《公共建筑能耗數(shù)據(jù)分析方法與分項計量.doc》由會員分享，可在線閱讀，更多相關(guān)《公共建筑能耗數(shù)據(jù)分析方法與分項計量.doc（9頁珍藏版）》請在裝配圖網(wǎng)上搜索。

公共建筑能耗數(shù)據(jù)分析方法與分項計量 清華大學(xué)建筑學(xué)院建筑技術(shù)科學(xué)系 王鑫 魏慶芃 摘要：公共建筑能耗數(shù)據(jù)分析對指導(dǎo)節(jié)能工作具有重要意義，本文對建筑能耗數(shù)據(jù)分析方法進(jìn)行了綜述，在此基礎(chǔ)上提出兩種實(shí)用多建筑能耗數(shù)據(jù)對比分析方法：能耗指標(biāo)法和效率指標(biāo)法。本文還提出針對建筑總能耗數(shù)據(jù)進(jìn)行分析的局限性，提出應(yīng)更多的針對用分項計量數(shù)據(jù)進(jìn)行分析研究。 關(guān)鍵詞：公共建筑，分項計量，能耗數(shù)據(jù) Abstract：The analysis of energy consumption data of commercial building has important meanings to the energy conversation work. This article summarized the usual approaches and discussed two applicable methods for comparing between buildings: the energy indicator approach and the energy efficiency indicator approach. The limitation of total energy consumption in analysis is also discussed and sub-metered data is considered to be more useful. Key words：commercial building, sub-metering, energy consumption data 1. 背景 隨著建筑節(jié)能工作的深入和發(fā)展，建筑能耗數(shù)據(jù)的統(tǒng)計與審計工作在全國各地得到普遍開展。許多地方建立了公共建筑能耗數(shù)據(jù)庫，采集了大量的建筑能耗數(shù)據(jù)和相關(guān)建筑信息數(shù)據(jù)。近幾年來，隨著分項計量工程的應(yīng)用和推廣，我們不僅能獲得建筑全年或逐月的總用電量，更能獲得建筑分項、分系統(tǒng)的逐時的電耗?？梢哉f，我國已經(jīng)初步建成了公共建筑能耗數(shù)據(jù)采集的平臺，為公共建筑的節(jié)能工作奠定了良好的基礎(chǔ)。 解決了數(shù)據(jù)的獲取問題，數(shù)據(jù)的分析處理就變得越來越重要。如何分析和應(yīng)用這些數(shù)據(jù)？特別的，如何使這些數(shù)據(jù)在節(jié)能工作中發(fā)揮作用？這就是本文要回答的問題。 2. 能耗數(shù)據(jù)分析原理 1.1 能耗數(shù)據(jù)模型與方法 影響建筑能耗的因素很多，如氣象參數(shù)、建筑使用情況、設(shè)備系統(tǒng)形式、運(yùn)行控制策略、建筑圍護(hù)結(jié)構(gòu)狀況等。所謂“分析”就是通過某種模型，在建筑能耗數(shù)據(jù)與能耗影響因素之間建立聯(lián)系。 ASHREA Handbook 2005（以下簡稱“手冊”）的“能耗評估與建模”章節(jié)（Chapter32）[1]對建筑能耗的分析方法進(jìn)行了較為完善的綜述，提出能耗模型的三個組成部分： 1、輸入?yún)?shù)； 2、系統(tǒng)結(jié)構(gòu)與系統(tǒng)參數(shù)； 3、輸出結(jié)果。 手冊將分析方法分為兩種，一種是“向前方法”（或經(jīng)典方法），即已知能耗模型的第一、二部分，求解建筑能耗；另一種是“數(shù)據(jù)驅(qū)動方法”（或反向方法），即已知能耗模型的第一、三部分，求解建筑能耗與影響因素之間的關(guān)系。 顯然，上述“數(shù)據(jù)驅(qū)動方法”就是適用于公共建筑能耗分析的方法。手冊中將這種方法大致又分為三類： 1、經(jīng)驗(yàn)方法（或黑箱方法）； 在能耗數(shù)據(jù)與影響因素之間建立某種回歸模型，常用的有最小二乘法、PRISM方法[2]等； 2、校準(zhǔn)模擬方法； 用模擬軟件建立建筑模型，進(jìn)而調(diào)整輸入條件使得輸入與實(shí)測能耗相符； 3、灰箱方法。 為建筑或系統(tǒng)建立物理模型，用統(tǒng)計方法確定模型參數(shù)。 上述方法主要適用于單個建筑的能耗數(shù)據(jù)分析。當(dāng)對比分析多建筑能耗時，只需利用上述方法，把不同建筑能耗歸一化，形成某種能耗指標(biāo)，再進(jìn)行橫向?qū)Ρ取? 1.2 相關(guān)研究綜述 過去二十多年，國內(nèi)外對于建筑能耗數(shù)據(jù)的分析主要針對的是建筑總能耗。建筑總能耗數(shù)據(jù)具有易于獲得（尤其是全年能耗或逐月能耗）、準(zhǔn)確度很高的特點(diǎn)，常被用于各種回歸模型分析。以下是部分相關(guān)研究的綜述。 文獻(xiàn)[3~8]給出了針對逐月能耗的分析方法，其共性特征為均采用某種氣象參數(shù)（采暖度日數(shù)、空調(diào)度日數(shù)等）對逐月能耗進(jìn)行回歸，回歸結(jié)果可對未來的能耗進(jìn)行預(yù)測。這種方法的應(yīng)用很廣泛，但研究成果對于指導(dǎo)建筑節(jié)能缺乏實(shí)際意義。 圖2.1 香港某辦公樓建筑逐月能耗與室外平均溫度的相關(guān)性分析[3] 文獻(xiàn)[9~12]給出了針對多個建筑總能耗的benchmarking方法，多采用EUI（Energy use intensity）指標(biāo)或歸一化的EUI指標(biāo)衡量建筑物整體用能水平的高低。 圖2.2 美國加州辦公建筑能耗評測軟件[10] 文獻(xiàn)[13~17]針對逐時或逐半小時尺度的建筑能耗數(shù)據(jù)進(jìn)行分析，從而實(shí)現(xiàn)能耗預(yù)測、改進(jìn)運(yùn)行、能耗曲線形狀識別、能耗拆分等目的。 圖2.3 采用EDA（End-use Disaggregation Algorithm）方法對辦公樓（左）和零售店（右）進(jìn)行能耗拆分[17] 文獻(xiàn)[18~21]介紹了一種“非插入式電力負(fù)荷檢測方法”（NILM），通過測量住宅的實(shí)時電耗曲線，判斷具體用能設(shè)備的啟停和逐時功率值，進(jìn)而計算出各類設(shè)備的能耗。這種方法可認(rèn)為是一種能耗拆分方法，主要適用于住宅這類設(shè)備種類、數(shù)量較少的建筑。目前尚無此方法用于公共建筑的介紹，可能的原因是公共建筑中的設(shè)備種類、數(shù)量都很多，僅憑總能耗曲線判斷設(shè)備啟停的難度過高。NILM方法并不適用于公共建筑。 圖2.4 采用NILM方法拆分住宅能耗 從相關(guān)研究的綜述結(jié)果可以看出建筑總能耗在分析方面的局限性：通常只能用于較為粗略的黑箱模型分析方法，缺乏對建筑節(jié)能的指導(dǎo)意義。如果能獲得建筑分項能耗，即可將分析和研究更加深入。事實(shí)上，很多針對建筑總能耗的研究目的就是為了拆分獲得建筑分項能耗[8,17~21]。 當(dāng)然，獲取建筑分項能耗的成本是比較高的[3,7,8,16,17]，這成了制約公共建筑能耗數(shù)據(jù)分析的重要瓶頸。 隨著信息技術(shù)的不斷發(fā)展，計量、采集建筑分項能耗所需的設(shè)備成本越來越低，為分項能耗數(shù)據(jù)的應(yīng)用創(chuàng)造了良好的條件。 事實(shí)上，我國近年來開展的公共建筑用能分項計量工程，已經(jīng)積累了大量的工程案例和數(shù)據(jù)[22]。實(shí)踐經(jīng)驗(yàn)表明，建筑分項能耗數(shù)據(jù)，特別是空調(diào)系統(tǒng)分項能耗數(shù)據(jù)，在節(jié)能診斷中具有重要的意義。 3. 多建筑能耗數(shù)據(jù)分析方法 分析多個建筑的能耗數(shù)據(jù)，常用的方法是計算與建筑能耗有關(guān)的指標(biāo)。常用的指標(biāo)有兩類，一類是能耗指標(biāo)，另一類是效率指標(biāo)。 1.3 能耗指標(biāo)法 將建筑的能耗經(jīng)某種“歸一化”方法處理之后，即可得到該建筑的能耗指標(biāo)。有些能耗指標(biāo)可在同類建筑間橫向?qū)Ρ?，說明建筑物的用能水平在同類建筑中的位置；有些能耗指標(biāo)可與建筑的實(shí)際能耗值進(jìn)行對比，說明建筑物用能水平與理想水平或社會平均水平的差別。 為了敘述方便，將影響能耗的因素分為兩類，一類是客觀因素（不以節(jié)能的意愿而轉(zhuǎn)移），包括建筑規(guī)模、使用時間、建筑內(nèi)的人員及設(shè)備的密度和分布、氣象參數(shù)等；一類是可控因素，包括圍護(hù)結(jié)構(gòu)性能、設(shè)備系統(tǒng)性能及運(yùn)行控制策略等。還有些因素可以是客觀因素，也可以是可控因素，例如空調(diào)系統(tǒng)冷熱源的基本形式、末端的基本形式等，將其視為客觀因素還是可控因素，與分析的角度和出發(fā)點(diǎn)有關(guān)。 “歸一化”方法實(shí)際上是有選擇性的把部分能耗影響因素的作用消除，從而使得其余因素的作用充分顯現(xiàn)在能耗指標(biāo)中的方法。下圖是兩種常見“歸一化方法”的原理圖： 圖3.1 能耗數(shù)據(jù)歸一化方法示意圖 其中： “歸一化方法1”將客觀因素歸一化，可控因素取實(shí)際水平，得到目標(biāo)建筑的“標(biāo)準(zhǔn)化能耗指標(biāo)”。將該指標(biāo)與同類建筑間的橫向?qū)Ρ?，可反映該建筑用能水平在同類建筑中的位置? “歸一化方法2”將可控因素歸一化，客觀因素取實(shí)際水平，得到目標(biāo)建筑的“參考能耗指標(biāo)”。將該指標(biāo)與建筑實(shí)際能耗相比，可反映該建筑用能水平與理想水平或社會平均水平（與可控因素的歸一化標(biāo)準(zhǔn)有關(guān)）的差距。 上述兩種歸一化方法的用途不同：方法1適用于大量建筑實(shí)際用能水平的排隊、打分，方法2適用于具體建筑節(jié)能潛力的定量計算。 如果忽略同類建筑除建筑面積以外所有客觀因素（單位面積設(shè)備、人員密度，建筑使用率，作息時間等）的差別，只取建筑面積作為歸一化因素，我們可以得到“單位面積建筑能耗指標(biāo)”（EUI），該指標(biāo)可在某種程度上反映建筑物的能耗水平。由于除建筑面積以外的其它客觀因素往往難以準(zhǔn)確衡量，“單位面積能耗指標(biāo)法”實(shí)際成為了我們最常用的一種能耗數(shù)據(jù)分析方法。該指標(biāo)并不等同于建筑的用能水平，這一點(diǎn)需要注意。 1.3.1 能耗指標(biāo)測評軟件 公共建筑能耗評測軟件（Benchmarking Electric & Non-Electric Energy Use in U.S. Office Buildings）是由美國橡樹嶺國家實(shí)驗(yàn)室建筑技術(shù)中心在全美建筑能耗普查數(shù)據(jù)的基礎(chǔ)上開發(fā)出來的基于Microsoft Excel的建筑能耗評測軟件。 該方法首先將美國按氣候分為9個區(qū)，每個區(qū)分別取一定數(shù)量的樣本建筑，統(tǒng)計其建筑總能耗與建筑面積、人數(shù)、計算機(jī)數(shù)、工作時間、是否業(yè)主自用等能耗影響因素，并在它們之間建立能耗統(tǒng)計模型。該模型的輸入條件為目標(biāo)建筑上述能耗影響因素的具體數(shù)值，輸出條件為該建筑的參考能耗值。這種方法經(jīng)完善后，也可以用于能耗定額指標(biāo)的獲取。 電耗評測文件的用戶界面如圖3.1所示： 圖3.2電耗評測文件用戶界面 1.3.2 分項能耗指標(biāo)對比 下圖是幾座北京辦公建筑分項能耗的對比： 圖3.3 北京6座辦公建筑分項能耗對比 運(yùn)用歸一化方法1，將建筑分項能耗取EUI指標(biāo)，再進(jìn)行橫向?qū)Ρ?，從中可以清晰的看出建筑能耗高低的原因。其中，能耗最高的建筑E的空調(diào)能耗顯著高于其它同類建筑，應(yīng)對空調(diào)系統(tǒng)開展深入分析和重點(diǎn)的節(jié)能診斷。 1.4 效率指標(biāo)方法 由于影響能耗的客觀因素數(shù)量眾多且難于實(shí)際監(jiān)測，按照歸一化方法2直接計算建筑能耗指標(biāo)的參考值存在一定的困難。設(shè)備系統(tǒng)效率與建筑能耗之間存在如下關(guān)系： 若認(rèn)為設(shè)備提供的服務(wù)不存在浪費(fèi)，設(shè)備系統(tǒng)效率實(shí)際等價于建筑的用能水平。通過對設(shè)備系統(tǒng)效率指標(biāo)的檢測，即可評價設(shè)備系統(tǒng)各環(huán)節(jié)的用能合理性。 1.4.1 空調(diào)系統(tǒng)效率指標(biāo) 空調(diào)系統(tǒng)通過消耗能源提供的服務(wù)主要是冷量，其效率可用空調(diào)系統(tǒng)能效比EERs表示。GBT17981-2007空氣調(diào)節(jié)系統(tǒng)經(jīng)濟(jì)運(yùn)行[23]給出了一系列的空調(diào)系統(tǒng)效率指標(biāo)及其限值，這些指標(biāo)的系統(tǒng)結(jié)構(gòu)如下圖所示： 圖3.4 空調(diào)系統(tǒng)經(jīng)濟(jì)運(yùn)行評價指標(biāo)體系結(jié)構(gòu) 上述指標(biāo)體系較為完整的描繪了空調(diào)系統(tǒng)整體以及各部分的效率情況，對指導(dǎo)節(jié)能診斷具有指導(dǎo)意義。更重要的是，上述所有指標(biāo)均可通過系統(tǒng)總制冷量與各設(shè)備耗電量計算得到。這就為以分項能耗為基礎(chǔ)的在線節(jié)能診斷、分析創(chuàng)造了條件。 1.4.2 晝夜負(fù)荷率指標(biāo) 辦公建筑中往往存在夜間設(shè)備待機(jī)電耗問題，為了定量的刻畫和描述此問題的嚴(yán)重程度，定義“工作日白天能耗比”指標(biāo)，其定義如下： 用該指標(biāo)分析幾座不同辦公樓的照明+插座設(shè)備電耗，結(jié)果如下： 圖3.5 北京6座辦公建筑工作日白天能耗比 從上圖可看出，JN辦公樓相對較低，說明存在改善夜間管理的節(jié)能潛力。 4. 總結(jié) 能耗數(shù)據(jù)分析方法的本質(zhì)是用模型分析建筑能耗數(shù)據(jù)與影響因素之間的關(guān)系，既有研究領(lǐng)域多采用經(jīng)驗(yàn)?zāi)Ｐ头治龇椒?，主要針對建筑總能耗，但其結(jié)果往往缺乏對建筑節(jié)能的直接指導(dǎo)意義。 討論了兩種多建筑能耗數(shù)據(jù)分析方法：能耗指標(biāo)方法和效率指標(biāo)方法的本質(zhì)含義； 認(rèn)為應(yīng)開展針對分項能耗數(shù)據(jù)，特別是空調(diào)系統(tǒng)分項能耗數(shù)據(jù)的分析研究。 參考文獻(xiàn) [1] 2005 ASHREA Handbook F32 SI: Energy Estimating and Modeling Methods[M] [2] Margaret F. Fels. PRISM: An introduction[J]. Energy and Buildings, Volume 9, Issues 1-2, February-May 1986, Pages 5-18 [3] Philip C.H. Yu, W.K. Chow. A discussion on potentials of saving energy use for commercial buildings in Hong Kong[J]. Energy, Volume 32, Issue 2, February 2007, Pages 83-94 [4] Bing Dong, Siew Eang Lee, Majid Haji Sapar. A holistic utility bill analysis method for baselining whole commercial building energy consumption in Singapore[J]. Energy and Buildings, Volume 37, Issue 2, February 2005, Pages 167-174 [5] J.-U. Sjgren, S. Andersson, T. Olofsson. An approach to evaluate the energy performance of buildings based on incomplete monthly data[J]. Energy and Buildings, Volume 39, Issue 8, August 2007, Pages 945-953 [6] Joseph C. Lam, Kevin K.W. Wan, K.L. Cheung, Liu Yang. Principal component analysis of electricity use in office buildings[J]. Energy and Buildings, Volume 40, Issue 5, 2008, Pages 828-836 [7] Sartor Dale, Piette Mary Ann, Tschudi William, Fok Stephen. Strategies for energy benchmarking in cleanrooms and laboratory-type facilities[R]. 2000 ACEEE Summer Study on Energy Efficiency in Buildings, August 2000 [8] Kissock, J. K., Seryak, J. Understanding Manufacturing Energy Use Through Statistical Analysis[C]. http://repository.tamu.edu/handle/1969.1/6033 [9] Wen-Shing Lee. Benchmarking the energy performance for cooling purposes in buildings using a novel index-total performance of energy for cooling purposes[J]. Energy, Volume 35, Issue 1, January 2010, Pages 50-54 [10] Kinney, Satkartar, Piette, Mary Ann. Development of a California commercial building benchmarking database[DB]. ACEEE 2002 Summer Study on Energy Efficiency in Buildings, August 2002 [11] Terry Sharp,Oak Ridge National Laboratory. Energy Benchmarking In Commercial Office Buildings[R]. http://www.energy.ca.gov/greenbuilding/documents/background/13-ORNL_COM_BLDG_BENCHMARKING.PDF [12] Olofsson Thomas, Meier Alan, Lamberts Roberto. Rating the energy performance of buildings[J]. The International Journal of Low Energy and Sustainable Buildings, Vol.3, 2004 [13] S. A. Kalogirou. Applications of artificial neural networks in energy systemsA review. Energy Conversion and Management[J], Volume 40, Issue 10, July 1999, Pages 1073-1087 [14] N.Brown, A.J.Wright. New approaches to gathering, analysis and interpretation of half hourly energy metering data from buildings[J]. International Journal of Low-Carbon Technologies 2007 2(1):80-96 [15] C. Norn, J. Pyrko. Typical load shapes for Swedish schools and hotels[J]. Energy and Buildings, Volume 28, Issue 2, October 1998, Pages 145-157 [16] Mary Ann Piette, Sat Kartar Kinney, Philip Haves. Analysis of an information monitoring and diagnostic system to improve building operations[J]. Energy and Buildings, Volume 33, Issue 8, October 2001, Pages 783-791 [17] H. Akbari. Validation of an algorithm to disaggregate whole-building hourly electrical load into end uses[J]. Energy, Volume 20, Issue 12, December 1995, Pages 1291-1301 [18] Leslie K. Norford, Steven B. Leeb. Non-intrusive electrical load monitoring in commercial buildings based on steady-state and transient load-detection algorithms[J]. Energy and Buildings, Volume 24, Issue 1, 1996, Pages 51-64 [19] M. L. Marceau, R. Zmeureanu. Nonintrusive load disaggregation computer program to estimate the energy consumption of major end uses in residential buildings[J]. Energy Conversion and Management, Volume 41, Issue 13, 1 September 2000, Pages 1389-1403 [20] "Mario Berges, Ethan Goldman, H. Scott Matthews, Lucio Soibelman. Training Load Monitoring Algorithms on Highly Sub-Metered Home Electricity Consumption Data[J]. Tsinghua Science & Technology, Volume 13, Supplement 1, October 2008, Pages 406-411 [21] H Pihala. Non-intrusive appliance load monitoring system based on a modern kWh-meter[R]. VTT PUBLICATIONS, 1998 [22] 魏慶芃，大型公建能耗分項計量實(shí)時監(jiān)測分析系統(tǒng)EMS的發(fā)展[J]，建筑，2009年第3期，34~37頁 [23] GBT17981-2007空氣調(diào)節(jié)系統(tǒng)經(jīng)濟(jì)運(yùn)行[S]