離散布谷鳥算法的建筑能耗數據智能監測系統

賈政方,賈宏俊

(山東科技大學泰安校區 資源與土木工程系,山東 泰安 271000)

0 引 言

工業化進程的加快和城市文明的深化使得建筑能耗量逐年增加,對能源持續供應和環境保護產生了巨大阻力[1]。據估計,截至2020年末,我國新增建筑面積將達到300 億m2,增加量為目前城鎮建筑面積的四分之三,快速增加的建筑面積將導致建筑耗能的激增。在這一背景下,實施建筑能耗監測、統計和管理成為緩解社會發展與能源短缺矛盾的有效措施之一。對建筑能耗數據進行監測,能夠實時統計建筑用能情況，發現建筑使用過程存在的問題,及時改善能耗設備的運行狀況，有效提高能源利用率,對保證建筑能耗系統的平穩、高效運行具有重要意義[2]。

文獻[3]設計了一種基于決策樹方法的建筑能耗數據監測分析系統,將決策樹方法與C4.5算法相結合,通過學習信息熵建立決策樹,利用關聯信息對大量建筑能耗數據進行監測。文獻[4]設計了一種基于傳感器的建筑能耗智能監測系統,結合LM算法,通過全局尋優過程實現對建筑能耗信息的智能監測,為建筑能耗控制提供數據支持。文獻[5]設計了一種基于RIA技術的建筑能耗監控系統,利用Wed技術和X3D技術對大型公共建筑能耗信息進行三維可視化采集,實現對建筑節能監控信息的管理。然而上述系統在運行過程中,對監測指令的傳輸周期較長,導致監測時效性較差。

文獻[6]設計了一種建筑能耗數據分項監測管理系統,將原本的總控方法轉變為專項能耗控制,在建筑內設置分項能耗計量裝置,為實現能源消費強度和消費總量雙控制提供數據參考。文獻[7]設計了一種公共建筑能耗特征采集監測模型,選取溫度系數、人口稀疏和能源消費彈性系數等指標作為解釋變量,結合多元線性回歸分析法建立建筑能耗監測模型。文獻[8]設計了一種利用BIM模型的建筑能耗靜態數據提取監測系統,通過擴展BIM模型中的IFC標準構建基于IFC標準的建筑能耗監測靜態數據模型,實現對建筑能耗靜態數據的監測。然而上述系統對建筑監測數據連接的精準性較差,在對多項能耗數據進行監測的過程中易出現數據丟失、監測不全面的現象。

文獻[9]設計了基于Wifi的建筑能耗監測系統,利用模塊組織,通過全橋電路實現能耗信息采集,并將信息傳輸至智能監測分析模塊中進行數據分析處理。模塊間通過TCP/IP協議實現數據互通,完成對能耗信息的有效監控。文獻[10]設計了基于遺傳優化決策樹的建筑能耗監測系統,采用遺傳算法優化梯度提高決策樹子樹的生成質量,構建線性回歸模型,利用決策樹獲取各狀態節點的能耗數據,從而達到對建筑能耗數據監測的目的。然而上述系統同樣也存在數據連接精準性差的問題,且數據傳輸的耗時較長,導致整體監測效率較低。

由于離散型布谷鳥算法涉及到的參數量較少,對隨機搜索路徑和新解的尋優能力強,因此,離散型布谷鳥算法在工程優化、信息調度和數據處理領域得以廣泛應用[11-12]。為此,針對傳統建筑能耗數據監測系統中存在的監測指令傳輸周期長、監測數據連接精準性差的問題,引入離散型布谷鳥算法,設計一種新的建筑能耗數據智能監測系統,并通過對比實驗證明了該監測系統的實用性。

1 系統硬件設計

離散布谷鳥算法的建筑能耗數據智能監測系統的硬件執行環境由離散拓撲結構、數據采集器、控制傳輸端3部分構成,具體搭建方法如下。

1.1 離散型監測拓撲結構設計

離散型監測拓撲結構由建筑能耗數據監測控制中心、檢測數據傳輸層、監測設備控制層和設備元件層4部分構成,具體結構如圖1所示。

圖 1 離散型監測拓撲結構圖

圖1中,建筑能耗數據監測控制中心含有多種控制元件,可按照監測投影設備中建筑耗能的變化情況更改控制局域網內的數據傳輸形式。監控網絡下屬的建筑監測終端通過對監測設備的控制,實現對設備元件層反饋信息的整合,并生成獨立的智能化建筑能耗數據,按照監測控制機的監測部署標準將智能化建筑能耗數據逐級傳輸回監測控制中心,進而生成監測系統所需的監測執行指令。

1.2 建筑能耗數據采集器設計

在上述離散型監測拓撲結構中,根據其連接需求布置建筑能耗數據采集器并設計智能傳輸端結構,實現對系統硬件環境的搭建。

建筑能耗數據采集器以Campbell Scientific CR6芯片為核心設計元件,是離散型監測拓撲結構的下屬裝置設備。利用RS485采集模塊連接智能控制傳輸端與核心指揮控制中心[13],并通過監測端接口將監測到的建筑能耗數據信息及時傳輸至各級應用設備。其中的智能化模擬器可直接控制數據開關的“閉合”與“斷開”狀態,并借助信息分析器消耗監測系統中與建筑能耗設備相關的信息記錄,利用數據接入節點建立與系統下一層應用設備的物理連接[14-15]。

1.3 能耗監測數據智能傳輸端設計

能耗監測數據智能傳輸端由NEC D720200F1芯片、數據傳輸控制模塊、數據智能存儲模塊3部分構成。其中,NEC D720200F1芯片負責與建筑能耗數據采集器建立物理連接,并將采集到的能耗數據信息整合成可獨立存儲的物理結構,以達到縮短監測指令傳輸周期的目的。數據傳輸控制模塊與建筑能耗數據監測控制中心的核心計算機相連,可通過直接調取監測指令信息的方式對整個建筑能耗設備實施目的性監測,進而提升系統監測過程數據連接的精準性。數據智能存儲模塊與系統監測數據庫相連,但因受到容量額度條件的限制,該設備結構只能存儲可供智能控制傳輸端利用的數據信息[16-17],并在接收到系統監測指令后釋放信息參量,以保證系統監測行為無障礙實施。

2 系統軟件設計

在上述硬件執行環境的支持下,按照建筑能耗數據解碼、監測數據庫搭建、智能監測節點配置的流程實現軟件執行環境的搭建,將軟、硬件執行環節相結合,實現對離散布谷鳥算法的建筑能耗數據智能監測系統的整體設計。

2.1 建筑能耗數據解碼

建筑能耗數據解碼過程需按照離散布谷鳥算法對能耗數據進行拆卸處理,在最大化保留建筑能耗監測數據完整性的同時,在監測指令信息的指導下通過分項設計的方式設計監測節點。

引入離散布谷鳥算法,假設β0和β分別代表建筑能耗數據的原始序列和解碼后的序列,y代表離散布谷鳥算法的偏移權重。聯立上述變量,將離散布谷鳥算法的建筑能耗數據解碼過程表示為

(1)

式中:f代表監測指令實施系數,取值范圍為[0,1];P代表離散布谷鳥算法下監測指令寄生巢選擇概率的實際偏移量;χ代表各指令信號的頻率分量;μ代表序列長度。

由于原始建筑能耗數據與解碼后建筑控制數據具有不同的序列形式,因此,建筑能耗數據信息在智能化通信節點中可自由傳輸,故監測數據庫的存儲行為不會隨數據序列形式的改變而產生變化[18-19]。即利用離散布谷鳥算法對建筑能耗數據進行解碼僅會影響監測節點的趨近行為,并不會引起數據序列形式內容的變化。

2.2 監測數據庫的搭建

建筑能耗監測系統數據庫由本地存儲、集中式存儲、分布共享式存儲3種模式構成,具體結構如圖2所示。

圖2中,本地存儲主要面向系統中的建筑能耗監測數據與監測指令,可承接由傳輸控制端反饋回來的建筑能耗信息[21]。集中式存儲主要針對系統中的建筑能耗解碼數據與解碼過程占用的信息節點,可按照系統的監測控制需求具體安排其數據結構所處的位置,以此增強建筑能耗數據在硬件結構間傳輸過程連接的精準性。分布共享式存儲主要針對系統中的監測指令執行元件,可在離散式布谷鳥算法的支持下實施建筑能耗數據信息的計算處理,進而求取到滿足連接標準的傳輸應用指令[21-23]。

圖 2 監測數據庫構成圖

2.3 智能監測節點的配置

智能監測節點的配置是基于離散布谷鳥算法的建筑能耗數據智能監測系統設計過程的末尾環節,可根據智能傳輸控制端內建筑能耗數據的傳輸情況選取局域網絡內的就近節點組織,并按需分配給相關硬件設備結構。未被分配的節點結構暫存于監測數據庫中,同時,也可根據監測指令的上行答復與下行通知結果，將暫時保持傳輸狀態的建筑能耗數據推送至數據采集器內,再聯合系統內部所有處于空閑狀態的節點組織,完成由建筑能耗數據監測控制中心計算機生成的監測指令,實現一次完整的智能監測節點配置處理[24-25]。智能監測節點配置的詳細操作過程如圖3所示。

圖 3 智能監測控制節點配置過程示意圖

綜上所述,完成所有軟、硬件執行環境的設置,實現離散布谷鳥算法的建筑能耗數據智能監測系統的設計。

3 檢測與分析

為突出說明所提的離散布谷鳥算法的建筑能耗數據智能監測系統的實用性,將文獻[5]的基于RIA技術的建筑能耗監控系統、文獻[8]的利用BIM模型的建筑能耗靜態數據提取監測系統、文獻[10]的基于遺傳優化決策樹的建筑能耗監測系統作為對照,從監測指令傳輸周期和數據連接精準性2個角度,將3種傳統系統與本文系統進行性能對比。

3.1 環境搭建

實驗在Microsoft Visual環境下進行,硬件環境為3.54 GHz CPU,5.00 Byte RAM,通過串口協議實現參數修改及數據讀取統計等功能。監測過程中的建筑能耗數據可通過云環境反饋至核心主機,并根據一定的整合分析標準生成所需的指標變化曲線及表格。

3.2 監測指令傳輸周期

監測指令傳輸周期的長短可影響整個監測過程的耗時,可用于判斷監測系統的時效性。測試在建筑監測數據總量不斷增加的情況下,統計不同系統監測指令傳輸周期的變化情況,結果如表1所示。

表 1 監測指令傳輸周期統計對比結果

從表1可知,文獻[8]和文獻[10]系統的監測指令傳輸周期較接近,基本維持在11.2～13.7 s之間,相比之下,文獻[5]系統的監測指令傳輸周期較長,最短的傳輸周期也達到了14.6 s,在隨后的測試中，傳輸周期持續上升。而本文系統的監測指令傳輸周期在整個實驗過程中整體呈現下降趨勢,但在中間出現小范圍的穩定,監測指令傳輸周期平均值為8.2 s,全局最大監測指令傳輸周期僅達到8.8 s,明顯少于這3種傳統監測系統。綜上可知,本文系統的建筑能耗數據智能監測系統具有縮短監測指令傳輸周期的能力,有效提高了監測系統的時效性。

3.3 數據連接精準性

對建筑能耗監測數據進行精準連接，能夠有效避免監測過程中出現數據丟失、監測不全面的現象。為此,測試在實驗數據不斷增加的情況下,不同系統的監測數據連接精準性,結果如圖4所示。

圖 4 數據連接精準性對比結果

如圖4所示,隨時間的不斷增加,不同系統的數據連接精準性也在不斷變化。文獻[5]系統的數據連接精準性較穩定,基本保持在85.0%～87.5%之間,相比之下,文獻[8]和文獻[10]系統的數據連接精準性較低。而本文系統的數據連接精準性先呈現小幅度的下降,隨后逐步上升,在第60 min時,達到最大值92%,明顯高于這3種傳統系統。綜上可知,應用本文系統的建筑能耗數據智能監測系統能夠提升檢測數據連接的精準性,有效避免了在監測過程中出現數據丟失、監測不全面的現象。

4 結 語

在研究中發現,在芯片與能耗數據采集器之間建立物理連接,并將數據信息整合成可獨立存儲的形式可有效縮短監測指令的傳輸周期;通過直接調取監測指令的方式可實現對整個建筑能耗設備的分項監測,同時,若結合監測需求具體安排監測數據的儲存位置,可使得系統監測數據連接的精準性大大提升。此外,為提高系統監測過程的無障礙性,應及時在系統接收監測指令后釋放信息參量,保證數據庫容量充足。然而,本文系統目前僅能對建筑能耗數據進行有效采集監測,難以完成對建筑能耗設備的調節和控制。因此,在未來的研究階段,將進一步對本文系統進行優化,以期實現對建筑能耗的監測和調控,有效改建筑善能耗設備的運行狀況,提高能源利用率。