个数据,/>表示序列/>中的第j个数据,/>表示序列/>中的所有数据的均值,/>表示序列/>中的所有数据的均值,/>表示序列/>和序列/>中数据的个数,/>表示序列/>和序列/>之间的协方差。
同理,得到序列和序列/>之间的协方差/>。
根据序列和序列/>之间的协方差/>、序列/>和序列/>之间的协方差/>得到低温段和高温段之间的差异程度。具体公式如下:
式中,表示序列/>和序列/>之间的协方差,表示序列/>和序列/>之间的协方差,/>表示序列/>的标准差,/>表示序列/>的标准差,/>表示序列/>的标准差,/>表示序列的标准差,F表示低温段和高温段之间的差异程度,n表示序列/>和序列/>的长度,n1表示序列/>和序列/>的长度,n2表示序列/>和序列/>的长度,其中,序列长度表示序列中的数据个数。
其中,当低温段和高温段之间的差异程度越大,表示低温段和高温段之间区分的越明显,即高温段的温度和能耗之间的正相关关系也越明显,低温段的温度和能耗之间的负相关关系也越明显;当低温段和高温段之间的差异程度越小,表示低温段和高温段之间区分的越不明显,即高温段的温度和能耗之间的正相关关系也越不明显,低温段的温度和能耗之间的负相关关系也越不明显。
因此,选取低温段和高温段之间的差异程度最大时对应的温度为最佳区分温度阈值T,根据最佳区分温度阈值T获取低温段中的低温度序列和低温度能耗序列,记为序列和序列/>,获取高温段中的高温度序列和高温度能耗序列,记为序列/>和序列/>。其中序列/>和序列/>中的数据是一一对应的,序列/>和序列中的数据是一一对应的。
以温度为横坐标,以能耗为纵坐标构建坐标系,对序列和序列/>使用最小二乘法通过五次多项式函数进行拟合,得到拟合出的温度-能耗的函数关系,记为第一温度-能耗的函数关系;对序列/>和序列/>使用最小二乘法通过二次函数进行拟合,得到拟合出的温度-能耗的函数关系,记为第二温度-能耗的函数关系,将第一温度-能耗的函数关系和第二温度-能耗的函数关系统称为温度-能耗的函数关系。其中,在本实施例的多项式拟合过程中使用的是五次多项式,本实施例不进行具体限定,其中多项式拟合可根据具体实施情况而定。
至此,得到温度-能耗的函数关系。
步骤S004:根据温度-能耗的函数关系得到建筑的理论能耗。
具体地,通过分析温度-能耗的函数关系中的温度对应的拟合曲线中的能耗值得到一个月内的理论能耗。将一个月内第t个温度值记为。
具体公式如下:
式中,表示一个月内/>出现的次数,/>表示一个月内第t个温度值在温度-能耗的函数关系中对应的能耗值,/>表示一个月内的理论能耗,n表示一个月内的测的温度数据个数。
将一年中每个月的理论能耗相加,得到整栋楼一年内的理论总能耗,记为。
至此,得到整栋楼一年内的理论总能耗。
步骤S005:根据建筑的理论能耗和实际能耗获取建筑的能耗优化潜力,根据建筑能耗潜力对建筑能耗进行打分。
需要说明的是,直接将建筑的年理论能耗和实际能耗进行对比,获取建筑的能耗优化潜力。根据该优化潜力对建筑节能改造进行评价,优化潜力越大的建筑说明其存在较大的改进空间,存在一定的资源不合理利用的情况,故对其评价较低;优化潜力越小的建筑说明其实际年耗能接近理论年耗能,已经有较为健康的耗能水平,对其节能优化评价较高。
通过步骤S001获取整栋建筑一年内实际的总能耗,对整栋建筑一年内实际的总能耗除以建筑的总使用面积得到单位面积的实际能耗,记为,然后再根据整栋楼一年内的单位面积实际能耗和理论总能耗得到整栋建筑的节能优化潜力。具体公式表示如下:
式中,表示一年内的单位面积的实际能耗,/>表示一年内的理论总能耗,/>表示整栋建筑的节能优化潜力。
预设阈值B和C,其中本实施例以B=1.7和C=1.3为例进行叙述,本实施例不进行具体限定,其中B和C可根据具体实施情况而定。
根据阈值B和C进行对建筑的节能优化潜力进行打分,具体为:
当建筑的节能优化潜力大于预设阈值A时,视为建筑能耗程度超标大,将其能耗程度视为差;当建筑的节能优化潜力大于预设阈值B且小于等于预设阈值A时,视为建筑能耗程度超标小,将其能耗程度视为良;当建筑的节能优化潜力小于等于预设阈值B时,视为建筑能耗程度在正常范围内,将其能耗程度视为优。
对于能耗程度差的建筑应优先进行节能改造,能耗程度为良的建筑可暂时不进行节能改造,能耗程度为优的建筑可不进行节能改造。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种建筑节能改造优化管理方法,其特征在于,该方法包括以下步骤:
采集一个月内每小时温度数据,记为温度变化序列;
采集建筑中的各项指标,根据各项指标得到实际总能耗;
所述根据各项指标得到实际总能耗,包括的具体步骤如下:
实际总能耗的公式如下:
式中,为预设权值,/>表示电能消耗,/>表示热能消耗,/>表示燃气消耗,/>表示水量消耗,/>表示实际总能耗;
获取每户的实际居住人数、实际使用面积和理论居住人数,并得到每户的理论使用面积;
获取每户的单位面积日能耗,根据单位面积日能耗得到样本户;
所述样本户的具体获取步骤如下:
获取每户一个月内每天的实际总能耗,用每户每天的实际总能耗除以每户的理论使用面积,得到每户的单位面积日能耗,计算一个月内每户的单位面积日能耗的均值,将整栋楼所有居住用户的一个月内单位面积日能耗均值构成一组序列,记为日能耗序列,用表示;获取日能耗序列/>的置信区间,获取每户的单位面积日能耗均值在置信区间内的住户,记为样本户;
所述日能耗序列的置信区间是根据日能耗序列/>在置信水平为0.95的t分布获得的;
获取所有样本户一个月内每小时的实际总能耗,根据所有样本户一个月内每小时的实际总能耗和所有样本户的理论使用面积得到所有样本户每小时的单位面积能耗,根据一个月内所有样本户每小时的单位面积能耗得到小时能耗序列;
对温度变化序列中的温度数据从小到大进行排序,得到排序后的温度变化序列;按照序列/>中温度数据的顺序对每小时的单位面积能耗进行排序得到新的小时能耗序列/>;
根据温度阈值将温度变化序列和新的小时能耗序列/>分为低温段和高温段,并得到低温度序列/>、低温度能耗序列/>、高温度序列/>和高温度能耗序列/>;根据序列/>、序列/>、序列/>和序列/>得到低温段和高温段之间的差异程度;选取低温段和高温段之间的差异程度最大时对应的温度作为最佳区分温度阈值;
所述根据温度阈值将温度变化序列和新的小时能耗序列/>分为低温段和高温段,并得到低温度序列/>、低温度能耗序列/>、高温度序列/>和高温度能耗序列/>;根据序列/>、序列/>、序列/>和序列/>得到低温段和高温段之间的差异程度,包括的具体步骤如下:
通过温度阈值将高于温度阈值的序列片段记为高温段,将低于温度阈值的序列片段记为低温段;其中,序列和序列/>是高于温度阈值的序列片段,序列/>和序列/>是低于温度阈值的序列片段;
低温段和高温段之间的差异程度的公式为:
式中,表示序列/>和序列/>之间的协方差,表示序列/>和序列/>之间的协方差,/>表示序列/>的标准差,/>表示序列/>的标准差,/>表示序列/>的标准差,/>表示序列的标准差,F表示低温段和高温段之间的差异程度,n表示序列/>和序列/>的长度,n1表示序列/>和序列/>的长度,n2表示序列/>和序列/>的长度,其中,序列长度表示序列中的数据个数;
根据最佳区分温度阈值、温度变化序列和新的小时能耗序列/>得到低温度序列/>、低温度能耗序列/>、高温度序列/>和高温度能耗序列/>;
根据序列、序列/>、序列/>和序列/>得到温度-能耗的函数关系;
所述温度-能耗的函数关系的具体获取步骤如下:
以温度为横坐标,以能耗为纵坐标构建坐标系,对序列和序列/>使用最小二乘法通过五次多项式函数进行拟合,得到拟合出的温度-能耗的二次函数关系,记为第一温度-能耗的函数关系;对序列/>和序列/>使用最小二乘法通过五次多项式函数进行拟合,得到拟合出的温度-能耗的函数关系,记为第二温度-能耗的函数关系,第一温度-能耗的函数关系和第二温度-能耗的函数关系统称为温度-能耗的函数关系;
根据温度-能耗的函数关系得到建筑的理论能耗,根据建筑的理论能耗和实际能耗获取建筑的节能优化潜力,根据建筑的节能优化潜力对建筑能耗进行打分并优化管理。
2.根据权利要求1所述一种建筑节能改造优化管理方法,其特征在于,所述每户的理论使用面积的具体获取步骤如下:
每户的理论使用面积的公式如下:
式中,表示第i户的实际居住人数,/>表示第i户的理论居住人数,/>表示第i户的实际使用面积,/>表示第i户的理论使用面积,/>表示取最小值函数。
3.根据权利要求1所述一种建筑节能改造优化管理方法,其特征在于,所述单位面积日能耗的具体获取步骤如下:
用每户每天的实际总能耗除以每户的理论使用面积,得到每户的单位面积日能耗。
4.根据权利要求1所述一种建筑节能改造优化管理方法,其特征在于,所述所有样本户每小时的单位面积能耗的具体获取步骤如下:
用所有样本户一个月内每小时的实际总能耗除以所有样本户的理论使用面积,得到所有样本户每小时的单位面积能耗。
5.根据权利要求1所述一种建筑节能改造优化管理方法,其特征在于,所述建筑的理论能耗的具体获取步骤如下:
将一个月内第t个温度值记为;
建筑的理论能耗的公式为:
式中,表示一个月内/>出现的次数,/>表示一个月内第t个温度值在温度-能耗的函数关系中对应的能耗值,/>表示一个月内的理论能耗,n表示一个月内的测的温度数据个数。
6.根据权利要求1所述一种建筑节能改造优化管理方法,其特征在于,所述根据建筑的理论能耗和实际能耗获取建筑的节能优化潜力,根据建筑的节能优化潜力对建筑能耗进行打分并优化管理,包括的具体步骤如下:
建筑的节能优化潜力的公式为:
式中,表示一年内的单位面积的实际能耗,/>表示一年内的理论总能耗,/>表示整栋建筑的节能优化潜力;
当建筑的节能优化潜力大于预设阈值A时,视为建筑能耗程度超标大,将其能耗程度视为差;当建筑的节能优化潜力大于预设阈值B且小于等于预设阈值A时,视为建筑能耗程度超标小,将其能耗程度视为良;当建筑的节能优化潜力小于等于预设阈值B时,视为建筑能耗程度在正常范围内,将其能耗程度视为优;
根据能耗程度进行改造,当能耗程度视为优时不进行改造,当能耗程度视为良时暂时可不进行改造,当能耗程度视为差时需要进行改造。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311667665.3A CN117371624B (zh) | 2023-12-07 | 2023-12-07 | 一种建筑节能改造优化管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311667665.3A CN117371624B (zh) | 2023-12-07 | 2023-12-07 | 一种建筑节能改造优化管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117371624A CN117371624A (zh) | 2024-01-09 |
CN117371624B true CN117371624B (zh) | 2024-02-20 |
Family
ID=89394903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311667665.3A Active CN117371624B (zh) | 2023-12-07 | 2023-12-07 | 一种建筑节能改造优化管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117371624B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2116168A1 (en) * | 1993-03-02 | 1994-09-03 | Gregory Cmar | Process for identifying patterns of electric energy consumption and demand in a facility, predicting and verifying the effects of proposed changes, and implementing such changes in the facility to conserve energy |
KR20150084196A (ko) * | 2014-01-13 | 2015-07-22 | (주)에스코프로 | 건물 에너지 절감을 위한 실시간 에너지진단 시스템 및 방법 |
CN106681964A (zh) * | 2016-12-24 | 2017-05-17 | 天津大学 | 公共建筑能耗审计统计拆分方法 |
CN107220472A (zh) * | 2017-08-06 | 2017-09-29 | 马婷 | 基于建筑面积和能效比的能耗仪及能耗评价方法 |
CN107315884A (zh) * | 2017-07-04 | 2017-11-03 | 北京首钢自动化信息技术有限公司 | 一种基于线性回归的建筑能耗建模方法 |
CN108320016A (zh) * | 2018-03-08 | 2018-07-24 | 南京工业大学 | 一种建筑能耗短期预测方法 |
CN109299837A (zh) * | 2017-07-24 | 2019-02-01 | 中国石油化工股份有限公司 | 一种炼厂工艺用能分析方法及装置 |
CN110544180A (zh) * | 2019-08-22 | 2019-12-06 | 万洲电气股份有限公司 | 一种基于能耗预测和分析诊断的建筑节能系统 |
CN110873360A (zh) * | 2018-09-03 | 2020-03-10 | 国网信息通信产业集团有限公司 | 供暖节能改造项目的节能量确定方法及装置 |
CN112365030A (zh) * | 2020-10-21 | 2021-02-12 | 深圳市紫衡技术有限公司 | 建筑能耗管理方法、系统、电子设备及计算机存储介质 |
CN113028596A (zh) * | 2021-03-18 | 2021-06-25 | 清华大学 | 一种空调系统能耗评估诊断方法及系统 |
CN116861248A (zh) * | 2023-07-21 | 2023-10-10 | 浙江大学 | 一种结合多窗口融合方法和聚焦框架模型的建筑能耗预测方法及系统 |
CN116989432A (zh) * | 2023-09-27 | 2023-11-03 | 深圳市美兆环境股份有限公司 | 一种空调系统节能运行优化调度方法及系统 |
-
2023
- 2023-12-07 CN CN202311667665.3A patent/CN117371624B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2116168A1 (en) * | 1993-03-02 | 1994-09-03 | Gregory Cmar | Process for identifying patterns of electric energy consumption and demand in a facility, predicting and verifying the effects of proposed changes, and implementing such changes in the facility to conserve energy |
KR20150084196A (ko) * | 2014-01-13 | 2015-07-22 | (주)에스코프로 | 건물 에너지 절감을 위한 실시간 에너지진단 시스템 및 방법 |
CN106681964A (zh) * | 2016-12-24 | 2017-05-17 | 天津大学 | 公共建筑能耗审计统计拆分方法 |
CN107315884A (zh) * | 2017-07-04 | 2017-11-03 | 北京首钢自动化信息技术有限公司 | 一种基于线性回归的建筑能耗建模方法 |
CN109299837A (zh) * | 2017-07-24 | 2019-02-01 | 中国石油化工股份有限公司 | 一种炼厂工艺用能分析方法及装置 |
CN107220472A (zh) * | 2017-08-06 | 2017-09-29 | 马婷 | 基于建筑面积和能效比的能耗仪及能耗评价方法 |
CN108320016A (zh) * | 2018-03-08 | 2018-07-24 | 南京工业大学 | 一种建筑能耗短期预测方法 |
CN110873360A (zh) * | 2018-09-03 | 2020-03-10 | 国网信息通信产业集团有限公司 | 供暖节能改造项目的节能量确定方法及装置 |
CN110544180A (zh) * | 2019-08-22 | 2019-12-06 | 万洲电气股份有限公司 | 一种基于能耗预测和分析诊断的建筑节能系统 |
CN112365030A (zh) * | 2020-10-21 | 2021-02-12 | 深圳市紫衡技术有限公司 | 建筑能耗管理方法、系统、电子设备及计算机存储介质 |
CN113028596A (zh) * | 2021-03-18 | 2021-06-25 | 清华大学 | 一种空调系统能耗评估诊断方法及系统 |
CN116861248A (zh) * | 2023-07-21 | 2023-10-10 | 浙江大学 | 一种结合多窗口融合方法和聚焦框架模型的建筑能耗预测方法及系统 |
CN116989432A (zh) * | 2023-09-27 | 2023-11-03 | 深圳市美兆环境股份有限公司 | 一种空调系统节能运行优化调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117371624A (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113325762B (zh) | 一种智能建筑个性化用能控制方法、系统、装置和设备 | |
CN110069823A (zh) | 一种基于多目标智能优化和EnergyPlus的建筑节能设计方法 | |
CN115471362A (zh) | 深度特征指导两阶段迁移学习的综合能源源—荷预测方法 | |
CN115411730B (zh) | 空调负荷多时段可调节潜力评估方法及相关装置 | |
CN113297799B (zh) | 一种基于数据驱动的空调集群负荷需求响应潜力评估方法 | |
CN112634077A (zh) | 中长期电力供需形势分析方法 | |
CN117172499A (zh) | 一种基于强化学习的智慧社区能量优化调度方法、系统及存储介质 | |
CN117371624B (zh) | 一种建筑节能改造优化管理方法 | |
CN113297742B (zh) | 基于独立成分分析的自能源非侵入式系统及其建模方法 | |
Tan et al. | Room thermal load prediction based on analytic hierarchy process and back-propagation neural networks | |
Wang et al. | Aggregated large-scale air-conditioning load: Modeling and response capability evaluation of virtual generator units | |
CN116862129B (zh) | 一种零耗能建筑数据分析方法及系统 | |
CN112307675A (zh) | 一种基于神经网络的温度敏感型负荷分离辨识方法及系统 | |
Changliang et al. | Energy management strategy research for residential microgrid considering virtual energy storage system at demand side | |
CN116307074A (zh) | 真实热力数据的获取方法、热力数据的神经网络模型构建系统及构建方法、热负荷预测方法 | |
Ma et al. | Research on accurate prediction of operating energy consumption of green buildings based on improved machine learning | |
CN112036777B (zh) | 基于空调、热水器用电量测算用户类型的判定方法 | |
Bo et al. | Research of Typical Line Loss Rate in Transformer District Based on Data-Driven Method | |
Liu et al. | Recognition model of air conditioning electricity consumption behaviors for demand response based on k-means clustering | |
CN113701232A (zh) | 基于温度多样性分析的供热系统楼宇级调控方法及系统 | |
Chen et al. | Model Free Adaptive Control for Air-Conditioning System in Office Buildings Based on Improved NSGA-II Algorithm | |
Zhang et al. | Data Mining and Analysis of the Operational Energy Consumption Mode of Green Buildings in a Large Cultural Complex | |
CN111488685B (zh) | 一种电热水器性能计算和使用能耗评估方法 | |
CN112464574B (zh) | 一种检验建筑内扰负荷设计参数合理性的方法 | |
Wang et al. | An energy efficiency evaluation method of intelligent building based on fuzzy clustering algorithm |
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 |