基于人员位置大数据的建筑人员作息模式研究

建筑中的人行为对建筑能耗具有重要的影响,建筑的人员作息是建筑能耗模拟的重要输入参数。然而,当前获取建筑人员作息的主要方法,如红外传感法和人员计数法等,存在精度较低、有系统误差或耗时耗力等问题,在实际工程中不能很好地推广应用。随着社交媒体软件的普及,其中的人员定位信息可以用于反映建筑人员作息。通过聚类分析的方法得到了典型的人员逐日及逐周的作息,并在此基础上提出了一系列分别反映人员逐日和逐周作息特征的描述性指标。以北京某医院建筑的人员作息为例进行了分析,并进一步通过对比发现,基于人员位置大数据的人员作息与能耗标准中的人员作息具有十分显著的差异,前者可以更客观地反映建筑人员在室特征。

区域尺度住宅建筑日用电负荷模型构建方法研究

面对新时代能源发展形势,有效整合电力用户、电网企业及供应商信息,全面深度分析"源网荷储"特性是推进能源互联网发展的重要举措,模拟建筑用电这一典型负荷已尤为重要。关注区域规模居民用电负荷,提出用电负荷数据预处理分析方法和区域尺度住宅建筑日用电负荷模拟方法。区域尺度的用电数据在空间规模和时间跨度上均具有高维特征,分析大量数据并再现区域规模用电负荷是其主要难点。为此,提出结合自编码和k近邻算法的数据异常值剔除方法。在数据预处理的基础上,提出基于聚类分析的区域尺度住宅日用电负荷模型和模型检验方法,以单个住户的日均用电和全年最大日负荷为指标聚类,基于聚类分析结果提出随机用电模型,模拟区域尺度住宅建筑逐户逐日用电负荷。应用华东某重点城市智能电表采集的整年居民用电数据开展研究分析案例,实现区域住宅建筑居民日用电负荷的模拟再现。提出"数据异常值预处理、聚类分析、模型构建和检验"系列研究分析方法,可有效满足能源互联网建设对大量末端用户用电负荷的模拟分析需求。

基于智能电表数据的饮水机热水使用行为识别方法研究

蓄热式饮水机是民用建筑中的常见电器,其在无人取用热水时为了维持水温,需要持续加热。人员使用饮水机热水的行为包括取用热水量和取热水时刻。如果能根据人员的饮水机使用行为,确定无人饮水时刻,关闭饮水机,则可以减少饮水机待机加热过程的耗电,实现设备节能。然而,饮水机使用行为难以被直接地、持续地识别。因此,本研究开发了1种基于智能电表功率监测的使用饮水机热水行为识别算法。该算法以测量的饮水机电功率数据为基础,通过饮水机传热模型识别饮水机使用行为。饮水机传热模型是识别算法的关键,本研究构建饮水机传热模型并采用贝叶斯校准法校准并检验。本研究测试了3个实际案例,分别对3个案例构建了3个饮水机传热模型,基于饮水机传热模型识别饮水机使用行为。3个案例中,日均取热水量的识别误差为0.1~0.6 L,日均取水次数的识别误差为0.2~4次。本研究提出的使用饮水机热水行为的识别算法可为热水器等其他蓄热式设备的使用行为识别提供参考,并可利用识别的使用行为,指导小型柔性调节设备的智能控制。

城镇住宅区域全年逐时用电负荷模拟模型构建方法研究

全年逐时用电负荷的准确模拟对于可再生电力系统的设计具有关键意义。传统的用电负荷模型以单栋建筑为空间尺度,给出典型日逐时用电负荷,无法实现区域全年逐时用电负荷的动态模拟。本文提出了1种新型的全年逐时区域用电负荷建模方法,采用随机森林回归描述气温、区域特征对日总用电负荷的影响,构建逐日用电负荷模拟模型;基于两步聚类的方法,提取典型的逐时用电特征,构建逐时用电负荷模拟模型,在逐日用电负荷模拟模型的基础上模拟全年逐时用电负荷。本文以福建省厦门市93个城镇住宅区域为案例,构建用电负荷模拟模型,该模型模拟用电负荷延时曲线与实测用电负荷延时曲线的平均绝对误差变异系数为11.8%,低于2个基准模型(13.3%,25.8%)。本研究所提出的方法可用于辅助可再生蓄能系统的优化设计。

我国建筑能耗模拟的研究现状与发展

近年来,我国建筑能耗不断增长,建筑能耗模拟技术在建筑规划、设计、运行和改造中的重要作用也愈发凸显出来。在过去几十年的时间里,国内外的建筑能耗模拟技术都得到了长足的发展。然而,由于建筑环境营造及其能耗受多方面因素的共同作用,当前建筑模拟技术还不能满足对建筑性能评估和分析的要求,仍面临诸多的问题和挑战。本文基于对当前我国建筑能耗模拟技术现状的综述,总结归纳了建筑模拟技术发展的几个关键问题和研究层次,并讨论了模拟技术研究的技术路径,以期进一步解决建筑模拟技术在工程实践中应用的瓶颈问题。

居住建筑用电数据分析与随机模型构建

近年来居住建筑能耗呈快速上升趋势,而居住建筑全年用电曲线体现出明显的季节性差异;同时由于不同住户行为模式的差异,用户的用电模式和用电水平存在一定的随机性。为了指导夏季和冬季用电高峰电力系统的容量设计与调节、应对蓄能系统的全年容量设计与调节,需要提出一个可以反映用户全年用电特征和随机特性的模型。本文以江苏六市的用电数据为例,基于大数据的分析方法提出了一个模拟全年逐月用电数据的随机分布模型,采用K-means聚类算法和Calinski-Harabaz指标将用户按照用电水平和用电特征划分为16个子类,并针对每一个子类将用电特征参数进行分布拟合,得到了全样本的随机分布模型。根据随机分布模型可以随机生成符合样本特征的用户用电曲线,通过参数检验、模拟检验和交叉检验的方法验证的模型的可靠性,并探讨了模型的实践应用。

基于DeST的城市建筑能耗模拟平台开发

我国建筑运行用能占社会总能耗的22%。城市建筑能耗模拟为评估区域可再生能源潜力、节能改造效果、气候变化对城市影响等方面提供重要支撑。而城市建筑能耗模拟面临数据来源庞杂,城市热岛、建筑遮挡等影响因素复杂,计算规模巨大等挑战。因此,城市建筑能耗模拟平台的开发尤为重要。本研究提出一个基于De ST的城市建筑能耗模拟平台(De ST-urban),实现了从城市三维几何数据到城市建筑的De ST能耗模型的自动生成,并实现了多线程并行模拟。本文以北京市五环内区域的建筑能耗模拟为案例,分析了城市气象的空间差异对建筑耗冷热量的影响。考虑建筑当地的气象后,相比采用单一默认气象,城市建筑的逐时耗冷热量的最大值和累计值均呈现显著变化。

基于冷量预测的商业综合体冰蓄冷系统控制方法研究

冰蓄冷系统使得大型商业综合体的用冷需求具备一定的柔性,通过适宜的能源系统管理,在分时电价的引导下,可以降低能源需求与能源供给的不匹配程度。基于数据驱动的冷负荷预测可以挖掘冷负荷与气象等复杂因素的联系,实现冷负荷的准确预测,进而辅助冰蓄冷系统运行控制。本研究利用商业综合体能源大数据,采用机器学习方法进行冷负荷预测,并对冷负荷预测形式、输入参数组合、训练集历史样本量进行优化。根据预测冷负荷,本研究综合考虑分时电价、冷站设备性能,设计了基于规则的冰蓄冷系统预测控制方法。研究以北京某大型商业综合体为例,基于数据驱动的冷量预测模型平均绝对误差变异系数为13.0%,基于预测冷负荷的冰蓄冷系统运行控制方法可以使冷站节约23.9%的能源费用,使冷站电力需求与电网电力供给的匹配程度提高。