论文部分内容阅读
目前,我国建筑能耗已经占到社会总能耗的33%,可以折算成11亿吨标准煤,其中公共建筑能耗约占建筑总能耗的22%,因此,公共建筑拥有相当大的节能潜力。近年来,公共建筑能耗分项计量系统在全国范围内实施安装应用,大量的能耗数据通过远程传输等手段实时上传至数据中心平台。能耗数据是节能工作顺利开展的基础,对公共建筑能耗进行准确地预测和节能量计算,可以顺利开展建筑节能评估工作。但是,大量的能耗数据带来了“数据灾难”,建筑物在运行期间也存在着大量的问题数据,建筑管理人员很难发现其蕴藏的价值信息。虽然目前有不少能耗预测与节能量评估方法被提出,一般采用能耗模拟的方法来预测新建建筑能耗,应用于既有建筑的预测方法还处于摸索阶段,这些方法并没有考虑到公共建筑类型的能耗特点,缺乏通用型和实时性。本文研究了不同公共建筑类型的能耗组成和能耗特点,研究了国内外能耗预测方法和节能量评估方法。研究并优化了基于RBF神经网络的公共建筑能耗预测模型,用于预测公共建筑未来一段时间的能耗。提出基于全楼宇验证的公共建筑节能量评估方法,来评估参与节能改造的公共建筑节能情况。能耗预测模型通过建立RBF神经网络预测目标时间段的能耗,并采用PSO算法优化基于RBF神经网络的公共建筑能耗预测模型,以达到更好的预测目的。利用MATLAB仿真,仿真结果表明RBF神经网络在能耗预测方面具有较好的拟合能力,但存在一定误差,使用PSO-RBF神经网络减小了误差,其预测效果更好。节能量评估方法主要采用多元线性回归方法建立能耗基准模型,运用数据挖掘软件SPSS建立能耗与各能耗影响因子间的回归模型,通过比较节能改造后的基准能耗和实际能耗,评价公共建筑节能效果。最后,运用VS2013与MATLAB混合编程的方式开发了公共建筑能耗预测与节能量分析系统,使公共建筑能耗预测模型和能耗基准模型实现在该系统中。公共建筑管理人员可以将收集到的能耗数据上传至该系统以进行能耗预测和节能量分析,不要求管理人员进行复杂操作和具备相关专业知识。