基于互聯網思維的建筑能耗大數據在線節能診斷技術

付彩風 鄭竺凌 上海市建筑科學研究院

?

基于互聯網思維的建筑能耗大數據在線節能診斷技術

付彩風 鄭竺凌 上海市建筑科學研究院

摘要：提出一種基于互聯網思維的建筑能耗大數據在線節能診斷技術，根據建筑功能區面積和分項能耗大數據采用多元回歸分析方法進行擬合，以此來判斷建筑節能潛力。

關鍵字：建筑能耗大數據；在線節能診斷；互聯網思維

近年來，國內已建成了十幾個大型公共建筑能耗監測示范城市，這些城市所監測的大型公共建筑數量在100～1 000棟。鑒于大型公共建筑領域建筑類型繁多（一般劃分為辦公建筑、商場建筑、賓館飯店建筑、綜合建筑等建筑類型）。而隨著業態的不斷調整，很多辦公建筑、商場建筑也具備了綜合建筑的一些特性。同時，綜合性公共建筑具備若干個不同功能的區域，比如商業、辦公、賓館。由于不同功能區域的用能需求和用能方式完全不同，因此不同功能區建筑面積能耗相差較大，建筑能耗水平橫向對比存在困難，更不用說通過在線的方法直接對建筑節能潛力進行診斷。雖然目前能耗監測已經積累了大量的實時能耗數據，具備了數據診斷分析的前提，但這些數據目前未能得到很好的利用，未能實現對大型公共建筑進行節能診斷的建設初衷。因此，如何基于互聯網思維對建筑的用能情況進行診斷，挖掘建筑節能潛力，是當前建筑能耗監測領域急需解決的技術難點。

本文中，根據用途將建筑功能區劃分為賓館區、辦公區、商場區、車庫及設備層區。選取典型日2015年7月27日至2015年8月2日82棟樣本建筑總用電、照明插座用電、空調用電、動力用電用能分項，對分項能耗數據和不同功能區面積采用多元回歸分析方法進行擬合，得到各分項用能單日用能判定值，進而對建筑單日分項用能節能潛力進行判斷。

1 在線節能診斷樣本選取

選取數據穩定的82棟大型公共建筑作為樣本建筑。82棟樣本建筑，總建筑面積371.58萬m2。其中，辦公建筑36棟，賓館飯店建筑14棟，商場建筑18棟，文化教育建筑1棟，綜合建筑12棟，其他建筑1棟。

樣本建筑分功能區域面積堆積圖如1圖所示。

2 在線節能診斷判定邏輯

為了研究不同功能區面積對建筑各分項能耗的影響，采用多元回歸分析對建筑各功能區的面積及各分項能耗數據進行最佳直線擬合。

根據單個建筑不同功能區面積，計算單個建筑診斷時段內節能潛力判定值，同時基于單個建筑逐時節能潛力判定值和單個建筑的判定區間系數，計算得到單個建筑診斷時段內節能潛力判定區間；進一步，通過單個建筑診斷時段內節能潛力判定區間與診斷時段內監測值進行比較，來判別建筑是否有節能潛力。如果實時監測值小于診斷時段內節能潛力判定區間的下限值，說明建筑節能潛力不大。如果實時監測值介于診斷時段內節能潛力判定區間之中，說明建筑有一定節能潛力。如果實時監測值大于診斷時段內節能潛力判定區間的上限值，說明建筑有很大節能潛力。

基于建筑能耗監測數據的大型公共建筑在線節能診斷方法，主要為如下步驟。

1）計算單個公共建筑診斷時段內能耗節能潛力判定值S；

2）計算單個公共建筑診斷時段內能耗節能潛力判定區間S1、S2；

3）判別該公共建筑是否具有節能潛力。

（1）計算單個公共建筑診斷時段內能耗節能潛力判定值S

圖1　樣本建筑功能區面積堆積圖

式中 S，日分項能耗節能潛力判定值，kWh；X1，賓館區面積，m2；C1，賓館區參考值，kWh/m2·D；X2，辦公區面積，m2； C2，辦公區參考值，kWh/m2·D； X3，商場區面積，m2； C3，商場區參考值，kWh/m2·D； X4，車庫及設備層面積，m2； C4，車庫及設備層參考值，kWh/m2·D；

考慮到車庫及設備層用能設備相對單一，通常只包括照明及通排風設備能耗，為了減輕對所有建筑樣本進行車庫能耗統計的工作量，根據樣本數據的統計得到平均車庫及設備層日能耗指標為0.07 kWh/m2·D，為了方便對不同建筑的分項用能指標進行對比分析，在本課題中，公式中的車庫及設備層日能耗指標統一按0.07 kWh/m2·D計算。

（2） 對比建筑實際能耗與指標值，挖掘建筑節能潛力點。

通過對大量建筑實時監測能耗大數據動態計算，實現了對建筑的用能情況進行在線自動診斷，為挖掘建筑節能潛力，提供了有力的評估手段和方法，為建筑能耗監測領域填補了技術空白。

3 典型日建筑能耗擬合結果

選取夏季典型日2015年7月27日至2015年8月2日總用電和空調用電、照明插座用電、動力用電的用電數據，并剔除異常數據。

按以下規則對樣本數據進行篩選，剔除異常數據：

1）無數；

2）日能耗數據高于2.5kWh/m2；

3）在第一次剔除后，再判斷以下規則并剔除樣本；

4） 總用能、照明插座用能、動力用能，超過平均單位面積能耗16倍以上、低于平均單位面積能耗的1/16的；

5） 空調用能、冷站能耗、冷機能耗、冷凍泵能耗、冷卻泵能耗，超過平均單位面積能耗32倍以上。

通過分項用能指標的研究方法，最終研究得到了大型公共建筑各分項能耗指標值（見表1）。

由表可見，①車庫及設備層主要涉及到總用電和照明插座用電，一般不涉及空調用電和動力用電；②2015/7/27和2015/7/31為工作日，2015/8/1和2015/8/2為雙休日，所有用能分項雙休日辦公用區指標值低于工作日辦公區指標值；③車庫及設備層區在整個建筑面積中所占比例較小，表現在車庫及設備層區指標值普遍較小；④對總用電來說，工作日最主要影響因素是辦公區指標值，雙休日最主要影響因素是賓館區指標值；⑤對照明插座用電和動力用電來說，最主要影響因素是辦公區指標值。

以空調用電為例，最主要的影響因素是賓館區指標，如圖2為某建筑（HJBH）的典型的空調能耗分析。

表1　典型日大型公共建筑分項用能指標值研究結果kWh·（m2·D）-1

4 基于擬合結果判斷建筑節能潛力

HJBH于1998年9月建成使用，建筑總面積54 371m2，地下3層，地面9層。B2、B3為地下汽車庫，B1部分庫房、部分商業， 1～8層均為商業，9層公寓用房。

根據擬合結果計算HJBH日分項能耗節能潛力判定值，將節能潛力判定值與實際能耗監測數據進行對照，求出其差值百分比，從而分析HJBH節能潛力。

HJBH空調用電實際值遠高于判定值，2015/7/27至2015/8/2，差值百分比最大值為236.37%，最小值為118.03%，平均值為151.11%，有很大的節能潛力，據估算HJBH在 2015/7/27至2015/8/2期間大約空調用電大約可節約61 165.64 kWh，節能率可達到147.04%。所以節能工作應該重點關注空調節電。如圖3為某建筑（HJBH）空調耗能分析。

圖2　P典型日空調能耗分析

圖3　HJBH典型日空調能耗判定值和實際值對比分析

5 結語

通過對大量建筑實時監測能耗動態計算，實現了對建筑的用能情況進行在線自動診斷，為挖掘建筑節能潛力，提供了有力的評估手段和方法，為建筑能耗監測領域填補了技術空白。同時，本發明完全適用于不同類型公共建筑，對建筑進行節能潛力在線診斷，可作為政府節能主管人員決策分析支撐，同時也可以服務樓宇業主進行節能潛力和節能效果自評估分析。

節能信息與動態

付彩風：（1984-），女，研究生，碩士，工程師。

Fund item： Science and Technology Committee of Shanghai Scientific Research Topic ‘Public Building Energy Consumption Monitoring Municipal Platform Big Data Analysis Research and Application Demonstration’ （14DZ1201901）

Building Energy Consumption Big Data Online Energy Conservation Diagnosis Technology Based on Internet Thoughts

Fu Caifeng， Zheng Zhuling
Shanghai Architectural Science Research Institute

Abstract：The article introduces one kind building energy consumption big data online diagnosis technology based on internet thoughts according to building function area and sub-energy consumption big data which is used to fit to determine building energy saving potential by multiple regression analysis method.

Key words：Building Energy Consumption Big Data， Online Energy Conservation Diagnosis， Internet Thoughts

基金項目：上海市科學技術委員會科研計劃課題“公共建筑用能監測市級平臺大數據分析研究與應用示范”，（14DZ1201901）

DOI：10.13770/j.cnki.issn2095-705x.2016.05.002

［作者簡介］