BP神經網絡在居住建筑電力節能效果評價中的應用研究

劉良甫

(陜西鐵路工程職業技術學院 管理工程系，陜西 渭南 714000)

發展中國家的一個主要節能減排手段是大幅降低廢氣與溫室氣體的排放量，建筑作為能源消耗量較大的領域之一，現已成為我國重要的低碳節能目標[1]。隨著人口城市化進程的不斷加快，越來越多的居住建筑矗立于城市之中，國民經濟的飛快發展也提升了人們對居住舒適度的要求，致使居住建筑的電力能耗日益加劇。因此，以節能為目標，改造現有居住建筑[2]的現實意義相對較大。為了大力推進節能改造工作的規?；M行，有效評價節能改造效果的方法逐漸成為眾多學者的研究課題。部分研究者針對老舊小區利用物源可拓法[3]，建立節能評價指標體系與節能評價模型；一部分研究者[4]根據室外溫度與服務參數的能耗敏感性，分解聚合總能耗，利用擬合參數的物理意義，取得逆向建模評價方法。但是部分研究對于不確定性較大的節能改造措施效果評價仍缺乏客觀性，導致評價效果不理想，評價時間較長。

綜上所述，本文面向居住建筑類型，提出一種基于反向傳播神經網絡的電力節能效果評價方法。神經網絡作為一門非線性學科，憑借較快的發展速度，在多個關鍵領域中均得到廣泛應用，由于并行處理性能與非線性映射能力，對于動態的節能效果評價則更具適用性與科學性；根據居住建筑的常用電種類構建電力節能效果評價指標體系，有助于拓寬方法應用性；通過一致性檢驗調查問卷，提升問卷可靠性；不斷訓練神經網絡模型，增加節能效果評價精準度。

1 節能效果評價指標處理

1.1 評價指標體系

居住建筑的常用電通常有4種：照明插座系統用電、動力設備用電、空調系統用電以及特殊設備用電。根據這4類電力的能耗運行特征、建筑設計參數與供配電[5-6]，構建出居住建筑電力節能效果評價指標體系，獲取居住建筑電力節能效果評價指標。其主要特征集由準則層的7個類別組成。

(1)建筑設計參數B。對應的指標層包括結構系數b1、圍護導熱系數b2、外窗遮陽系數b3、門窗氣密度b4。

(2)照明插座系統C。對應的指標層包括公共區域照度c1，居住區域照度c2，公共區域設備c3，居住區域設備c4。

(3)空調系統D。對應的指標層包括空調主機能效比d1、空調主機變頻d2、空調水泵效率d3、冷卻塔耗電比/風量d4、空調耗功率/風量d5、空調風機效率d6、末端能效比d7。

(4)動力設備系統E。對應的指標層包括電梯調節e1、電梯效率e2、預計電耗/年e3、電梯風機效率e4、電梯耗電比/風量e5、電梯水泵效率e6。

(5)特殊用電F。對應的指標層指標為特殊用電功率密度f1。

(6)供配電損耗G。對應的指標層指標為三相不平衡程度g1、功率因數g2、變壓器效率g3、變壓器負載率g4、變壓器損耗g5、變壓器副邊電流g6。

(7)節能運行管理制度H。對應的指標層指標為運行管理標準h1、系統維護標準h2、管理制度完善度h3、設備開閉程度h4、門窗開閉程度h5、節能獎懲落實力度h6、節能培訓落實力度h7。

1.2 電力節能效果評價指標賦權處理

為獲取居住建筑節能運行指標重要性，需對上述獲取到的居住建筑電力節能效果評價指標進行賦權處理，采用低復雜度的層次分析法計算電力節能效果評價各指標權重[7-10]。具體流程描述如下。

(1)基于居住建筑節能效果評價指標體系，利用問卷調查模式，架構判定矩陣，取得評價指標重要性的專家分數。成對比較體系中的35個評價指標，假設任意指標xj與xi對節能效果的影響力度是qij，邀請m名專家判定指標權值[11-13]，則推導出第p個專家的判定矩陣：

(1)

(2)將各專家的判定結果相融合，得到小組的整體判定結果[14-16]。利用線性代數知識，取得對應于矩陣極大特征值的特征矢量，用于描述評價指標的重要性順序，對各評價指標進行歸一化處理[17]，即可完成各指標賦權。

(3)一致性檢驗調查問卷，以提升問卷可靠性。基于平均隨機一致性指標值，根據解得的一致性指標值，算得一致性比例，若比例值大于0.1，應調整判定矩陣；反之，賦權任務完成[18]。

2 BP神經網絡模型構建

基于一般的反向傳播神經網絡，將下層輸入設定為任意層的輸出，表達式為：

jm+1=im+1(Wm+1jm+rm+1)

(2)

式中，W與r分別為權重矩陣與偏置向量；m為反向傳播神經網絡的層數；i為元素；m=0，1，…，M-1。

首層與末層神經元分別用于輸入外部信息與輸出網絡信息。假設反向傳播神經網絡的輸入樣本集合是[{l1，t1}，{l2，t2}，…，{lY，tY}]，其中，網絡輸入項與目標輸出項分別為ly、ty，當有樣本輸入時，就會對比一次網絡的輸出項與目標輸出項，為最小化兩者間的均方誤差，通過下列計算公式解得均方誤差：

εT(k)ε(k)

(3)

用第k次迭代得到的均方誤差表示其期望數值，推導出以下近似均方誤差的梯度下降方程組：

(4)

(5)

結合式(5)，推導出下列敏感性遞推關系表達式：

Sm=Im(nm)(Wm+1)TSm+1

(6)

如此，即可完成從末層至首層的敏感性反向傳播。SM即為遞推關系中的開始節點，界定表達式如下所示：

SM=-2IM(nM)(t-j)

(7)

利用以下3個計算流程，求解反向傳播神經網絡。

(1)憑借神經網絡節點，采用下列方程組完成輸入信息的前向傳播：

(8)

(2)經神經網絡節點，通過下列方程組反向傳播網絡敏感性：

(9)

(3)利用近似梯度下降法，獲取新的權重與偏置數值，如下所示：

(10)

3 電力節能效果評價

結合構建的反向傳播神經網絡與居住建筑電力節能效果評價指標，得到下述電力節能效果評價流程。

(1)明確居住建筑的評價因子。將電力節能效果評價指標作為評價因子，根據其賦權結果，重點考慮具有較大影響的評價指標。

(2)分類居住建筑的電力節能效果評價等級。評價指標等級用評價集合描述。其中，等級表示電力節能效果優秀，居住建筑舒適性與實用性更高，極大程度降低電力能耗；等級表示電力節能效果與居住建筑舒適性、實用性較好，電力能耗降幅較大；等級表示電力節能效果、居住建筑舒適性、實用性以及電力能耗均處于中等水平；而等級與分別表示電力節能效果合格與不合格。

(3)反向傳播神經網絡評價模型。根據節能效果評價體系的特征值，推導出體系綜合系數，判定體系的節能性。結合構建的反向傳播神經網絡結構，架構出基于反向傳播神經網絡的電力節能效果評價模型。該網絡模型的輸入節點數量是評價指標數量，輸出節點的多層神經網絡與網絡安全系數函數相逼近。在網絡的輸入層輸入指標體系指標層中各指標值，通過隱藏層內各節點及其之間的連接模式，經輸出層輸出指標體系的綜合評價結果。

(4)明確訓練樣本數據。依據節能隸屬度理念，設置節能效果評價數值的取值范圍，基于取值上下限，利用線性函數均分算法[19-20]，將均分目標值分別作為輸入樣本與網絡的期望輸出，完成神經網絡模型訓練，為準確評價電力節能效果奠定基礎。

4 仿真實驗分析

為了進一步驗證本文提出的基于BP神經網絡的居住建筑電力節能效果評價方法在實際應用中的性能，采用Matlab仿真軟件進行一次仿真對比實驗分析。

4.1 神經網絡模型相關設置

根據反向傳播神經網絡評價模型，做出網絡層數等相關設定。反向傳播神經網絡評價模型參數：隱藏層個數為1，輸入層神經元個數為35，輸出層神經元個數為1，隱藏層神經元個數為56。

4.2 數據處理

針對目標建筑的35個電力節能效果評價指標，設定網絡訓練樣本為前10個指標值，網絡測試數據為后5個指標值。根據指標體系內的正指標與負指標，對初始數據進行歸一化處理，取得神經網絡的訓練與測試數據子集。為提升本文方法評價結果的可靠性，檢驗神經網絡模型精準度，曲線如圖1所示。通過圖1可以看出，構建的神經網絡評價模型具有極小的相對誤差值，且最大值未超過0.5，幾乎可以忽略不計，表明該模型因網絡參數調整，最小化了均方誤差，故學習能力較強。

圖1 神經網絡模型精準度示意Fig.1 Schematic diagram of accuracy of neural network model

4.3 居住建筑電力節能效果評價性能分析

邀請該領域中的多名專家，對10棟居住建筑的電力節能效果合理給出分值，并以此作為對比依據，驗證本文方法的評價性能。為有效說明該方法的評價質量，分別從相對誤差、均方根誤差、標準差3個角度，全方位檢驗本文方法與專家分值的離散程度，如圖2所示。

圖2 評價方法性能示意Fig.2 Schematic diagram of evaluation method performance

由圖2知，各評估指標曲線變化幅度較小，且始終處于可接受范圍中，這表明本文方法與專家評分的擬合度較高，且具有一定的穩定性。究其原因是根據居住建筑的常用電種類，建立了由建筑節能設計參數等類別組成的電力節能效果評價指標體系，采用層次分析法明確了各指標權重，基于一般的反向傳播神經網絡，構建出用于評價電力節能效果的網絡模型，經結合居住建筑電力節能效果評價指標，精準實現電力節能效果評價。

4.4 居住建筑電力節能措施

根據上述居住建筑電力節能效果評價結果，提出居住建筑電力節能措施。選取某市的10棟居住建筑，對其進行電力節能改造，主要改造措施如下。

(1)建筑外圍護部分。利用無機保溫砂漿改善建筑外觀，減小外墻的導熱系數；采用外窗貼膜策略，減小外窗形成的空調負荷。

(2)空調系統。強化冷凍水管路保溫隔熱效用，清洗系統管路，檢修設備及閥門，減小能耗。

(3)針對所選居住建筑的多層特點，依據建筑公用電梯的運行時間，設置高峰時段開啟、無人時段停運的機制，減小電梯待機的電力消耗。

(4)合理優化居住建筑的配電線路，匯總低配電功率區域，減小三相不平衡程度。

對于其他更專業的節能改造措施，由于篇幅限制，本文不做贅述。

5 結論

城市作為整個社會節能減排的主要源頭，多元化的建筑是源頭中最具影響力的領域之一。以實現國家可持續發展為戰略目標，諸多有關部門均面向建筑行業的可再生能源利用、環保施工等方面，不斷制定有關城市規劃建設的綠色政策，并確立“低碳城市”的未來規劃目標。節能減排是開啟低碳模式的唯一途徑，這樣才能確保有限能源得以充分利用，從根本上保證生態平衡。為此，本文基于神經網絡，提出一種基于反向傳播神經網絡的居住建筑電力節能效果評價方法。居住建筑美感不足，最大化建筑美感與能耗間的綜合效應是今后要研究的一個主要方向；電力節能效果評價指標體系的建立缺乏一定的專業性與理論性，應從規定性與性能性兩個方面展開評價，使結果更具科學性與嚴謹性；需將本文方法應用于其他類型的建筑電力節能效果評價中，提升該方法的應用性與適用性；下一階段需要探討的課題是基于該評價方法創建一種軟件，貼合當前應用需求，實現智能化與自動化。