绿色智慧建筑顶层设计

“碳达峰”征程中的绿色智慧建筑顶层设计及若干问题初探主要内容引言一、基于低碳理念的建筑电气及智能化系统顶层设计方法二、隐形的耗能大户-谐波电流问题三、绿色智慧建筑的能耗预测问题四、大型建筑的多能源调度问题结语引 言国家主席习近平在2020年9月22日召开的联合国大会上提出：“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，争取在2060年前实现碳中和。”这一目标给我们建筑行业带来了空前的挑战据国际能源署与联合国环境规划署2019年报告，建筑业占全球能耗总消耗量的36%、全球能源消耗和生产过程中二氧化碳总排放量的近40%。据《中国建筑能耗研究报告（2020）》显示，2018年全国建筑全过程能耗总量为21.47亿吨标准煤（TCE），占全国能源消费总量的比重为46.5%。2018年全国建筑全过程碳排放总量为49.3亿吨CO2，占全国碳排放的比重为51.3%。我国建筑行业是名副其实的耗能大户、碳排放大户，也是我国碳达峰和碳中和征程中的困难户。如何减少建筑业的电能消耗是我们面临的重大课题。我们既要从系统工程视角研究全局性解决方案，也要从各个细分领域研究精准化解决方案。基于低碳建设、低碳运行理念一、绿色智慧建筑电气顶层设计方法◼

顶层设计的核心目标就是建设“新一代绿色智慧建筑”1、“新一代绿色智慧建筑”的设计目标新一代绿色智慧建筑应当设计成一个具有泛知、泛在、随处可及且始终在线的“生命体”，一个拥有大脑的自进化的智慧平台，一个人机物深度融合的开放型生态系统，将能够随时随地为用户提供高效、贴心的个性化服务。2、“新一代绿色智慧建筑”的基本技术特征如果将智能建筑比喻成人，土建是人之躯体，机电为人之器官，装潢为人之衣着，大数据智慧化分析系统为人之大脑，而连接土建、机电、环境的网络系统为建筑之神经，因此支撑智慧建筑的各个子系统、子模块需支持广泛感知、智能控制、高速互联特性。新一代房屋技术栈感知层软件平台层平台服务层应用建筑物平台视频 湿度

声音空气

能源

位置

行为

光照弹性扩展自动运维内存计算微服务负载均衡高可用并行计算异构适配高速互联层安全数据存储规则设备控制知识引擎数据分析算法库API服务创新智能运维传统5A个性化智慧城市参与方（1）新一代绿色智慧建筑技术栈应用参与方公共应用平台网络通信底层平台--建筑物3、新一代绿色智慧建筑顶层设计策略（2）新一代智慧建筑电气系统顶层设计框架感知与执行部件能源供应通信自动化（CA）综合 宽频布线

网路有线电视停车场消防数字程控电话安全自动化（SA）视频监控报警

门禁停车场消防...办公自动化（OA）电子 公共布告

广播电话物业 商务服务

会议...楼宇自动化(BA)中央 冷冻 给排空调 机 水变配 公共电 照明电梯...储能冰蓄冷系统蓄电池...电网新能源地源热泵冷却水免费供冷太阳能风能...智慧建筑-电气大脑能源交易新一代绿色智慧建筑电气系统的设计要求与规范内外部环境因素供能反馈多能源控制电能质量检测与提升--电压中断与暂降的成因与防治--谐波检测与消除电能消耗预测用户用电分析

3、新一代绿色智慧建筑顶层设计策略3、

系统顶层设计策略智慧建筑电气系统平台功能的规划：数据的采集与导入数据的存储与管理数据的分析与决策数据的呈现与交互平台对外服务接口◼

…….3、系统顶层设计策略（4）智慧建筑电气系统数据分析功能：供配电系统数据分析暖通空调系统数据分析特殊设施(能源中心、数据中心等)能耗数据分析其他数据顶层设计框架的核心要点：冷热源系统及输配系统结合数据的存储与管理能源调度与能源交易数据的呈现与交互电能质量检测与提升能耗的实时监控与预测建筑用能聚类及关联规则挖掘◼

……3、系统顶层设计策略二、隐形的耗能大户-谐波电流问题在谐波环境中，配电线路的工作电流由三部分组成，即基波有功电流、基波无功电流、谐波与间谐波电流。后两者一般通常造成无意义能耗。在谐波环境中的无功功率Q，一部分是相位无功，基本不作功；还有一部分是畸变无功，基本作无用功。谐波导致了配电系统和用电设备额外的电能损耗（谐波使得用电设备工作电流增大、导致电机振动和噪音等等）。公共建筑与住宅中，谐波电流造成的无功损耗可能（估计值）占此类建筑总耗电量的5%以上，且纯属无意义能耗（电加热等特殊用途除外）。预防和治理谐波电流是实现绿色智慧建筑节能运行的关键技术之一。工程设计阶段，谐波电流及其K值、变压器降容系数D值、滤波器选择与计算是谐波治理成败的关键。目前谐波环境中变压器的降容计算方法包括：（1)查曲线估算法：由于在工程设计初期，各种设备资料不全，K值往往难以计算，故也可根据谐波源负荷占变压器的负荷比例，按下图来粗略估计变压器降容系数：有点：简便缺点：误差过大（2)GB51204《建筑电气电磁兼容技术官方》推荐算法医技楼的经验公式：K=(2xTHDi3＋2.7xTHDi2－9.9xTHDi)×10-4＋1.084

置信区间（适用区间）为：2.6%<

THDi

<22%。办公楼的经验公式：K=-119.05THDi3+94.972THDi2-9.0136THDi+

1.3707置信区间为3.5%<THDi

<36.7%。◼

变压器降容系数D：优点：精度较高缺点：适用范围有限1.151

0.15KD

K11.522.533.544.55D10.940.880.840.790.750.720.690.66（3）谐波电流与变压器降容系数的人工智能预测算法我们利用BP神经网络算法实现了对谐波电流与变压器降容系数预测计算。BP神经网络是一种有导师学习，其核心思想是将输出误差以某种形式通过隐层向输入层逐层反传，在整个学习过程中，体现了信号的正向传播和误差的反向传播。BP算法实质上是把一组样本的输入/输出问题转化为一个非线性优化问题，并通过负梯度下降算法，利用迭代运算求解权值问题的一种学习算法。◼

基于BP神经网络的谐波电流建模◼

预测结果图3.16

测试集电流畸变率预测结果（N=3,4,5,6）N=6时能得到最优的预测效果，预测总体上接近真实值，R2=0.93257。◼

基于BP神经网络的谐波电流建模◼

电流畸变率与变压器容量、负载率的关系图3.21电流畸变率与变压器容量、负载率的关系◼

基于BP神经网络的谐波电流建模◼

预测结果图3.23

测试集电流畸变率预测结果（N=3,4,5,6）N=5时能得到最优的预测效果，预测总体上接近真实值，R2=0.83819。基于人工智能算法三、绿色智慧建筑能耗预测问题研究多项式拟合基于BP神经网络的预测基于遗传算法优化的BP神经网络的预测能耗预测是绿色智慧建筑实现节能运行的又一项关键技术，通过对BP神经网络算法的改进，我们提出了具有实用价值的能耗预测算法。1、数据获取与预处理气象数据引自网上公开数据◼

2、数据获取与预处理能耗数据：引自某医院的实时数据。◼

2、数据获取与预处理负荷确定：全年8760h制冷、采暖、电力逐时负荷曲线（部分数据引自某天然气三联供设计手册）：(a)

空调制冷、空提采暖、生活热水与电力(b)

热负荷与电力逐时负荷累计曲线◼

3、能耗数据分析及特征提取◼

输入变量与热负荷、电力关系示意图◼

4、基于多项式拟合的预测◼

（1）电力模拟-9变量VS

3变量(a)

电力预测-9变量(b)

电力预测-3变量◼

4、基于多项式拟合的预测◼

（2）热负荷-9变量VS

3变量(a)

热负荷预测-9变量(b)

热负荷预测-3变量◼

4、基于多项式拟合的预测◼

（3）9变量VS

3变量◼

5、基于BP神经网络的预测参数设置：隐含层节点为14。自适应学习率为0.01，确定隐含层传递函数、输出层传递函数为tansig，logsig；训练函数trainlm,自适应学习速率的梯度下降法,设置训练目标精度为0.0001,训练次数为500次。（1）电力模拟-9变量

vs

3变量(a)

电力预测-9变量(b)

电力预测-3变量◼

5、基于BP神经网络的预测◼

（2）热负荷-9变量

vs

3变量(a)

热负荷预测-9变量(b)

热负荷预测-3变量◼

6、基于遗传算法优化的BP神经网络的预测◼

算法框图：(a)

遗传算法框图(b)

GABP运行框图◼

6、基于遗传算法优化的BP神经网络的预测◼

（1）电力-9变量

vs

3变量(a)

电力预测-9变量(b)

电力预测-3变量◼

6、基于遗传算法优化的BP神经网络的预测◼

（2）热负荷-9变量

vs

3变量(a)

热负荷预测-9变量(b)

热负荷预测-3变量◼

6、三种方式拟合误差与预测误差对比◼

7、能耗预测实验平台GUI设计◼

GUI简介：

GUI是graphics

userinterface的缩写，理解为图形用户接口或图形用户界面。所有实现图形操作界面的编程均可称为GUI编程。其最大优点即在于无需其他人来学习语言或键入命令来运行该应用程序，这一点对于工程推广应用非常有利。◼

平台功能：本实验平台GUI的设计主要是提供人机交互的图形化操作界面，实现绿色建筑能耗预测的操作。包括用户数据载入、回归统计、BP预测、GABP预测等。◼

7、能耗预测实验平台GUI设计◼

回归界面：◼

7、能耗预测实验平台GUI设计◼

GABP优化：基于人工智能算法四、大型建筑的多能源调度策略◼

大型建筑不仅可能同时存在多种电源和冷热源系统，并且还要考虑峰谷电价、柴油和天然气价格波动、人员数量和天气状况等各种因素，导致建筑物能源管理系统的算法异常复杂，要实现精准控制难度颇高。系统方面：⚫地源热泵系统⚫冰蓄冷系统⚫电制冷机系统⚫三联供系统⚫蒸汽锅炉供热系统设备方面：⚫热水型吸收式溴化锂机组⚫离心式制冷机组⚫双工况离心式机组⚫螺杆式热泵机组⚫燃气内燃发电机组⚫燃气蒸汽锅炉注：电能1：电制冷机组、水泵、冷却塔等消耗的电能电能2：三联供系统发电机产出的电能Q：空调负荷（子系统负荷）W: 系统能耗（子系统能耗）C：能源费用（子系统费用）消耗=电能1+燃气产出=电能2+冷(热)量消耗能源费用获得产出∑Emin=关注能源投入与能源产出的最佳效益？◼

大型建筑的多能源调度算法以空调系统为例，在确保舒适性的前提下，考虑多方面的目标：（1）耗电最少。（2）基于峰谷电价制度的电费最少，其中，任意一天内的的电价P（t）为阶跃函数。（3）耗燃气最少。（4）燃气费用最少，设定任意一天内的燃气价格为常数。（5）耗柴油最少。（6）柴油费用最少，设定任意一天内的柴油价格为常数。有些情况下，最节能与最省钱不可兼得。◼

大型建筑的多能源调度算法为了满足城市综合体建筑室内环境的舒适性要求，多冷源空调系统的节能优化调度问题应同时满足下列约束条件：（1）各子系统的制冷量之和应等于建筑物所需总冷量C（t），其中C（t）为时变函数。即，

，i为自然数。（2）冷水机组的制冷量不大于其额定值，即，C1（t）≤C1（常数）;（3）溴化锂机组的制冷量不大于其额定值，即，C2（t）≤C2（常数）；（4）三联供系统的制冷量不大于其额定值，即，C3（t）≤C3（常数）；◼

大型建筑的多能源调度算法（5）冰蓄冷系统的制冷量不大于其额定值，即，C4（t）≤C4（常数）；（6）地源热泵系统的制冷量不大于其额定值，C5（t）≤C5（常数）（7）自然风系统的制冷量不大于其额定值，即，C6（t）≤C6（常数，设计最大值）。上述约束条件构成了多冷源空调系统的约束集。综上所述，建筑多冷源空调系统的节能优化调度问题中，需要在满足约束条件的前提下，同时处理多个相互矛盾、相互排斥的目标，故可以归结为约束型的多目标优化调度问题（（MultiobjectiveOptimization

Problem，MOP，也称MOPSO）。◼

大型建筑的多能源调度算法基于粒子群算