本发明涉及建筑能耗仿真技术，尤其涉及一种移动通信基站能耗标杆场景化评估方法。
背景技术：
：：使用预先设定的基准来评价建筑的能耗绩效是比较通行的做法，由于基站内普遍缺乏终端的分项计量，所以电信基站的能源标杆只能为整个基站设定一个标杆。目前制定建筑类能耗标杆的方法主要有两种：统计性的标杆和计算性的标杆。统计性标杆通常是建立在能源数据库基础上的。有两个常用的模型：简单的能源标准化模型和多因素的回归模型。简单能源标准化模型一般采用能源使用强度(eui，energyuseintensity)作为指标，即单位面积能耗作为指标。一些常见的能源绩效评价和认证程序都属于此类方法，例如美国cal-arch认证,美国ashraebeq认证和香港maepecc认证。简单能源标准化模型只把建筑面积作为影响能耗的唯一指标，与之不同的，为了考虑更多建筑能耗影响因素的作用，人们也开始使用更复杂的回归模型来建立能耗标杆，比如美国的能源之星(energystar)认证就是用了这种方法。具体来说，美国cal-arch认证和ashraebeq认证等，将被评价建筑的能源使用强度(eui)与加利福尼亚1992年商业用途调查数据库(ceus)中的相同类型建筑的能耗分布表进行比对，来确定被评价建筑的能耗绩效好坏。计算性的标杆主要包括稳态模型方法和动态仿真方法。稳态模型方法(steady-statemodel)是一种近似计算的方法，它不考虑加热或冷却负荷随时间的变化，而动态仿真(dynamicsimulation)将其考虑在内，因此后者通常使用 得更为广泛，用于仿真建筑能耗与能耗绩效的评价。对动态仿真的典型输入通常需要进行现场调查，通常包括室外空气温度、太阳辐射强度、风速、经纬度、建筑结构数据、温度带、内部发热功率、空气渗透率、建筑作息时间、暖通空调设备的参数等。常见的能耗仿真软件包括：doe-2、energyplus和trnsys等。目前许多著名的能源认证和能效评估程序，如leed(美国)、bream(英国)和epa-nr(欧盟)都是采用的这种方法建立建筑能耗标杆。对统计性建立标杆的方法来说，电信基站的能耗数据在这些国外现有的能耗调查数据库中是缺乏的，而国内尚缺乏此类数据库。再者，统计性方法中常用的能源使用强度(eui)指标通常不适用于基站，这是因为基站中通信设备的总功率往往是由当地数据流量需求来决定的，而基站面积要么是标准的，比如自建的彩钢墙体基站，要么是随机的，比如租用的砖墙结构基站。因此，常用单位面积能耗这一指标是不能适用于基站场景的。类似的，maepecc认证方法也是基于能源使用强度比较的，所以存在同样的问题。此外，能源之星是适用于现有的住宅和商业建筑的能效认证。它采用回归模型将整个建筑的能源使用与多个能源影响因素建立联系，并基于商业用途调查数据库(ceus)的数据。但是这类统计性的方法存在的固有问题并没有得到解决，那就是从一个区域获得的统计性标杆可能难以在世界其他地区使用，并难以成为itu的标准。对计算性标杆的建立方法来说，尽管现有的对单个建筑物的能耗进行动态仿真是较理想的能耗标杆建立方法，但是正因为这种“为每一个被评价的建筑都要建立一个对应的能效标杆”的基本逻辑，使得要为数以百万计的通信基站建立标杆体系和评价它们的努力变得过于复杂、昂贵和不可实现。根据文献，在过去的五年中，只有大约500个这种采用动态仿真为基础的leed能效认证项目在亚洲完成，更何况大部分的leed评分项目并不适用于通信基站的评价。显然，动态仿真方法在对那些数量众多且地理上广泛分布的通信基站来说，是难以直接用来进行能效评价。技术实现要素：为解决上述技术问题，本发明实施例提供了一种移动通信基站能耗标杆场景化评估方法。本发明实施例提供的移动通信基站能耗标杆场景化评估方法，包括：对各个基站的能源因素进行调查，获得所述各个基站的调查数据；根据所述调查数据，建立基站模型；对各个基站模型进行能源因素的灵敏度分析，并根据分析结果划分基站场景；为各个基站场景建立对应的能耗标杆。本发明实施例中，所述对各个基站的能源因素进行调查，获得所述各个基站的调查数据，包括：依据所述各个基站所属的地区，按照地区对所述各个基站的以下能源因素进行调查：通信设备功率、室内面积、制冷系数(cop，coefficientofperformance)、墙体类型、窗墙比、年度通信基站(tbs)能耗以及功率使用效率(pue，powerusageeffectiveness)；分别获得各个地区基站的能源因素的最小值、最大值、平均值、众数以及标准差。本发明实施例中，所述根据所述调查数据，建立基站模型，包括：根据所述调查数据，为各个地区构建对应的基准基站；其中，构建所述基准基站时，选择每个地区中能源因素的众数作为本地区基准基站的配置；根据所述各个地区的基准基站的配置，建立基站模型，并仿真所述基站模型的全年能耗。本发明实施例中，所述对各个基站模型进行能源因素的灵敏度分析，包括：对各个基站模型的每一个能源因素进行单因素的灵敏度分析；其中，当进行单因素的灵敏度分析时，把本地区中能源因素的最大值和最小值分别带入所述基站模型，并仿真得到对应的基站全年能耗；将由于该能源 因素的变化范围所导致的基站全年能耗之差除以基准基站的全年能耗作为灵敏度系数。本发明实施例中，所述根据分析结果划分基站场景，包括：获得所述各个能源因素对应的平均灵敏度系数；根据基准基站全年能耗变化确定划分标准，根据所述平均灵敏度系数和所述划分标准，确定各个影响因素的基站场景划分档位，并根据所述划分档位对所述基站场景进行划分。本发明实施例中，所述方法还包括：根据所述各个基站场景对应的能耗标杆，建立过度能耗区(eca)、合理能耗区(rca)以及先进能耗区(aca)，以进行监控和管理。本发明实施例中，所述方法还包括：建立挑战性基站能耗标杆。本发明实施例提供的移动通信基站能耗标杆场景化评估装置，包括：数据调查单元，用于对各个基站的能源因素进行调查，获得所述各个基站的调查数据；建模单元，用于根据所述调查数据，建立基站模型；灵敏度分析单元，用于对各个基站模型进行能源因素的灵敏度分析；场景划分单元，用于根据分析结果划分基站场景；标杆建立单元，用于为各个基站场景建立对应的能耗标杆。本发明实施例中，所述数据调查单元，还用于依据所述各个基站所属的地区，按照地区对所述各个基站的以下能源因素进行调查：通信设备功率、室内面积、制冷系数(cop)、墙体类型、窗墙比、年度通信基站(tbs)能耗以及功率使用效率(pue)；分别获得各个地区基站的能源因素的最小值、最大值、平均值、众数以及标准差。本发明实施例中，所述建模单元包括：构建子单元，用于根据所述调查数据，为各个地区构建对应的基准基站；其中，构建所述基准基站时，选择每个地区中能源因素的众数作为本地区基准 基站的配置；建模子单元，用于根据所述各个地区的基准基站的配置，建立基站模型，并仿真所述基站模型的全年能耗。本发明实施例中，所述灵敏度分析单元，还用于对各个基站模型的每一个能源因素进行单因素的灵敏度分析；其中，当进行单因素的灵敏度分析时，把本地区中能源因素的最大值和最小值分别带入所述基站模型，并仿真得到对应的基站全年能耗；将由于该能源因素的变化范围所导致的基站全年能耗之差除以基准基站的全年能耗作为灵敏度系数。本发明实施例中，所述场景划分单元，还用于获得所述各个能源因素对应的平均灵敏度系数；根据基准基站全年能耗变化确定划分标准，根据所述平均灵敏度系数和所述划分标准，确定各个影响因素的基站场景划分档位，并根据所述划分档位对所述基站场景进行划分。本发明实施例中，所述装置还包括：监管单元，用于根据所述各个基站场景对应的能耗标杆，建立过度能耗区(eca)、合理能耗区(rca)以及先进能耗区(aca)，以进行监控和管理。本发明实施例中，所述装置还包括：建立单元，用于建立挑战性基站能耗标杆。本发明实施例的技术方案中，对各个基站的能源因素进行调查，获得所述各个基站的调查数据；根据所述调查数据，建立基站模型；对各个基站模型进行能源因素的灵敏度分析，并根据分析结果划分基站场景；为各个基站场景建立对应的能耗标杆。通过对本发明实施例的实施，解决了数量大且广泛分布的基站的能耗标杆问题，可以为一组近似的基站设定单一的能耗标杆，大大降低了所需标杆的数量，使得广泛分布的大量基站可以通过标杆方法来监控和管理。附图说明图1为本发明实施例的移动通信基站能耗标杆场景化评估方法的流程示意图；图2为本发明实施例的基站典型场景的划分示意图；图3为本发明实施例的严寒地区基站能耗标杆示意图；图4为本发明实施例的寒冷地区基站能耗标杆示意图；图5为本发明实施例的夏热冬冷基站能耗标杆示意图；图6为本发明实施例的夏热冬暖基站能耗标杆示意图；图7为本发明实施例的严寒地区加入智能通风后基站能耗标杆曲线示意图；图8为本发明实施例的寒冷地区加入智能通风后基站能耗标杆曲线示意图；图9为本发明实施例的夏热冬冷地区加入智能通风后基站能耗标杆曲线示意图；图10为本发明实施例的夏热冬暖地区加入智能通风后基站能耗标杆曲线示意图；图11为本发明实施例的移动通信基站能耗标杆场景化评估装置的结构组成示意图。具体实施方式为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明实施例。本发明实施例的技术方案旨在解决：如何为数量众多的基站建立能耗标杆并进行管理。本发明实施例的技术方案将统计方法和建筑能耗动态仿真方法相结合，将“为每个被评价的建筑都建立一个对应的能效标杆”的基本规则发展为“为一组类似的被评估建筑建议一个共同的能效标杆”的新规则，将大量的基站划分为数量较少典型场景，并为每一个场景设定能耗标杆，合理并显著的减少所需的标杆数量，从而实现对全国海量基站的能耗标杆的建立与实时能效管理。本发明实施例中，通过对通信基站的实地调查，对基站能源消耗、气候、建筑结构、通信设备发热功率、暖通空调系统参数以及主要的基站节能措施进 行调查。根据实际调查得到的数据，用能耗仿真软件建立基站模型，通过单因素敏感度分析，判断主要能源因素对基站能耗影响的大小，再以此为依据把基站划分成主要场景，并为每一个场景建立能耗标杆。图1为本发明实施例的移动通信基站能耗标杆场景化评估方法的流程示意图，如图1所示，所述移动通信基站能耗标杆场景化评估方法包括以下步骤：步骤101：对各个基站的能源因素进行调查，获得所述各个基站的调查数据。本发明实施例中，所述对各个基站的能源因素进行调查，获得所述各个基站的调查数据，包括：依据所述各个基站所属的地区，按照地区对所述各个基站的以下能源因素进行调查：通信设备功率、室内面积、制冷系数cop、墙体类型、窗墙比、年度通信基站tbs能耗以及功率使用效率pue；分别获得各个地区基站的能源因素的最小值、最大值、平均值、众数以及标准差。具体地，对基站的能源因素进行现场调查，以分析的数据基础是对四个气候区的196个基站进行数据调查为例。它们分布在严寒地区(50个)、寒冷地区(52个)、夏热冬冷地区(49个)、夏热冬暖地区(45个)，依据地区对通信设备功率、室内面积、制冷系数cop、墙体类型、窗墙比、年度通信基站tbs能耗以及功率使用效率pue展开调查，分别统计了最小值、最大值、平均值、众数、标准差等。表1至表7为得到的调查数据。表1.通信设备功率调查(kw)注:计算众数时，所有通信设备功率都圆整成0.5kw的倍数；在各个气候区中，均值与对应众数的差别分别是1.6％,3％,8％ and5％，所以选择众数还是均值造成计算误差是可以忽略的。表2.室内面积调查(m2)注：计算众数时，所有室内面积都圆整成5的倍数。灵敏度分析表明，室内面积的波动对电信基站年度能耗的影响小于4.8％，所以选择众数还是选择均值造成的计算误差可以忽略表3.制冷系数cop调查注：众数和均值在每个气候区的相对差异较小，分别是4％，6.3％，6.1％和2.9％；敏感性分析表明，cop的变动对基站年度能耗的影响小于8.8％(见table2)，所以，选择众数还是均值造成的计算误差可以忽略。表4.墙体类型调查表5.窗墙比调查注：各气候区之间众数和均值的差异分别为2.7％、3％，6.7％和1％，所以选择众数还是均值造成的计算误差可以忽略不计。表6.年度tbs能耗调查(kwh)表7.pue调查步骤102：根据所述调查数据，建立基站模型。本发明实施例中，所述根据所述调查数据，建立基站模型，包括：根据所述调查数据，为各个地区构建对应的基准基站；其中，构建所述基准基站时，选择每个地区中能源因素的众数作为本地区基准基站的配置；根据所述各个地区的基准基站的配置，建立基站模型，并仿真所述基站模型的全年能耗。具体地，为不同的温度带(或称为地区)建立基准基站(baseline)：为每个温度带构建一个虚拟的基准基站，用它作为灵敏度分析和场景划分的基础。选择的原则就是选择那些在本温度带中基站配置参数出现次数最多的站点配置作为基准基站。通过现场调查，选择每个温度带中能源因素(主设备功率、制冷能效比、墙体材质、建筑面积、窗墙比等)的众数作为本温度带基准基站的配置。然后，利用doe-2仿真软件建模基站，并仿真这些基准基站的全年能耗。填入下表8。表8.主要温度带的基准基站设计步骤103：对各个基站模型进行能源因素的灵敏度分析，并根据分析结果划分基站场景。本发明实施例中，所述对各个基站模型进行能源因素的灵敏度分析，包括：对各个基站模型的每一个能源因素进行单因素的灵敏度分析；其中，当进行单因素的灵敏度分析时，把本地区中能源因素的最大值和最小值分别带入所述基站模型，并仿真得到对应的基站全年能耗；将由于该能源因素的变化范围所导致的基站全年能耗之差除以基准基站的全年能耗作为灵敏度系数。具体地，基于表8，对通信设备功率、墙体材质与厚度、制冷能效比、室内面积以及窗墙比等能源因素进行灵敏度分析。首先，用doe-2软件建立四个温度带基准基站的仿真模型，然后，在仿真模型里依次对每一个能源因素进行单因素的灵敏度分析。把本温度带中每个能源因素统计数据中的最大值和最小值分别带入仿真模型，并仿真得到对应的基站全年能耗，将“由于此因素的变化范围所导致的基站全年能耗之差”除以“基准基站的全年能耗”定义成灵敏度系数，并以此来划分基站场景。灵敏度分析如表9所示：表9.基站全年能耗主要影响因素的灵敏度分析(1/2)本发明实施例中，所述根据分析结果划分基站场景，包括：获得所述各个能源因素对应的平均灵敏度系数；根据基准基站全年能耗变化确定划分标准，根据所述平均灵敏度系数和所述划分标准，确定各个影响因素的基站场景划分档位，并根据所述划分档位对所述基站场景进行划分。具体地，参照图2，图2为基站典型场景的划分示意图，划分步骤包括：列出基于表9得到的各主要基站能耗影响因素的平均灵敏度系数；确定划分场景的依据。我们以造成基准基站全年能耗变化5％为依据来划分基站场景；三、确定各个影响因素的场景档位划分。由图可知，对于设备功率有28种档位，对于气候区域类型可以划分为4-5种，对于墙体材质与厚度可以划分成2种类型(彩钢和砖墙，没有必要再进一步细分了)，制冷能效比粗略划分成2种(低和高)就够了，室内面积不需要划分档位(直接去总体的众数为所有场景的设置)，窗墙比也没有必要再细分，所以一共存在28×4×2×2×1×1＝448种场景。448种场景的参数设置如下表10所示：表10.doe-2中448种场景基站标杆的定义步骤104：为各个基站场景建立对应的能耗标杆。具体地，将基站场景划分为448种仍然是比较多的，不易于管理，需要进一步简化。我们发现，场景比较多的原因主要是因为电信设备功率从0.25kw变动到7kw，可以分为28个档。鉴于此，我们把电信设备功率设计成x轴，基站年度能耗作为y轴，建立坐标轴。并分别用4张不同的图描述4种气候带，来体现其对基站年度能耗的影响。考虑到“墙体类型”和“空调能效比”均有两个档，所以总共有4种组合，即“砖墙+低能效比”、“砖墙+高能效比”、”彩钢+低能效比”、“彩钢+高能效比”，室内面积和窗墙比都只有一档，所以可以直接使用统计众数，即室内面积为25m2，窗墙比为0.3。利用doe-2仿真所有场景的基站全年能耗，并建立坐标标杆图如图3至图6所示。本发明实施例中，所述方法还包括：根据所述各个基站场景对应的能耗标杆，建立过度能耗区eca、合理能耗区rca以及先进能耗区aca，以进行监控和管理。具体地，从图3到图6，每个图中在四个基准曲线以内的区域被定义为合理能耗区(reasonableconsumptionarea)，四个基准曲线以上的部分定义为过度能耗区(excessiveconsumptionarea)，四个基准线以下的部分定义为节能能源区(advancedconsumptionarea)。合理能耗区有两个边界，上边界表示围护结构和空调参数的配置的最不利于节能的情况，下边界表示二者最节能情况。过度消耗区意味着在日常维护上有所欠缺，节约能源区意味着处于该区域的基站采用了节能措施。本发明实施例中，所述方法还包括：建立挑战性基站能耗标杆。具体地，智能通风技术被认为是基站中最有效的节能技术，本部分假设智能通风装置安装于基站中，再采用doe-2仿真软件，在坐标图上描绘出“彩钢+低能效比”、“彩钢+低能效比+智能通风”、“砖墙+高能效比”、“砖墙+高能效比+智能通风”的曲线。在“彩钢+低能效比”和“砖墙+高能效比”两条曲线之间的区域为原来基站未采用智能通风时的“合理能耗区(rca)”，“彩钢+低能效比+智能通风”和“砖墙+高能效比+智能通风”两条曲线中间区域为采用智能通风后新的“合理能耗区”(表示为rca’)。从图7-图10可以看到，rca'明显低于rca所处区域，说明智能通风装置具有明显的节能效果。此外，rca'区域呈现非常细的带状区域，近似于一条线，这说明智能通风装置可以完全排除不利的围护结构与低空调能效比的影响，使各种围护结构和空调能效比下的基站能耗水平达到一致的先进水平，即先进能耗水平的标杆。本发明实施例通过通信基站的实际调查，将统计方法与动态仿真方法相结合，利用单因素敏感度分析将分布于全国主要温度带的基站场景化分为448种场景，并分别给出了严寒地区、寒冷地区、夏热冬冷地区和夏热冬暖地区的各种典型场景下基站全年能耗的标杆值，基于标杆曲线，建立了合理能耗区、过度能耗区和先进能源区的管理概念。并且建立了挑战性能耗标杆，即加入智能通风设备后基站的合理能耗水平等。图11为本发明实施例的移动通信基站能耗标杆场景化评估装置的结构组成示意图，如图11所示，所述移动通信基站能耗标杆场景化评估装置包括：数据调查单元111，用于对各个基站的能源因素进行调查，获得所述各个基站的调查数据；建模单元112，用于根据所述调查数据，建立基站模型；灵敏度分析单元113，用于对各个基站模型进行能源因素的灵敏度分析；场景划分单元114，用于根据分析结果划分基站场景；标杆建立单元115，用于为各个基站场景建立对应的能耗标杆。所述数据调查单元111，还用于依据所述各个基站所属的地区，按照地区 对所述各个基站的以下能源因素进行调查：通信设备功率、室内面积、制冷系数cop、墙体类型、窗墙比、年度通信基站tbs能耗以及功率使用效率pue；分别获得各个地区基站的能源因素的最小值、最大值、平均值、众数以及标准差。所述建模单元112包括：构建子单元1121，用于根据所述调查数据，为各个地区构建对应的基准基站；其中，构建所述基准基站时，选择每个地区中能源因素的众数作为本地区基准基站的配置；建模子单元1122，用于根据所述各个地区的基准基站的配置，建立基站模型，并仿真所述基站模型的全年能耗。所述灵敏度分析单元113，还用于对各个基站模型的每一个能源因素进行单因素的灵敏度分析；其中，当进行单因素的灵敏度分析时，把本地区中能源因素的最大值和最小值分别带入所述基站模型，并仿真得到对应的基站全年能耗；将由于该能源因素的变化范围所导致的基站全年能耗之差除以基准基站的全年能耗作为灵敏度系数。所述场景划分单元114，还用于获得所述各个能源因素对应的平均灵敏度系数；根据基准基站全年能耗变化确定划分标准，根据所述平均灵敏度系数和所述划分标准，确定各个影响因素的基站场景划分档位，并根据所述划分档位对所述基站场景进行划分。所述装置还包括：监管单元116，用于根据所述各个基站场景对应的能耗标杆，建立过度能耗区eca、合理能耗区rca以及先进能耗区aca，以进行监控和管理。所述装置还包括：建立单元117，用于建立挑战性基站能耗标杆。本领域技术人员应当理解，图11所示的移动通信基站能耗标杆场景化评估装置中的各单元的实现功能可参照前述移动通信基站能耗标杆场景化评估方法的相关描述而理解。本发明实施例的技术方案的正确合理性来自于所依赖的统计数据和仿真软件，这两方面都是十分可靠的。使用到的统计数据包括建筑结构、电信设备功率、空调制冷参数、作息制度、室内环境要求等都是采用中国移动财务部和网络部明确定义和具有准确数值的数据，数据真实可靠。室外温度、日照强度和风量，是采用内置于建筑能耗仿真软件内的中国过去50年间的气象数据，也是真实可靠的。本技术发明使用了doe-2的建筑能耗仿真软件equest和dest来仿真基站的能耗，这两个软件都是在设计建筑时被广泛使用的，是经过验证的可靠软件(verified)。此外，从计算结果来看，我们对抽样基站实际能耗与计算得到的基站能耗标杆进行了比对，调研了在“合理能耗区”(rca)以外的那些“问题基站”。调查结果显示：此类基站一般都会出现一些异常情况，从而证明了我们能耗标杆的合理性。例如，在实际调查中，在严寒地区一些电信设备功率较低的基站能耗会低于预期的能源，现场调查发现这些基站往往存在加热器故障的问题，这带来基站温度过低和结露的风险。而在寒冷地区、夏热冬冷地区、夏热冬暖地区一些电信设备功率较高的基站会消耗高于预期的能耗，实际调查发现大部分的这类基站都存在过度制冷的问题。也就是说，维护人员在巡检时，往往将空调的设定温度调整的较低，而离开基站时并未恢复规定的设置，这导致空调能耗往往高于正常水平。最后，本技术发明旨在为管理大量的基站能耗水平提供必要的技术手段和管理工具，由于基站的总体数量庞大，这导致了被识别的问题基站将会数量众多。而对这些问题基站的改造会花若干年和数十亿的人民币，所以这类基于动态仿真的标杆建立方法的精度其实是足够满足一般的管理性要求的。本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。在本发明所提供的几个实施例中，应该理解到，所揭露的方法和智能设备，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可 以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。另外，在本发明各实施例中的各功能单元可以全部集成在一个单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
：的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。当前第1页12当前第1页12