022-气象参数与建筑冷热负荷的相关性分析.pdfVIP

气象参数与建筑冷热负荷的相关性分析 1),2） 1) 1) 赵德印 范宏武 潘黎 1)上海市建筑科学研究院，上海 200032 2)同济大学土木工程学院，上海 200092 摘 要：良好的运行策略能够保证空调系统的节能运行，寻找合适的检测参数是制定运行策略的前提。 本文以上海某办公建筑负荷为研究对象，利用数据挖掘方法分析气象参数与建筑冷热负荷的相关性，从而 得出影响负荷的关键气象参数，为后续制定建筑节能运行策略提供理论支持。研究结果表明，冬季空气干 球温度与建筑热负荷相关性最高，夏季空气焓值与建筑冷负荷的相关性最高。由于焓值与干球、湿球、露 点等参数密切相关，因此在制定制冷节能运行策略时根据可以灵活挑选能够反映焓值的相关气象参数。 关键词：气象参数；空调负荷；办公建筑；相关性分析 0 前言 为提供舒适的办公环境及提高工作效率，现代办公建筑中普遍配备了空调系统，与此同时，空调系统 在建筑中的能耗比例也越来越大[1-2] [3] 。研究表明，空调系统能耗占到我国公共建筑能耗的30-50% ，而最 高可以占据建筑能耗的60%左右[4]，因此实现空调系统的节能运行非常重要。而通常制定运行策略时需要 确定监测变量，根据变量制定合理的运行方案。空调系统的节能运行策略一般包括推迟空调开启时间、调 高（低）运行温度、使用自然通风、机械通风等辅助方案等，其重要的判断依据为室内外气象参数的实时 数据。由于节能设计气象参数、围护结构、空调机组选型等均与室外气象要素紧密相关，因此本文主要利 用数据挖掘方法讨论并提取室外关键气象参数。 1 研究现状 数据挖掘是指从大量数据中揭示隐含其中的未知且具有潜在利用价值信息的过程，主要基于人工智 能、机器学习、统计分析等方法，对数据展开深入分析，帮助决策者降低风险，做出正确决策[5]。该技术 近年来得到迅速发展，各种各样的新型数学模型相继出现，能够解决各类线性、非线性时变的复杂系统， 在建筑各类能耗预测及相关分析中得到了广泛应用。 Zhang 等人[6]利用高斯模型和神经网络模型(ANN)预测了某办公建筑中空调系统以及热水的能耗。 Jovanovic 等人[7] [8] 利用ANN 模型对某大学建筑采暖能耗做了预测。Fan 等人 基于数据挖掘法，采用8 种 智能算法（MLR, ARIMA, SVR, RF, MLP, BT, MARS, kNN）预测了香港某建筑的日能耗及峰值电力需求， 预测误差MAPE(Mean absolute percentage error)小于3%。周芮锦等人[9]基于时间序列方法对商业建筑 做了能耗预测。王智锐等人[10] 利用支持向量机模型(SVM)和自回归滑动平均模型(ARMA)对空调负荷做了预 测分析。刘文凤[11]运用数据挖掘技术进行公共建筑的能耗分析,以某办公楼和某商场的逐时运行数据为基 础，建立了诊断建筑能耗的数学模型，提高了节能决策的有效性。卿晓霞等人[12]利用数据挖掘分析建筑历 史运行能耗数据并做聚类分析，用于识别建筑特定能耗特征，建立能耗模式判定树，在能耗实时监测过程 中用于判断当前数据是否存在异常，弥补了传统能耗监测方法在实时性和智能性方面的不足。 由以上文献调研可知，当前建筑节能领域数据挖据重点分析对象为建筑或者空调系统的能耗预测及分 析，针对关键气象参数与能耗的关联性分析相对较少。 2 数据挖掘 赵德印，男，在站博士后。通讯地址：上海市闵行区申富路568 号生态楼2 楼；电话邮箱：zhvac01@126.com 。 上海市建筑科学研究院科技创新平台项目：气候变化条件下办公建筑空调能耗需求研究（HT0517012N0105 ）。 2.1 神经网络法 神经网络模型能够较好处理各类复杂问题，无需函数关系式，具有很强的鲁棒性及较好的自学习能力， 应用较为广泛[13]