基于多元线性回归的校园综合楼用电量评级方法与流程

本发明涉及一种公共建筑用电量评级方法，具体涉及一种基于多元线性回归的校园综合楼用电量评级方法。

背景技术：

在目前，建筑能耗是值得关注的问题。校园是社会的重要组成部分,也是能耗大户,校园建筑能耗具有种类多、总量大、节能潜力大、影响力大的特点,校园建筑节能是校园节能工作中的重要一环。目前我国高等教育事业发展迅速，能源使用急剧增加，然而校园设施运行水平较低。教育建筑约占公共建筑总量的34％，而且教育建筑能耗占公共建筑总能耗的39.33％。大学校园建筑数量占教育用建筑总量的85％以上。高校全年能源消费总量约3000万吨标准煤。尽管这一指标有所下降，但中国校园建筑的人均能耗是住宅建筑的四倍，因此，对大学校园的能耗进行管理是非常重要的。

综合楼是一种多用途的建筑类型。大学综合楼的主要功能包括进行科学研究以及提供办公空间等。其特点是日程安排过多、耗电类型多样化以及和其他办公楼相比更高的单位建筑面积耗电量。因此，有必要考虑采取一定的方案降低校园综合楼耗电。

现有发明都有一个共同特点：建筑物的总能耗或电力消耗的基准是在没有详细分析次级电力消耗的情况下创建的。分项用电通常包括照明和室内设备用电量，暖通空调系统电力消耗和其他电力系统用电量。总用电量反映了建筑物的整体用电状况，而分项用电量反映了建筑物的用电量、用电细节和电力需求。通过与同类建筑的比较，分项用电可以协助检测节能效果，挖掘节能潜力，改进节能模式。

因此，采用合理的建筑用电量分析方式，对建筑物用电量进行评级，改进目前的节能方式，是亟待解决的关键问题。

技术实现要素：

有鉴于此，本发明提供一种校园综合楼用电量评级方法，以解决上述的技术问题。

基于以往的发明，本发明进行了以下改进：选择用电量的影响因素；多元线性回归方法用于建立单位建筑面积的用电量指标；将单位建筑面积的用电量指标标准化；基于标准化的单位建筑面积的用电量指标，确立单位建筑面积的用电量基准；对基准进行校正；然后，对建筑用电量进行评级。

本发明提出了一种基于多元线性回归的校园综合楼用电量评级方法，包括以下步骤：

收集数据，包括建筑基本信息和建筑实时用电量，基本建筑信息分为两类：直接影响建筑用电量的信息，如电力设备的运行时间和功率，以及与空调负荷相关的信息，间接影响建筑用电量，如建筑类型，位置，建筑材料和方向。基本建筑信息可以通过调查获得。建筑用电量数据可以借助于实时监控系统，直接从监控系统下载电力消耗数据。建筑物总耗电量可以细分为各种分项电力消耗类别，即照明和室内设备，空调系统，电力系统和特殊设备。特殊设备的电力消耗是指特殊专业设备(如大型科研设备)和高耗电设备(如数据中心服务器)消耗的电力。分体式空调的耗电量与照明和室内设备的耗电量一起记录。

确定影响用电量的因素，包括使用年限，建筑面积，建筑高度，楼层数，建筑结构，外墙材料，外窗类型，空调系统形式，办公区域面积。

进一步的，基于多元线性回归建模制定单位建筑面积的年度总用电量及分项用电量指标，所采用的方法是

y＝a+b1x1+b2x2+bnxn+ε

其中：xi表示一组影响单位建筑面积年度用电量指标的独立连续变量；

y表示输出(在这里表示电力消耗指标)；

a表示截距；

b表示回归参数；

ε表示残差。

进一步的，确定分类变量对单位建筑面积年度用电量指标标准化的影响，对单位建筑面积年度用电量指标进行标准化，所采用的方法是

其中：表示标准化的自变量；

xi表示一组影响单位建筑面积年度用电量指标的独立连续变量；

表示采样数据均值；

si表示采样数据标准差；

euinorm表示标准化的单位建筑面积的年度用电量指标，(kwh/(m²·a))；

eui表示单位建筑面积的年度用电量指标，(kwh/(m²·a))。

进一步的，基于标准化的单位建筑面积年度用电量指标确定单位建筑面积年度用电量基准。可以采用计算平均值、二次均值、中位数和百分位数等来确定单位建筑面积年度用电量指标基准。

进一步的，基于多因素方差分析校正基准。由于建筑结构，外墙材料，外窗类型和空调系统形式是分类因素，因此无法使用多元回归分析进行标准化。因此，采用多因素方差分析来研究分类变量对标准化的单位建筑面积年度用电量指标的影响，并确定校正系数。

最后，将制定的基准用于建筑用电量的评级。单位建筑面积年度总用电量基准和单位建筑面积年度分项用电量基准分别被视为第一级和第二级指数。一级指标有助于更好地了解同类建筑物的建筑用电水平，二级指标可以帮助详细评估用电状况，并进行有针对性的节能改造和管理。一级指标的确立所采用的方法是线性分级模型，二级指标的确立所采用的方法是立体分级模型。

附图说明

图1为本发明的流程图；

图2为综合楼单位建筑面积年度总用电量基准测定图；

图3为综合楼单位建筑面积年度照明及设备用电量基准测定图；

图4为综合楼单位建筑面积年度空调系统用电量基准测定图；

图5为综合楼单位建筑面积年度电力系统用电量基准测定图；

图6为不同空调系统的euiac，norm分布图；

图7为综合楼用电量校正基准图；

图8为线性分级模型示意图；

图9为立体分级模型示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

如图1所示，本实施例提供一种基于多元线性回归的校园综合楼用电量评级方法，包括以下步骤：

步骤1：收集数据，包括建筑基本信息和建筑实时用电量。基本建筑信息可以通过调查获得。建筑用电量数据可以借助于实时监控系统，直接从监控系统下载电力消耗数据；

选择作为案例研究的建筑是位于中国安徽省的13栋大学综合楼。

建筑物总耗电量可以细分为各种分项电力消耗类别，即照明和室内设备，空调系统，电力系统和特殊设备。特殊设备的电力消耗是指特殊专业设备(如大型科研设备)和高耗电设备(如数据中心服务器)消耗的电力。

步骤2：确定影响用电量的因素；

对目标建筑的单位建筑面积的年度用电量指标水平的初步判断基于来自调查的建筑信息和使用监测系统获得的电力消耗记录。

案例建筑的用电量影响因素包括使用年限，建筑面积，建筑高度，楼层数，建筑结构，外墙材料，外窗类型，空调系统形式，科研办公区域面积和实验室区域面积。影响采样建筑用电量的因素可分为描述特定值的连续因子和定性描述的分类因子。连续因子包括使用年限，总建筑面积，建筑高度，楼层数，科研办公区域面积和实验室区域面积。其余因素，如建筑结构和外墙材料，都是分类因子。

步骤3：基于多元线性回归建模制定单位建筑面积的年度总用电量及分项用电量指标，所采用的方法如式(1)所示；

y＝a+b1x1+b2x2+bnxn+ε(1)

其中：xi表示一组影响单位建筑面积年度用电量指标的独立连续变量；

y表示输出(在这里表示用电量指标)；

a表示截距；

b表示回归参数；

ε表示残差。

在此案例中，综合楼的单位建筑面积年度用电量总指标与分项指标定义为因变量，六个连续因子(包括建筑面积、使用年限、楼层数、建筑高度、科研办公区域面积和实验室区域面积)被定义为自变量，分别用x1、x2、…、x6表示。

其中，用电量指标与包括实验室面积、建筑面积和楼层数在内的自变量之间的线性关系是显著的，将这些变量所表示的因素保留在模型中。实验室面积主要反映在总用电量指标和照明和室内设备用电量指标中，而建筑面积则反映在照明和室内设备用电量指标和空调系统用电量指标中，楼层数反映在电力系统用电量指标中。在此基础上，各项指标的最终回归方程如下：

euit＝36.464+0.017×la(2)

euilr＝7.940+0.046×la＝0.011×gfa(3)

euiac＝14.202+0.001×gfa(4)

euips＝0.262+0.137×楼层数(5)

式中：euit表示单位建筑面积年度总用电量指标，(kwh/(m²·a))；

euilr表示单位建筑面积年度照明与室内设备用电量指标，(kwh/(m²·a))；

euiac表示单位建筑面积年度空调系统用电量指标，(kwh/(m²·a))；

euips表示单位建筑面积年度电力系统用电量指标，(kwh/(m²·a))；

la表示实验室面积，m²；

gfa表示建筑面积，m²。

步骤4将单位建筑面积的年度总用电量及分项用电量指标进行标准化处理；

确定分类变量对单位建筑面积年度用电量指标标准化的影响，对单位建筑面积年度用电量指标进行标准化，所采用的方法如式(6)式(7)所示。

其中：表示标准化的自变量；

xi表示一组影响单位建筑面积年度用电量指标的独立连续变量；

表示采样数据均值；

si表示采样数据标准差；

euinormm表示标准化的单位建筑面积的年度用电量指标，(kwh/(m²·a))。

案例中13座采样建筑物连续因子的综合楼标准化模型根据以下等式表示：

式中，x1表示建筑面积gfa；

x3表示楼层数；

x6表示实验室面积。

步骤5基于标准化的单位建筑面积年度用电量指标确定单位建筑面积年度用电量基准；

在此案例中，式(8)-式(11)表示了综合楼的标准化模型，使用基于单位建筑面积年度用电量指标的计算平均值法计算基准。计算结果如图2-图5所示。

从图2-图5中可以看出，13座综合楼中的9-13号建筑总用电量超过了单位建筑面积年度总用电量基准(euit，norm)，其中单位建筑面积年度照明与室内设备用电量也超过了相应的基准(euilr，norm)，造成这种情况的主要原因是照明和室内设备的耗电量约占这些建筑物总耗电量的71.8％。9号和13号建筑的空调系统用电量超过了这五座建筑的单位建筑面积年度空调系统用电量基准(euiac，norm)。对于电力系统的用电量，除了第13号建筑，其余四座建筑均超出相应基准(euips，norm)。对于其它建筑，尽管它们的总用电量未超出基准，但是它们中仍有部分建筑的空调系统用电量以及电力系统用电量超过了相应的基准。

步骤6基于多因素方差分析校正基准；

由于建筑结构，外墙材料，外窗类型和空调系统形式是分类因素，因此无法使用多元回归分析进行标准化。因此，采用多因素方差分析来研究分类变量对标准化的单位建筑面积年度用电量指标的影响，并确定校正系数。

分析结果表明euit，norm、euilr，norm和euips，norm对这些分类变量没有统计学意义，只有空调系统类型对euiac，norm具有统计学意义。因此，应根据空调系统类型校正基准。在此案例的13个采样建筑中，7个建筑采用分体式空调系统，4个建筑使用变频多联机系统，两个建筑使用风机盘管系统。不同空调系统类型的euiac，norm如图6所示。

如图6所示，分体式空调机组、变频多联机系统和风机盘管系统的平均单位建筑面积的年度空调系统用电量指标分别为17.98、25.94和9.42kwh/(m²·a)，此外所有建筑的平均单位建筑面积的年度空调系统用电量指标为18.63kwh/(m²·a)。

根据euiac，norm的平均值，校正空调系统的用电量基准，校正系数计算方法如下式所示：

计算结果如下：ccsac＝0.965、ccvrv＝1.392、ccfc＝0.506

其中sac表示分体式空调系统，vrv表示变频多联机系统，fc表示风机盘管系统。

如图7所示，与图4中的基准相比，校正后的基准为21.19kwh/(m²·a)，增加了2.56kwh/(m²·a)。

步骤7将制定的基准用于建筑用电量的评级；

单位建筑面积年度总用电量基准和单位建筑面积年度分项用电量基准分别被视为第一级和第二级指数。一级指标有助于更好地了解同类建筑物的建筑用电水平，二级指标可以帮助详细评估用电状况，并进行有针对性的节能改造和管理。

在此案例中，对于某些建筑物，总用电量低于euit，norm，而分项电力消耗超过了相应的基准。因此，重要的是要综合评估建筑物的用电量。根据新的用电量基准，评估系统是根据研究综合楼的实际用电量数据定义的。

研究建筑物的一级指标分为从a到e五个等级，以基准90.76(kwh/(m²·a))为中心，单位建筑面积年度总用电量最大值180(kwh/(m²·a))和最小值0为上下限进行线性分级。分级结果如图8所示。在一级指标中，“a”和“b”表示总电力消耗比较低，符号“c”到“e”表示总耗电量相对较高。对于二级指数，分别以单位建筑面积年度分项用电量基准为中心进行分级，低于基准为“+”，表示该分项用电量合格，高于基准为“一”，表示该分项用电量不合格。因此，当使用符号“+”表示特定建筑物的第二指标时，这意味着该分项的用电量是合理的，并且该建筑在这方面不需要采取节能措施。分级结果如图9所示。

表1列出了此案例13座建筑的评级结果。如表1所示，综合楼1，3和8的总能耗较低，分项用电量也是合格的。对于综合楼2，4和5-7，总能耗较低，但其中一种分项用电量需要进行节能改造，这可以进一步降低总能耗。对于其他建筑来说，总能耗很高，两种分项用电量需要进行节能改造。

表1此案例建筑的评级结果

尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。