数据驱动的建筑暖通空调系统能耗预测与模型优化

发布时间：2020-03-24 07:07

【摘要】：暖通空调系统是建筑内主要耗能设备之一,暖通空调系统能耗的准确预测对建筑节能优化和建筑能源管理具有重要实际意义。数据驱动的能耗预测方法具有建模简单、准确率高等优点,已经得到了广泛的应用。本文基于支持向量回归算法,对采用水源热泵系统用于夏季制冷和冬季供暖的某政府办公建筑的能耗进行了预测研究,利用当地气象数据、机房运行数据和室内温度数据等进行建模,并通过异常检测、特征选择和参数寻优等方法对模型进行优化。根据夏季制冷工况下的气象数据、机房运行数据等,分别采用箱线图、局部异常因子和主元法(PCOut)等方法进行异常检测,通过分析对应能耗预测模型的测试结果和异常样本的分布情况发现,训练数据集中存在的异常样本对数据驱动模型的预测性能具有显著的负面影响,箱线图和局部异常因子方法能够检测到原始数据集中的异常样本,而主元法检测效果不佳。进一步的研究发现,箱线图和局部异常因子两种方法同时检测为异常的样本是最可能的异常值,与使用原始数据训练得到的模型相比,异常检测优化后模型测试均方根误差从6.44降低为2.76,相对平方误差从0.58下降到0.11,能耗预测性能得到了明显的提高。根据冬季供暖工况下的气象数据、室内温度数据等,基于办公建筑能耗特征,引入日期类型和时间类型两个变量,通过不同变量的组合建立多个能耗预测模型,对模型的测试结果进行误差分析,并对输入变量进行敏感性分析,结果表明,光照强度、时间类型、日期类型等参数对模型性能具有正面影响,且它们的相对重要性之和超过70%,对模型起主导作用,是模型最佳输入特征。为了进一步优化模型,采用网格搜索和十折交叉验证方法对支持向量回归算法的参数C和γ进行优化,在一定范围内确定它们的最优值,与优化前相比,能耗预测结果的均方根误差从7.8227减小到4.1160,相对平方误差从0.4313下降到0.1194,优化效果显著。
【图文】：

1 绪论1.1 研究背景与意义能源是人类赖以生存的根本，是全球经济与社会发展的动力，是世界可持续发展的基石 随着全球经济的快速发展，以及人类生活水平的不断提高，全球能源消耗量持续增长，能源短缺 能源资源分布不均 能源供需不匹配等问题引起了世界各国的热切关注 另外，当前世界能源消耗以煤 石油和天然气等化石能源为主，能源利用效率较低，且在化石能源的开采过程中势必会造成严重的环境污染 能源与环境密不可分，环境污染问题与能源问题都不容忽视 图 1-1显示了我国近十年来能源消费总量的变化，可见，我国能源消费总量巨大，并且呈现逐年上升的趋势，在这十年间，我国能源消耗量就增长了近40%，节约能源迫在眉睫

华 中 科 技 大 学 硕 士 学 位 论 文我国建筑能耗主要分为公共建筑能耗 城市居住建筑能耗 农村建筑能耗和北方采暖能耗，其中，在不包括采暖能耗的情况下，公共建筑能耗占比高达34%，，而公共建筑面积仅占18%，公共建筑单位面积能耗明显高于城镇居住建筑和农村建筑，节能潜力巨大 有研究表明，在不改变建筑结构和内部设备的前提下，通过优化系统运行和高效能源管理就可以节约20%~30%的能源[2]
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TU83;TU111.195

【参考文献】

相关期刊论文 前3条

1 杨柳;侯立强;李红莲;许馨尹;刘加平;;空调办公建筑能耗预测回归模型[J];西安建筑科技大学学报(自然科学版);2015年05期

2 朱丹丹;燕达;王闯;洪天真;;建筑能耗模拟软件对比:DeST、EnergyPlus and DOE-2[J];建筑科学;2012年S2期

3 周绪川;蔡利平;;基于局部异常因子的无监督学习集成异常检测[J];西南民族大学学报(自然科学版);2012年03期

相关博士学位论文 前2条

1 侯静;我国城镇公共建筑能耗预测及能效提升路径研究[D];北京交通大学;2017年

2 任能;制冷系统故障检测、诊断及预测研究[D];上海交通大学;2008年

相关硕士学位论文 前4条

1 崔冲;基于数据挖掘的公共建筑能耗预测与能效管理[D];山东建筑大学;2017年

2 胡程磊;数据驱动的建筑电能耗预测方法研究[D];江苏大学;2016年

3 赵艳玲;基于数据的建筑能耗预测与优化[D];山东建筑大学;2015年

4 林思铭;组合预测方法在建筑能耗预测中的应用[D];福州大学;2014年

本文编号：2597986