您的浏览器不支持JavaScript,请开启后继续
  • "

    ✅火狐体育app✅㊣全球最大,最信誉的线上综合平台✅火狐体育app✅千款游戏,砖石级服务,火狐体育app,欢迎各界玩家加入体验!

  • "

    China Heating,Ventilation and Air Conditioning
    联系热线:010-64693287 / 010-64693285

    基于逆向建模的公共建筑能耗拆分方法研究

    • 作者:
    • 中国暖通空调网
    • 发布时间:
    • 2021-07-20

    中国建筑科学研究院有限公司  魏峥   李林涛  陈昭文

           【摘    要】公共建筑节能是建筑节能开展的重要领域,大部分建筑能耗及相关数据监测、统计系统不到位,很难以实际运行数据指导建筑节能改造及优化运行。鉴于数据匮乏和深入挖掘建筑节能需求的矛盾性,本文提出一种基于建筑总能耗的逆向建模方法,利用建筑能耗对室外温度以及服务参数的敏感性,对建筑总能耗进行拆分拟合,根据拟合参数的物理意义对建模原则和建模过程进行了介绍,并选取典型建筑模型与建筑实测结果进行对比,验证了模型的可靠性及对节能方向的指导意义。

           【关键词】公共建筑 逆向建模 能耗拆分 建筑节能

    0 引言

           2015年,中国建筑能源消费总量达到8.57亿吨标准煤,占全国能源消费总量的20%,随着城市化进程的推进和人民生活质量要求的逐步提高,这一比例将继续上升。公共建筑的总建筑面积约113亿平方米,占总建筑面积的18%,而公共建筑能耗达到3.41亿吨标准煤,占建筑能耗的40% [1],公共建筑是建筑能耗的高密度领域。因此,公共建筑节能意义重大。

           为降低公共建筑的运行能耗,有效提高大型公共建筑的能源利用效率,建立起用以促进公共建筑节能的长效机制,国家建设部自2007年开始建立全国联网的国家机关办公建筑和大型公共建筑能耗监测平台,旨在通过能耗统计、能源审计、能耗定额等制度促使公共建筑提升节能运行管理水平,为高能建筑的进一步节能改造准备条件。“十二五”时期,我国在33个省市开展了能耗动态监测平台建设,对9000余栋建筑进行能耗动态监测。[2]

           但分项计量监测,尤其是既有建筑需要额外增加大量的计量器具,还依赖于建筑的配电设计布线情况,很难做到完全按照此分类进行计量,如空调末端无法与插座电耗拆分,动力用电能耗无法单独计量等。此外,监测平台数据的校核、分析以及平台运行维护、数据采集侧的不稳定等因素导致平台运行人力财力投入需求较高,平台实时监测很难维持。目前很多城市的监测平台数据并不能用于节能工作的开展。

           另外,对于大量的公共建筑,很多系统用能并不局限于用电,如采暖空调能耗,还可能包括燃气、集中供热、集中供冷等,以办公建筑为例,能耗边界如图1所示,不同建筑采用不同的系统形式,很难单独采用电耗对建筑能效水平进行分析、诊断。


    图1 办公建筑用能边界示意图

           建筑实际运行能耗的降低和能效的提升是建筑节能工作最直接的成果体现和最终目标。无论是能耗分析、节能诊断都需要对建筑能耗数据进行分析,对高能耗因素进行定位,而目前大部分公共建筑并未建立完善的能耗监测系统,且具备监测系统的建筑各项能耗拆分结果也不乐观,大部分建筑可分析数据还停留在总能耗层面,为了进一步给出精确的节能指导,需要更多的信息量,需要更多的建筑能耗数据和运营参数信息,而这与我国建筑能耗数据基础差的现实困难是相矛盾的。要发现节能点,还需要对建筑进行现场测试、审计等一系列工作,其对评估人员的专业要求较高,并且前期工作及评估成本也很高,很难大范围开展。

           为解决数据基础与节能需求的矛盾,充分挖掘有限数据的最大信息量用于指导建筑节能工作的开展,本文提出一种新的按用途的能耗分类方法,基于建筑总能耗和一些易于获取的相关参数对能耗进行分类,且分类结果要具备一定的物理解释意义,为建筑节能诊断、能耗评价、节能量审核等相关工作提供思路及方法。

    1 公共建筑能耗拆分原理

           公共建筑的用途是为提供相应功能的服务,并为此服务提供相应的舒适环境。环境的维持依赖于对天气变化导致的建筑室内环境负荷进行消除;功能服务是为每个服务对象提供相应的场地、设备、“产品”等。

           建筑能耗使用对建筑服务水平、服务量以及当地天气状况的依赖性很大,并且此参数随着时间推移变化很大。由于建筑物内能量流动的热力学原理和线性模型的统计规律,大多数参数的回归模型是一阶线性的。[3]这类模型在住宅和商业建筑的能耗模拟以及节能量核算方面得到了大量的应用。[4-7]

           根据建筑总能耗与相关参数的相关性,采用统计回归模型,可将能耗拆分为天气变化相关能耗、服务增量相关能耗以及天气、服务变化独立的基荷能耗三部分,如图2所示。建筑能耗应主要为此功能服务,天气、服务变化独立的基荷能耗比重越小,建筑能耗利用越好。按此原则对建筑能耗进行拆分,根据各项能耗的占比,能耗对各增量参数的敏感度可对建筑分项能效进行充分分析,进一步为建筑节能指出推荐措施。


    图2 公共建筑能耗拆分

           这种快速精益拆分建筑运行能耗的方法,可以量化天气变化及服务增量无关的能耗,采用现有账单或台账数据建立模型,预测能源使用,估计节能潜力,并评估建筑能源性能趋势。通过比较一定量的建筑的分析结果,可以识别节能重点,并推荐最可能存在于建筑物的能源效率措施类型,明确节能潜力大的方向,为能源管理工作提供一个比较精准的基线。

           此技术思路源于工业建筑能耗分析[8,9],基于“一切不能用于增加产品价值的能耗都是浪费”的原则,对能耗进行量化分析:天气变化相关能耗、产品增量相关能耗以及基荷能源消耗。使用最小二乘回归模型创建建筑的能耗特性,建立的能耗特性模型可以代表驱动因素对能耗的简明准确的描述。

    2 公共建筑能耗拆分模型

           典型建筑拆分模型的可能形式主要包括以下4种,分别代表了不同的用能形式,如表1所示。3P空调模型主要是无需采暖建筑以及采暖热源采用非电驱动且采暖输配及末端能耗占比极低的建筑;3P采暖模型是无需空调的建筑;4P模型主要是内区较大,冬季也需开启空调的建筑;5P模型是典型冬季采暖夏季空调建筑,建筑冷热源采用同一种能源驱动。

           据调研,我国建筑采暖热源主要包括电力驱动、天然气锅炉以及外购热力三类,空调冷源主要包括电力驱动以及吸收式机组。对应的拆分能耗模型主要是电力3P空调模型、标准5P模型以及天然气3P采暖模型。

           以气象参数的3参数模型为例,拟合建筑各类能耗在同一时间段内实际室外空气温度的函数,模型系数直接表征了围护结构和空调、采暖设备的运行情况。

                 

           其中,Ei表示与天气变化以及服务增量无关的能源消耗,CS和HS代表了室外气温的能耗变化,包括建筑空调和采暖负荷以及空调和供热系统的效率。PD指服务增量相关系数,P表示服务量。

           

           CC和HC分别指外部空调负荷和外部采暖负荷,U指围护结构导热系数,A指围护结构面积,V指无组织通风流速,ρ指空气密度,cp指空气比热。

           平衡点温度Tb,H和Tb,C指空调、采暖系统开启平均临界温度,Tset指设定温度,Qi指内热负荷,包括用电设备、辐射得热以及人员活动。η指系统效率。

           建筑围护结构或系统效率变化会直接导致CS、HS的变化,反之,CS、HS的变化也能反映建筑围护结构和系统效率的提升或下降。

           建筑能耗拆分模型建立后,根据每项参数的物理意义,结合各参数的大小,有目的的发现存在建筑节能方向,并估算相应节能改造的节能量。

    表1 典型能耗拆分模型汇总

    3 能耗拆分及分析方法

           根据能耗拆分原理,分析能耗数据与天气参数的相关关系,逐月能耗与室外温度为分段函数,冬季随着温度的升高能耗相应降低,夏季随着能耗的升高,能耗增加,过渡季在一定温度范围内建筑能耗与温度无关。拆分天气相关能耗的关键是确定两个分段点。

           分段点的确定方法如图4所示:

           (1)确定温度范围;

           (2)初步确定分段点的可能值;

           (3)以温度为自变量拟合回归模型;

           (4)检验各模型的均方根误差结果,选择最优模型,初步确定对应温度分段点;

           (5)缩小分段点所在温度范围,重新拟合回归模型,选择最优模型;

           (6)重复第五步,直至确定最优温度分段点。


    图3  天气相关能耗拆分方法

           将温度范围按两个温度分段点分段,分别拟合能耗与温度的函数,天气相关能耗即可拆分出来。影响建筑能耗的参数不止天气参数,还包括建筑提供服务相关数据,因此能耗拆分模型采用多元线性回归的方法,根据确定的最佳温度分段点逐段进行回归。

           回归得到拆分模型:

             

           其中,为室外温度。

               

           常量Ei为室外温度及服务量变化无关能耗,PD×P是建筑提供服务量相关能耗,HS(X1-Tb,H)-+CS(X1-Tb,C)+为天气相关能耗。HS反映的是建筑围护结构与供热系统效率的优劣,HS为负值,其绝对值越大围护结构和供热系统效率越差;CS反映的是建筑围护结构与空调系统效率的优劣,CS越大说明围护结构和空调系统效率越差;Tb,H和Tb,C分别为供热和空调开启临界温度,Tb,H越大,说明供热季室内温度越高,室内热源散热越大,Tb,C越大,说明空调季室内温度越高,内热源散热量越大。

    4 能耗拆分模型应用

           以三栋办公建筑实际运行参数拟合拆分模型,因为建筑提供服务量无明显变化,运行时间也是固定的,服务相关变量为常量,故而模型仅拆分出气象相关能耗以及气象不相关能耗两部分。对比三栋建筑模型,拟合优度都高于0.9,模型拟合良好。能耗拆分模型结果如表2所示。

    表2 典型建筑能耗拆分模型


    图4 典型建筑能耗拆分模型拟合结果

           根据参数的物理意义,Tb,H和Tb,C分别反映了采暖、空调系统的开启时间以及室内内热负荷的大小,Tb,H越高,说明采暖系统开启的越早;Tb,C越低,说明空调系统开启的越早,或室内内热负荷过大。1#和2#建筑均位于杭州市,为同一物业公司运营,空调、采暖开始日期相同,且建筑服务功能、密度相差不大,拟合的温度拐点相同,3#建筑位于西安市,开启采暖系统较1#和2#建筑早,但西安市冬季比杭州市降温早,Tb,H与1#和2#建筑偏差不大,空调系统开启晚,Tb,C较高;

           天气无关能耗Ei反映了服务强度和基础负荷的大小,1#建筑照明、办公等设备功率较大,3#最低,相应1#建筑Ei最高,3#Ei最低;

           HS的大小反映了采暖系统效率的大小和围护结构性能的优劣,HS越大,系统效率和围护结构性能越差,3栋建筑的围护结构传热系数及采暖系统效率测试结果如表3和表4所示。经测试1#建筑围护结构性能最差,采暖系统效率也最低;2#建筑围护结构性能与3#相差不大,采暖系统效率2#建筑低于3#建筑,从HS的结果来看1#>2#>3#,与实际相符。

           CS的大小反映了空调系统效率的大小和围护结构性能的优劣,CS越大,系统效率和围护结构性能越差,从表3和表4的测试结果来看1#建筑围护结构性能最差,2#建筑围护结构性能与3#相差不大;1#建筑空调系统效率最低,其次是3#,2#空调系统效率最高,从CS的结果来看1#>3#>2#,与实际相符。

           根据模型各参数的意义,1#建筑的围护结构性能及空调采暖系统效率较差,2#建筑采暖效率相对较差,3#建筑空调效率较差是节能改造的重点方向。

    表3 样本建筑围护结构传热系数测试结果(W/m2·K)

    表4 样本建筑系统效率测试计算结果

    5 结语

           本文提出一种新的能耗拆分模型,系统的介绍了建模原则和建模方法,并对模型各参数代表的物理意义进行解释。基于提出的方法,选取3栋典型办公建筑进行建模分析,并通过模型结果对建筑进行初步诊断,指出建筑的节能方向。通过对3栋样本建筑现场测试,正面验证模型参数的可靠性,模型结果可用于指导建筑节能工作的开展。

           此方法对建筑数据需求较少,实现了用尽可能少的数据挖掘更多建筑节能的指导,具有较强的可实施性,对建筑节能工作的开展具备一定的指导性作用。

    参考文献:

           [1] 中国建筑节能协会,中国建筑能耗研究报告(2017年)[R], 2017.
           [2] 住房城乡建设部,建筑节能与绿色建筑发展“十三五”规划[R],2017.
           [3] J.S. Haberl, T.A. Reddy, D.E. Claridge, W.D. Turner, D.L. O’Neal, W.M.Heffington. Measuring Energy-Savings Retrofits: Experiences from the TexasLoanSTAR Program[J]. National Technical Information Service, U.S. Departmentof Commerce, Springfield, 1996.
           [4] J.K. Kissock, J.S. Haberl, D.E. Claridge. Inverse modeling toolkit: numericalalgorithms[J]. ASHRAE Tran. Res. 109 (2) (2003) 425–434.
           [5] M.F. Fels, PRISM: an introduction[J]. Energy Build. 9 (1986) 5–18.
           [6] G. Raffio, O. Isambert, G. Mertz, C. Schreier, K. Kissock. Targeting residentialenergy assistance[J]. Proceedings of the Energy Sustainability Conference 2007(2007) 489–496.
           [7] J.K. Kissock, T.A. Reddy, D.E. Claridge. Ambient-temperature regressionanalysis for estimating retrofit savings in commercial buildings[J]. EnergyEng. Trans. ASME 120 (3) (1998) 168–176.
           [8] Reddy T, Kissock J, Ruch D. Uncertainty in baseline regression modeling and in determination of retrofit savings[J]. ASME Journal of Solar Energy Engineering, 1998,3(120):185-192.
           [9] Ruch D, Chen J H, Claridge D. A changepoint principal component analysis (CP/PCA) method for predicting energy usage in commercial buildings: The PCA model[J]. ASME Journal of Solar Energy Engineering, 1993,2(115):77-84.

           备注:本文收录于《建筑环境与能源》2020年10月刊 总第37期(第22届全国暖通空调制冷学术年会文集)。版权归论文作者所有,任何形式转载请联系作者。

    火狐体育app