一种基于多元自适应回归样条的办公建筑能耗预测方法与流程

本发明涉及建筑能耗技术领域，特别涉及一种基于多元自适应回归样条的办公建筑能耗预测方法。

背景技术：

根据《中国建筑能耗研究报告(2017年)》，截止2015年我国建筑能耗达到8.57亿吨标准煤，占到全国能源消费总量的20％。建筑能耗已经成为我国能源消耗中的重要部分，因此进行建筑能耗模拟计算对于促进建筑节能和降低建筑能耗有着重要的意义。

目前所进行建筑能耗模拟计算主要是通过使用energyplus、dest、doe2、trnsys等建筑能耗模拟软件进行计算，这类建筑能耗模拟软件已经经过广泛的验证可以达到进行建筑能耗模拟计算的要求，但其存在一定的问题。一是对于每个建筑进行能耗模拟计算都需要输入很多参数，参数的输入过程即为建筑能耗模拟模型的搭建过程，对于大量的建筑进行建模会花费大量的时间即降低建筑能耗模拟的效率。二是对于建立好的建筑能耗模型其在相应软件中的能耗计算时间也较长，这也不利于建筑能耗模型工作的推广。

因此，提出采用基于多元自适应回归样条的办公建筑能耗预测方法，以在保证精度的情况下加快办公建筑能耗模拟计算的速度。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种基于多元自适应回归样条的办公建筑能耗预测方法，解决了现有技术中建筑能耗模拟用时较长，不利于建筑能耗模拟大范围推广的问题。

本发明解决其技术问题是通过以下技术方案实现的：

一种基于多元自适应回归样条的办公建筑能耗预测方法，其特征在于，所述方法包括如下步骤：

1).获取用于办公建筑能耗模拟计算的数据：通过实地调研、查阅相关国标或者文献，得到若干建筑几何结构数据、建筑非几何结构数据以及气象数据，得到若干组办公建筑能耗模拟计算数据；

2).进行办公建筑能耗模拟计算：使用步骤1)中所获得的若干组办公建筑能耗模拟计算数据通过energyplus软件进行建筑能耗模拟计算，得到办公建筑能耗结果，其中办公建筑能耗包括建筑的耗电量，建筑的制冷负荷以及建筑的制热负荷；

3).得到基于多元自适应回归样条的能耗预测模型：根据步骤1)中获得的若干办公建筑能耗模拟计算数据以及步骤2)中通过energyplus软件计算的办公建筑能耗计算结果，利用多元自适应回归样条得到办公建筑能耗预测模型；

4).进行办公建筑能耗预测：对于需要进行建筑能耗预测的待预测办公建筑，收集待预测建筑几何结构数据、建筑非几何结构数据以及气象数据，使用步骤3)中通过多元自适应回归样条得到的办公建筑能耗预测模型，进行办公建筑的能耗预测，主要预测办公建筑建筑的耗电量、制冷负荷、制热负荷。

2、根据权利要求1所述的基于多元自适应回归样条的办公建筑能耗预测方法，其特征在于：

步骤3)中所述多元自适应回归样条的公式定义为：

式中：-预测值；

a0-参数；

am-第m个样条函数的系数；

sm(x)-第m个样条函数；

m-样条函数的个数；

km-结点的个数；

skm-取值为1则对应右侧的样条函数，取-1对应着左侧的样条函数；

v(k,m)-独立变量；

tkm-结点位置。

左侧和右侧的样条函数定义分别为：

式中：t-结点的位置

(x-tkm)+和(tkm-x)+是描述给定t时左/右侧区间的样条函数。

(+)代表对于负值取0。

本发明的优点和有益效果为：

1、本发明的基于多元自适应回归样条的办公建筑能耗预测方法，通过获取用于办公建筑能耗模拟计算的数据；进行办公建筑能耗模拟计算；得到基于多元自适应回归样条的能耗预测模型；进行办公建筑能耗预测；本发明缩短了办公建筑能耗模拟的时间，提高办公建筑能耗模拟的可用性，可为新建办公建筑设计和既有办公建筑改造提供帮助。

本发明对于缩短办公建筑能耗模拟时间的优点可通过多元自适应回归样条模型模拟计算和利用energyplus软件进行计算的时间长短得以体现。在energyplus中计算200个模型所需时间为5284秒，通过多元自适应回归样条得到的模型计算200个同样的模型仅需36.386秒。

附图说明

图1为本方法基本流程图；

图2为多元自适应回归样条制热负荷预测结果与模拟计算结果对比图；

图3为多元自适应回归样条制冷负荷预测结果与模拟计算结果对比图；

图4为多元自适应回归样条耗电量预测结果与模拟计算结果对比图。

图2中实线表示建筑物制热负荷模拟值，虚线表示通过基于多元自适应回归样条所得模型进行预测得到的建筑物制热负荷预测值；图3中实线表示建筑物制冷负荷模拟值，虚线表示通过基于多元自适应回归样条所得模型进行预测得到的建筑物制冷负荷预测值；图4中实线表示建筑物耗电量模拟值，虚线表示通过基于多元自适应回归样条所得模型进行预测得到的建筑物耗电量预测值。

具体实施方式

下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本明的保护范围。

一种基于多元自适应回归样条的办公建筑能耗预测方法，其特征在于，所述方法包括如下步骤：

1).获取用于办公建筑能耗模拟计算的数据：通过实地调研、查阅相关国标或者文献，得到若干建筑几何结构数据、建筑非几何结构数据以及气象数据，得到若干组办公建筑能耗模拟计算数据；

进行办公建筑能耗模拟计算的数据主要包括三部分。第一部分是建筑的几何结构数据，建筑的几何结构数据主要包括建筑的长宽高，建筑的层数，建筑的层高，建筑的窗墙比，建筑朝向，建筑外墙外窗的传热系数，外窗的太阳得热系数等描述建筑几何结构及建筑热性能的数据。第二部分是建筑的非几何结构数据，其主要包括建筑的内部的设备功率密度，建筑的照明功率密度，建筑内部的人员密度，建筑内部设备的设备、照明以及暖通空调系统的使用时间表等数据。第三部分是进行建筑能耗模拟计算所需的建筑所在地区的典型气象年数据，该数据可通过energyplus官网获得。

本实施例获取了200个办公建筑的上述数据，建筑几何结构数据以及建筑的非几何结构数据主要是按照国标进行选取，获得每个变量的分布然后使用拉丁超立方抽样得到200个办公建筑的上述数据，所需的典型气象年数据通过energyplus官网获得，以进行办公建筑能耗模拟计算。

对于实际建筑上述数据可通过实地调研的方式获得，典型气象年数据依然采用energyplus官网提供的数据。

2).进行办公建筑能耗模拟计算：使用步骤1)中所获得的若干组办公建筑能耗模拟计算数据通过energyplus软件进行建筑能耗模拟计算，得到办公建筑能耗结果，其中办公建筑能耗包括建筑的耗电量，建筑的制冷负荷以及建筑的制热负荷。

本实施例将所得到的200个办公建筑的数据输入energyplus中进行建筑能耗模拟计算，得到办公建筑的耗电量、制冷负荷以及制热负荷。

3).得到基于多元自适应回归样条的能耗预测模型：根据步骤1)中获得的若干办公建筑能耗模拟计算数据以及步骤2)中通过energyplus软件计算的办公建筑能耗计算结果，利用多元自适应回归样条得到办公建筑能耗预测模型；

多元自适应回归样条是一种非参数回归方法，可以看作是线性模型的扩展，可以自动模拟变量之间的非线性和相互作用。多元自适应回归样条是一种局部回归方法，其应用样条函数来模拟自变量和因变量之间复杂的非线性关系。其将预测变量的空间划分为许多样条函数然后进行拟合，在每个特定的划分区间中有一段线性回归的直线进行拟合。因此整个拟合后的回归线的斜率在不同的区间内变化，不同区间的线性回归线的交点称为节点。多元自适应回归样条的公式定义为：

式中：-预测值；

a0-参数；

am-第m个样条函数的系数；

sm(x)-第m个样条函数；

m-样条函数的个数；

km-结点的个数；

skm-取值为1则对应右侧的样条函数，取-1对应着左侧的样条函数；

v(k,m)-独立变量；

tkm-结点位置。

左侧和右侧的样条函数定义分别为：

式中：t-结点的位置

(x-tkm)+和(tkm-x)+是描述给定t时左/右侧区间的样条函数。

(+)代表对于负值取0。

多元自适应回归样条建模过程有两个阶段：向前逐步和向后逐步。向前逐步回归会选择一个结点位置，在这个结点的上下分别进行小范围的线性回归，来提高模型的预测精度。通过向前逐步回归选出的模型对于系统的贡献值是最大的。向后逐步回归过程则是精简函数数目的过程。模型通过计算得出基础函数对系统的贡献度，排名最后的基础函数会被剔除。

4).进行办公建筑能耗预测：对于需要进行建筑能耗预测的待预测办公建筑，收集待预测建筑几何结构数据、建筑非几何结构数据以及气象数据，使用步骤3)中通过多元自适应回归样条得到的办公建筑能耗预测模型，进行办公建筑的能耗预测，主要预测办公建筑建筑的耗电量、制冷负荷、制热负荷。

本实施例中将采用步骤3)中所得到的办公建筑能耗预测模型与energyplus软件对于步骤1)中所涉及的数据，但并没有用于energyplus计算和得到基于多元自适应回归样条能预测模型的输入数据进行计算，来比较基于多元自适应回归样条的所得到的办公建筑能耗预测模型与energyplus计算结果的一致性及计算时间的差异。

本实施例中所得到的办公建筑制热负荷拟合方程分别为：

y＝61.978174+0.634615×h(1.43088-gs)-0.610996×h(ge-0.39619)+0.538348×h(1.42573-gw)+16.657271×h(nf+1.38061)+30.385114×h(-1.15012-nf)-19.567169×h(nf+1.15012)+2.366708×h(nf+0.228181)+2.937375×h(-0.647624-sl)-0.226524×h(sl+0.6472624)-3.050217×h(-0.446094-ar)×h(-0.647624-sl)+0.725189×h(0.39619-ge)×h(ot+0.170523)-0.409837×h(0.39619-ge)×h(-0.170523-ot)-0.251202×h(1.42573-gw)×h(ot+0.341306)+0.268908×h(1.42573-gw)×h(-0.341306-ot)

式中：

ot-建筑物朝向；

sl-建筑面积；

gn、gs、gw、ge-建筑物北向，南向，西向，东向窗墙比；

nf-建筑物层数；

ar-建筑物长宽比。

本实施例中所得到的办公建筑制冷负荷拟合方程分别为：

y＝43.933531-1.293573×h(0.446094-ar)+0.655434×h(ar-0.446094)-1.167296×h(1.34569-gs)-0.554200×h(0.303276-ge)+1.613008×h(ge-0.303276)-2.062235×h(0.813903-gw)+2.986888×h(gw-0.813903)-5.926793×h(-1.15012-nf)+23.595016×h(-1.16056-sl)-6.933272×h(sl+1.16056)+5.180253×h(sl+0.136492)+4.973293×gn×h(-1.16056-sl)-2.172393×h(0.303276-ge)×h(-0.275094-sl)+0.450565×h(0.813903-gw)×h(sl+1.10283)-3.449387×h(0.813903-gw)×h(-1.10283-sl)本实施例中所得到的办公建筑耗电量拟合方程分别为：

y＝145.005877-1.792622×h(0.446094-ar)+0.928142×h(ar-0.446094)-1.109028×h(1.50889-gs)-1.416126×h(0.303276-ge)-2.362611×h(0.813903-gw)+3.208010×h(gw-0.813903)+40.559568×h(-1.16056-sl)-3.435894×h(sl+1.16056)-4.631521×h(1.50889-gs)×h(-1.18053-sl)-1.084589×h(ge-0.303276)×h(ot-0.147344)-1.229110×h(ge-0.303276)×h(0.147344-ot)+2.199962×h(ge-0.303276)×h(sl-0.0918599)+4.445804×h(ge-0.303276)×h(0.0918599-sl)+0.454655×h(0.813903-gw)×h(sl+1.10283)-4.834902×h(0.813903-gw)×h(-1.10283-sl)+4.918097×h(gw-0.813903)×h(-0.384489-sl)

本发明虽公开了实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。