发布时间:2018-10-20 14:06来源:上海智能建筑建设协会阅读数:0
基于分项计量数据的大型公建能效诊断方法构建
与在线诊断
The diagnostics methods and online diagnosis for energy efficiency of public buildings based on sub-metering data
上海腾天节能技术西藏快三 张皓 陈莹
【摘要】上海市大多数大型公共建筑安装了能耗分项计量系统,计量数据均传至区域性监测平台。在线能效诊断,是能耗数据应用的一个方向。本文立足分项计量数据基础优势和被评价者的需求,构建了一套公共建筑的梯级能效评价方法。基于数据模型和基于规则判断方法,是该评价方法的两个核心思路。本文的示例展示了不同情景下的诊断流程,实现区域性能耗数据监测平台的在线能效诊断。
【关键词】分项计量数据;能效诊断;在线诊断;
Abstract: The majority of large public buildings in Shanghai has installed energy sub-metering system, which data are transmitted to the regional monitoring platform.. Online energy efficiency diagnosis is a direction of energy consumption data application. In this paper, a set of energy efficiency evaluation method for public buildings is established based on the advantages of the sub-metering data and the demand of the public building evaluated, . The data model an the rules of judgment are the evaluation methods of the two core ideas. The example shows a list of diagnostic procedures in the typical scenarios to achieve the online energy efficiency diagnose in regional energy monitoring platform
Keywords: sub-metering data, energy efficiency diagnostics , online diagnosis
0 前言
同一类型公共建筑的能耗曲线在相同用能周期内具有显著的相似特征,因此针对不同类型的公共建筑,相关国家标准和地方标准均划定相应的能耗标准(即单位面积能耗强度值)。而在调研中获悉,楼宇业主或物业管理者却对此标准持有不同态度,认为即便是同类型建筑,每幢建筑的形体、耗能系统、运行策略、配电结构及末端使用设备和人员密度等等诸多影响因素导致建筑与建筑间的能源消耗量存在较大差异,单位面积能耗密度不足以评价其楼宇能耗水平的高低,对楼宇日常管理和建筑节能工作的指导性不够。课题组从既有建筑的分项计量数据基础和被评价者的需求出发,认为构建一套对公共建筑能效评价体系尤为必要。
1 构建梯级建筑能效诊断指标
为了准确评价单体楼宇的能效水平,行业内学者采用了诸如白箱计算模型、灰箱计算模型和黑箱计算模型等不同方法进行分析计算,以获得适用的单体建筑能效诊断方法。依据被评估楼宇的实际情况选用模型,如图纸的完整度、历史数据的存储量及颗粒度等等。获得不同模型、不同角度的分析结果,对于能源管理工作都具有一定的指导意义。
(1)能效指标分类
立足能效诊断指标的可行性和诊断结果的准确性,分层级进行能效诊断:即全楼宇能效诊断指标(基于总能耗)和建筑系统/设备层级能效指标。
基于总能耗的全楼宇能效诊断,主要采用能效对标、能耗排名、辅以修正因子的能耗趋势预测值对比来评价建筑整体用能水平是否处于合理区间,通过横向比较和纵向挖掘来发现管理漏洞并及时解决,提升节能意识。
建筑系统/设备层级的诊断依据建筑设备类型建立具备系统/设备运行特征的能效测评指标,评价对象包括空调、照明、动力等建筑主要耗能系统和冷热源机组、输配水泵等重要用电设备。
相较全楼宇能效诊断,建筑系统/设备层级用能效率的评价与诊断需要更加细化的能效指标,因此,诊断模型的建立需要平台调用西藏快三参数,以确保诊断结果的准确性。
(2)分析方法与适用性
常见的大型公共建筑能效数据特性的分析方法有统计分析方法和模拟分析方法。统计分析方法建立在历史能耗统计数据的基础上,利用统计学方法分析建筑能效,简单易行,耗费少,易与国家实施的“能耗统计、能源审计”制度结合,由于研究的基础是建筑实际能耗,更易于被大众接受和认可。模拟分析法具有较强的技术合理性,它可以摒弃建筑设计和运行中诸多不合理的因素,通过建立能耗模型来分析建筑能效。模拟分析法建模工作量大,对研究人员的实践经验和专业知识要求较高,建筑模拟条件与现实情况往往存在较大的不同,使其使用受到限制。
对于具体建筑,在没有业态调整或者节能改造等大变故的条件下,定量预测是对历史数据进行处理的方法,其基础是认为将来是过去和现在的自然延续,完全可以采用数学和数理统计的方法进行点或面的预测。定量预测有两种常用的方法,一类是回归分析,其所建立的因果模型不仅能够用于预测,而且还能够用来解释系统内部运行的原因和各个因素之间的关系,包括简单回归模型和多变量回归模型等;另一类是时间序列分析,它不关心影响这个系统运行的因素是什么,只依赖于历史观测数据和它的数据模式,包括指数平滑、自回归-移动平均等模型。
经反复比较分析后,我们选用特征平均值,采用向量回归,高斯过程回归等算法构建相应的预测模型。
对于建筑级能效分析,围绕全楼宇层面的能耗数据,采用能效对标、能耗分析、用能排名等方法对建筑进行能效评估和诊断。受限于指标定位较为宏观,指标数据所含信息量较少,目前仅能在整体视角中对建筑进行能效评价。对于系统/设备层级能效分析方法,对末端能耗性能指标分级,逐级评价建筑用能。梯级能效诊断指标与分析方法汇总如表1所示。
表1 梯级能效诊断指标与分析方法汇总
能效诊断指标 | 分析与诊断方法 | 数据基础 | ||
全楼宇 能效诊断指标 | 能耗强度指标 | 回归模型 特征平均模型 上下限模型 | 阈值判别 对标 | 有效历史能耗数据 气象参数 出租率 |
系统 层级能效指标 | 照明系统 | 阈值判别 上下限值判别 | 有效历史电耗数据 气象参数 设备台账 运行参数 | |
动力系统 | ||||
空调系统 | ||||
设备 层级能效指标 | 空调机组COP | 冷热量估算法 | 规则判别 | 有效历史能耗数据 气象参数 设备台账 运行参数 冷热量负荷 |
水泵输送系数WTFchw/WTFcw | 规则判别 | |||
末端能效比EER | 规则判别 |
2 基于数据模型的建筑能效诊断方法
(1)诊断思路
考虑到分项计量数据特性,实现平台级的能效在线诊断从可靠性和可行性出发,通过数据拟合技术而非物理规则来建立能耗的预测模型,使用数据驱动法进行能效诊断,是优先思路之一。基于历史数据训练出的预测模型,利用隐含信息预测未来能耗值,综合专家(工程)经验和客观用能特性制定相应诊断规则,对建筑当前能效状况作出合理、有效评价。
(2)预测模型的构建
① 大型公共建筑的用能波动与季节变化息息相关;
② 不同类型建筑冷热负荷需求不同;
③ 不同类型建筑、不同建筑单体间的运行时间均有差异;
综上,依季节划分,建立相应的回归预测模型和特征平均模型;依诊断建筑类型的不同和时间周期的不同,预测模型引入不同变量。
周预测、日预测和小时预测等三种预测结果在既有平台条件下均可以快速实现。三种预测共计11个模型形式。日预测模型在实际应用中较为常用见,如表2所示,在此详述。
表2 日能耗预测模型分类汇总表
类型 | 日能耗预测模型 | 参数说明 |
回 归 模 型 | A.气象参数回归模型
Y=C0+C1×T+C2×T2+C3×T3 | Y是该项能耗量; T是气象参数,分别表示当天的平均温度; C0、C1、C2、C3是常数,由训练数据回归得出 |
B. 将空调用电作为自变量的回归模型(工作日与非工作日一起)
Y=C0+C1×WW+C2×EAC | Y是该项能耗量; WW是工作性质参数,工作日取1,非工作日取0; EAC是当天的空调用电分项能耗; C0、C1、C2是常数,由训练数据回归得出 | |
C. 将空调用电作为自变量的回归模型(工作日与非工作日分开) Y=C0+C1×EAC | Y是该项能耗量; EAC是当天的空调用电分项能耗; C0、C1是常数,由训练数据回归得出 | |
特 征 平 均 模 型 | D. 针对工作日与非工作日未分开的数据模型 | x和y表示工作日与非工作日的电耗; l表示月份,取1-12; w表示工作日,uw表示非工作日; n表示当月的工作日天数,m表示当月的非工作日天数 |
E. 针对工作日与非工作日分开的数据模型 | ||
F. 针对按温度区间分开的数据模型 | x表示该温度段内的电耗; l表示温度段; n表示在该温度段内的数据个数 |
(3)模型的精度控制
其中,多元线性回归模型的精度要求主要通过回归系数和残差均方根变化系数两个指标来约束。在对平台在线的50幢建筑能耗数据的预测模型算法测试后,本课题组确定日能耗预测模型的精度控制参数,如表3所示。
表3 回归模型精确度指标控制表
精度指标 | 公式 | 精度要求 |
回归系数 R2 | ![]() | R2>0.7 |
残差均方根变化系数 CVRMSE | ![]() | CVRMSE<22% |
注:n表示训练数据的个数,m表示回归方程中自变量的个数
当模型首次回归结果达不到上述精度要求时,则剔除本次回归中的残差异常数据(包括自变量和因变量,且该数据残差的置信区间不包含0),再次训练模型。同时,为确保模型可以体现建筑体的用能特征,数据是经批量楼宇样本测算后得到:剔除的数据量不得超过原始训练数据量的20%。
3 基于规则判断的空调能效诊断方法
空调系统由于设备多样,组成复杂,其能耗特点较难把握,对其进行预测需要的参数信息也较多,在现有的数据信息条件下,构建其能耗预测模型较为困难。同时,空调的用能效率主要用其电耗与其供应的冷热量相比较得到,而现有的数据信息中却缺少冷热量数据。所以,为了在现阶段完成对空调用电的能效诊断,构建了针对不同建筑类型的冷热量估算方法,大致得出建筑在特定条件下的冷热需求,再结合实测空调的电耗数据,用规则判断的方法进行诊断。
(1)诊断思路
以室外平均干球温度为基准,给定该温度下各类型公共建筑的冷热量负荷强度(标准值与工程经验值相结合),结合时间跨度和建筑面积,即可获得该室外温度下若维持建筑物内舒适的室内温度所需的冷热量。由平台读取相应时间跨度内各设备的耗电量,代入设备能效指标计算公式,便可得到设备运行能效比值。依据《GB/T 17981-2007空气调节系统经济运行》中的相关规定,选取典型工况的能效比限值作为判断标准,对设备运行效率作出评价。
此方法理据充分,对平台在线的各类建筑进行测试后,办公建筑和商场建筑的适用性尤为突出,故本文着重围绕这两类建筑做详细阐述。
(2)诊断流程
① 查询建筑冷热负荷指标,如表4所示:
表4 建筑冷热负荷指标
室外平均温度 ℃ | 冷/热负荷指标(W/m2) | 室外平均温度 ℃ | 冷/热负荷指标(W/m2) | ||
办公建筑 | 商场建筑 | 办公建筑 | 商场建筑 | ||
-2 | 60 | - | 24 | 40 | 50 |
0 | 55 | - | 26 | 50 | 70 |
2 | 50 | - | 28 | 60 | 90 |
4 | 40 | - | 30 | 70 | 110 |
6 | 35 | - | 32 | 80 | 130 |
8 | 30 | - | 34 | 90 | 160 |
10 | 25 | - | 35 | 95 | - |
12 | 20 | - | 36 | 100 | 200 |
15 | - | 5 | 37 | 105 | - |
20 | 20 | 10 | 38 | 110 | 240 |
22 | 30 | 30 | 40 | 140 | 280 |
注:在调研与平台监测的过程中发现,大多数商场建筑在冬季无采暖需求。
② 估算冷热量,公式如表5:
表5 冷热量估算方法
冷热量估算公式 | 参数说明 |
逐天冷热负荷=冷热负荷指标×建筑面积×空调面积系数×运营小时数×运营小时系数
逐时冷热负荷=冷热负荷指标×建筑面积×空调面积系数×1
注:若已知空调面积,则用空调面积代替“建筑面积 空调面积系数”。 | 办公建筑: 建筑面积:取建筑总面积(不包括地下车库)。 空调面积系数:取0.7 运营小时数:依照当天工作性质,算出运营小时数 运营小时系数:取1.1 |
商场建筑: 建筑面积:取建筑总面积(不包括地下车库)。 空调面积系数:取0.7 运营小时数:工作日与非工作日相同,运营小时都为12小时 工作小时系数:取1.1 |
③ 计算设备运行效率:
④ 判别标准:
A.各设备运行效率限值以《GB/T 17981-2007 空气调节系统经济运行》要求为准;
B.实际诊断时,可视建筑客观情况放宽限值要求。
(3)诊断深度
基于规则判断的空调能效诊断,诊断范围为空调系统的主要子系统的用能效率,包括冷热源、输配水泵和空调末端。在对冷热源的诊断中,对于电制冷冷水机组和风冷热泵,针对其开关机时间是否正常和运行效率;对于电锅炉,其正常效率就很低且几乎无能效故障,一般在建造年代较早的建筑中才使用,所以只诊断其开关机时间是否正常;对于燃气(燃油)锅炉,因为没有其能耗数据,无法对其进行诊断。在对输配水泵的诊断中,对冷水泵、冷却水泵和冷热水共用泵进行了开关机时间和运行效率情况的诊断。在空调末端的诊断中,对全空气系统、风机盘管系统和风机盘管+新风系统分别进行了开关机时间和运行效率情况的诊断。
4 单体建筑在线能效诊断方式与流程
平台级在线诊断默认选择自上而下、层层递进的诊断模式。随时间推进,对新采集入库的电耗数据自动进行诊断并及时输出结果。由于预测模型、判别方式不是一一对应,各自以模块形式存在,本文仅选择常见模块示例如下:
(1)基于阈值/限值判断的诊断项流程如图1所示。
图1 诊断对象的在线诊断流程图
其中相对阈值的选取:
取全楼宇全年逐天电耗中值(中位数)的1%,作为低限绝对阈值;
取全楼宇全年逐天电耗中值(中位数)的10%,作为高限绝对阈值。
(2)基于规则判断的诊断项流程如图2所示。
图2 基于规则判断的诊断流程示例图(逐天电耗诊断)
5 小结
课题组将上述方法开发为计算工具,经大批量楼宇历史数据测试后,诊断结果误诊率较低,能够帮助楼宇管理者在第一时间发现低能效运行工况和非正常设备开启等情况。目前,已在小范围推广应用。回归变量的选择、诊断阈值的划定、流程相关参数的设定,均为本方法的不确定因素项,它们可以在实际应用中由使用者调整,以达到诊断目标。
以历史的能耗数据为基础进行能耗预测的方法有很多种,但每一种方法都有各自的特点和适用情况,只有针对具体的数据深度和研究目的,选择适当的诊断方法,才能得到理想的诊断结果。本文构建了基于分项计量数据构建梯级建筑能效诊断指标体系,基于区域性建筑能耗监测平台落实数据应用,在细分行业内为相关用户提供了能效管理的新思路和具体手段。
6 参考文献
[1] 苑登阔,许鹏 公共建筑能效指标及评价现状分析[J].建筑节能.2014.4:76-80
[2] 薛志峰.既有建筑节能诊断与改造[M].北京:中国建筑工业出版社,2007.
[3] 中华人民共和国建设部.国家机关办公建筑和大型公共建筑能源审计导则[L].建科[2007]249 号.2008-10-31.
[4] GB/T 17981—2007,空气调节系统经济运行[S]