《办公建筑电力能耗特征研究》9700字（论文）

办公建筑电力能耗特征研究目录TOC\o"1-2"\h\u28690办公建筑电力能耗特征研究 1149621办公建筑电力能耗系统研究 1164991.1办公建筑电力能耗拆分 197931.2办公建筑设备运行策略 2224871.3办公建筑电力能耗占比特征 4314271.4办公建筑电力能耗线路组成特征 522752电力能耗数据准备 6245842.1数据收集 6254682.2数据异常值处理 6220573办公建筑电力能耗特征研究 7327593.1人员行为特征 7210573.2时间序列特征 7114423.3影响因素 10102724基于历史数据特征的办公建筑能耗分类 11229184.1基于历史数据特征的办公建筑能耗分类原则 11200854.2案例分析 121办公建筑电力能耗系统研究1.1办公建筑电力能耗拆分办公建筑电力能耗系统具有集中管理的组织特点，可以对总能耗数据和分项数据进行实时采集、监视、存储等功能，实现建筑辅助管理，进一步提升建筑的使用效率和节能水平。办公建筑能耗拆分以可比性和易用性为基本原则，功能上还需兼顾完备性。住房和城乡建设部2008年颁布的《国家机关办公建筑和大型公共建筑分项能耗数据采集技术导则》[59]建筑能耗分类模型如表2-1所示，该模型对用电能耗按照一级子项和二级子项进行分类，但是未给出各子项的具体分类原则和包含内容。建筑能耗拆分类别一级子项二级子项总电力能耗空调用能末端用能冷站用能热站用能照明插座用电照明和插座用电走廊和应急照明用电室外景观照明用电动力用电电梯用电水泵用电通风机用电特殊用电信息中心、洗衣房、厨房、游泳池等在此基础上结合可比性、易用性和完备性，王鑫[60]提出了如图2-1所示的办公建筑具体电力能耗拆分方法。该分类模型主要包含：暖通空调、一般照明插座设备、一般动力设备、特殊功能设备4大类，并对每类设备的具体原则和设备类型进行了说明。办公建筑具有公区、租区和商区三种业态，管理运维者对建筑商区和租区等独立付费线路的关注远度远远低于公区照明系统、集中暖通空调系统、信息中心等公共线路。1.2办公建筑设备运行策略办公建筑设备运行策略作为影响建筑电力能耗的主要因素，其与建筑内设备类型和管理方式高度相关。建筑电力消耗设备根据运行模式可以分为：定频设备和变频设备，其中自动变频设备控制原理一般为温差控制或压差控制，部份变频设备还可以根据需求手动设置设备运行频率。张琦等人[61]从办公建筑所处地域和办公建筑使用类型两方面考虑，对我国南北方典型城市中的55幢办公建筑（其中，北京42幢、广州5幢、深圳8幢）进行建筑设备运行模式的调研可以得到如表2-2、表2-3所示的办公建筑主要设备类型及运维管理人员运行方式调研结果。表2-2办公建筑主要设备类型调研设备名称设备类型占比冷冻水泵变频51%定频49%冷却水泵变频39%定频61%冷却塔定频78%分高低档6%变频16%新风机组变频16%定频84%表2-3办公建筑主要设备运行方式调研设备名称运行方式占比冷冻水泵固定运行台数55%一机对一泵37%根据冷机开启台数确定但不一定8%冷却水泵固定运行台数53%一机对一泵33%根据冷机开启台数确定但不一定13%新风机组全年运行方式从来不开40%四季都开40%春秋季开，冬夏季不开10%冬夏季开，春秋季不开3%夏季开，其他时间不开5%其他3%新风机组夏季逐日运行方式24h10%定时开关71%间歇运行19%照明控制公共区域、办公区域照明统一控制0%公共区域统一控制、办公区域随机87%不同统一控制13%公共区域照明控制方式全天开启4%全天关闭7%定时开，定时关64%灯具智能控制20%其他4%通过表2-2和表2-3可以对办公常见设备类型和设备一般控制和运行方式进一步的总结得到表2-4。表2-4办公建筑设备一般运行策略类别主要运行设备运行模式运行调节依据：主要影响因素暖通设备冷水机组手动开关根据气温灵活调节：室外温度（变频）冷冻水泵冷水机组联动控制联动时间程序控制：温度、压力控制（变频/定频）冷却塔手动开关根据回水温度：回水温度（变频/定频）冷却水泵冷却塔关联运行联动时间程序控制：温度、压力控制（变频/定频）空调机组时间程序控制运行周期：工作日工作时间/全新风（变频/定频）新风机组时间程序控制季节调节：定时开关（变频）照明插座室内插座用户特征室内照明手动开关室外照明时间程序控制随季节调整开关时间公区照明时间程序控制随时间段调整开关时间卫生间照明手动开关控制常开电梯升降电梯自动运行无人时停使且照明自动关断自动扶梯自动运行无人搭乘停驶或慢性给排水给排水系统24h运行其他动力其他动力系统24h运行信息中心信息中心24h运行信息中心空调24h运行1.3办公建筑电力能耗占比特征根据1.1节建筑能耗拆分方法可以对办公建筑各线路进行实地调研整理，按照暖通空调、一般照明插座设备、一般动力设备、特殊功能设备4大类进行二次整合，对每类能耗占比进行分析确定建筑主要耗能分项及其内部设备占比。办公建筑租区全年使用时间约为200~250天，平均每日设备运行时间为11小时，设备全年运行时间约为2200~2750小时。根据对北京市甲级办公建筑的调查，办公建筑单位建筑面积全年用电平均约为150~200kWh，以其中一栋建筑为例各分项能耗全年占比均值如图2-2所示，空调系统分项耗电量占比如图2-3所示[34]。如图2-2所示，空调系统占比为37%，照明和办公设备占比分别为28%和22%，其他能耗（除电梯外的一般动力能耗和特殊用电）占比为10%，电梯分项能耗占比为3%。如图2-3所示，在全年占比最大的空调系统中，冷冻机占总耗电量的30%，由于该办公建筑采用变风量系统，空调箱风机占比约为45.3%，冷泵和冷却塔能耗占比合计为15.5%，而采暖泵电耗约为9.2%。根据研究人员的实际调研[34]和模拟[62]，可以得到一般办公建筑中空调系统和照明系统为总能耗占比的第一、二位。1.4办公建筑电力能耗线路组成特征办公建筑在设计阶段依据设计图纸和建筑需求进行电气设计，对各低压配电箱引出线路所带的负载进行规划设计并预留部份空白线路，便于根据建筑后期需求进行电气线路持续的增添修改。但是，现阶段办公建筑电力线路实际运行阶段存在两个问题：一方面由于施工、运行阶段的不稳定因素，线路实际连接设备可能与原始设计不符；另一方面，由于办公建筑用电设备数量远大于建筑电气线路数量，无法保证线路与设备一一对应或者一条线路只连接同一种设备，极易出现线路设备混杂的现象。实现电力能耗远程监控一般需要对线路安装远程电表，由于该设备费用较高，对于多线路设备一般不单独安装，在使用建筑能耗监控平台数据时还需要对线路设备连接情况进行了解。因此，依据建筑原始电气设计接口建立的建筑能源监测平台单一线路所连设备出现的7种模式如表2-5所示：表2-5能耗线路组成类型序号能耗线路组成类型1单一定频2单一变频3同类定频4同类变频5定-定频线路6定-变频线路7变-变频线路综上所述，通过对建筑管理者关心的电力能耗线路及重点设备的运行方式进行分析说明，进一步明确办公建筑能耗监控平台电力用能的基本情况。并且可知办公建筑电力线路“纯”度较低，部份线路所连设备组合比较复杂，尤其对于多设备线路尤其是不宜进行二次拆分的变-变频设备，无法直接根据设备特性和指标对能耗异常进行有效判断。因此，利用各线路历史数据发现其用能规律并进行诊断十分的有意义。2电力能耗数据准备2.1数据收集计算机、通信、自动化等技术的发展促进了建筑行业向智能化、自动化方向的转型。随着楼宇智能化和自动化程度的提升，以楼宇自控系统为代表的适应各种智能化应用场景的各类楼宇实时监视、控制系统（如机房群控、照明监控系统、安全监控系统等）不断涌现。电力监控平台是一种主要针对建筑的电力能源消费建筑能耗监测平台。电力监控平台利用远传电表实现对建筑电力线路的监控，为建筑供配电网络和用电设备提供24h不间断的保护和监控，提高供配电可靠性和自动化水平。电力监控平台可以提供电力网络仿真、可视化建筑电力网络运行、监测电力网络系统性故障，实现供配电无人值守。电力监控平台通过数据采集箱采集各电表的电力数据，同时电力监控平台提供Web监控和管理平台。电力监控Web平台具备友好的人机界面，能够以配电一次干线图的形式直观显示配电线路的分布情况，同时将实时采集的各回路的电参量信息，以及配电回路开关的分合闸状态，接地刀闸状态及相关故障、告警信号，实时显示在系统界面中。电力监控平台的建立实现了建筑内的电力消耗在线实时监控，其数据库中存储了大量的建筑分项电力能耗数据，为本文研究提出的基于实际建筑能耗数据的异常诊断提供了广泛的数据来源。但是，电力监控平台只能监控电表所在线路的设备或设备组电力能耗数据，而非单一设备的电力监控。因此，如何利用能耗自身特性实现异常诊断是本文研究的重点内容之一。2.2数据异常值处理电力能耗监控平台具有数据远传功能，因此易受到数据采集、存储等环节的影响，造成数据与真实值不符。其异常数据的种类如表2-6所示，主要包括：（1）数据缺失；（2）数据突变；（3）数据隐性异常；（4）数据传输异常。表2-6电力监测平台数据异常及特征数据类型数据特征异常数据数据缺失无数据数据突变数据过大或过小，不能反映真实情况数据隐性异常数据不符合用能设备实际运行特点数据传输异常设备掉线（数据冲突），数据不能反映真实情况其中，数据缺失值主要由传感器故障或者信号传输错误引起，显示为空值，一般处理方法包括插补法、删除法、建模法等[63]。数据传输异常一般由通信冲突导致，表现为数据出现长期恒值或错误代码值，如“0”、“999”等。而数据突变和数据隐性异常与数据的运行状态紧密相关，异常值的判断和处理方法层出不穷，常见的方法包括箱线图法、基于距离的聚类法、机器学习的方法等；常见的异常值处理方法有删除法、常量替换法、插补法和建模分析法[64]。本文将根据被处理对象的数据特征选择不同的数据异常值判断方法。3办公建筑电力能耗特征研究3.1人员行为特征办公建筑人员行为具有明确的周期性，且与时间具有强相关性。一般办公建筑工况根据工作日和休息日类型划分为工作日工况和非工作日工况，星期一至星期五为工作日，星期六、星期日为非工作日，除此之外法定节假日一般也为非工作日工况。在两种工况之间的设备运行情况一般具有较大的差异，非工作日工况电力能耗往往低于工作日工况，形成电力能耗波谷，同时设备运行情况也有所不同。因此两工况之间不进行比较，在各自工况内进行比较。同时，办公建筑内人员具有相对固定的上下班时间，设备运行也具有周期性特征，一般工作时间开启、非工作时间关闭。如图2-5所示，通过某建筑2019年7月1日-7月7日的建筑总能耗、冷水机组能耗和办公区域升降电梯三类能耗分析，建筑能耗在一个自然周内逐日能耗分为工作日和非工作日两种工况，每日逐时能耗可以根据上下班时间分为工作时间（08:00-19:00）和非工作时间（19:00-08:00）。3.2时间序列特征3.1时间序列平稳性分析建筑电力能耗数据是典型的时间序列，时间序列对于平稳性的定义有两种一种为严平稳时间序列，另一种为宽平稳时间序列。对于严平稳时间序列，时间序列的行为（统计学分布）不随时间的变化而变化；对于宽平稳时间序列，时间序列在低阶（一阶、二阶）情况下不随时间的变化而变化，两者没有确定的包含关系。本文利用建筑电力能耗数据的时间序列特征进行研究，而不利用其统计学特征对其进行建模，不涉及后续的时间序列稳定性转化。本文采用自相关性（ACF）、偏自相关性（PACF）和ADF-KPSS联合检验对建筑时间序列平稳性特征进行可视化和定量的分析。ACF描述了一个观测值和另一个观测值之间的自相关，包括直接和间接的相关性信息；PACF是部分自相关函数或者偏自相关函数，可以实现时间序列的平稳性的可视化检验。ADF检验通过确定时间序列中单位根的存在性判断序列是否平稳，ADF检验原假设为序列有一个单根，存在单根则序列平稳或差分平稳。ADF检验假设一个时间序列Y满足高阶自相关：(2-1)同时减去Yt−1(2-2)其中，，，可得到：包含截距项序列：(2-3)包含截距项和趋势向序列：(2-4)对式（2-2）、式（2-3）和式（2-4）求解。若γ=0，则支持原假设；若γ<0，则备择假设为真。KPSS检验假设序列趋势平稳，备择假设为原序列为单位根过程，其假设与备择与ADF检验相悖。KPSS检验假设序列yi(2-5)其中，yi为观测序列，zi为yi与趋势得偏差值，且zi=γi+εi，γi为随机游走序列，满足γi=综上所述，ADF检验和KPSS检验都是利用检验统计量与置信区间进行比较，不同的是ADF检验中检验统计量小于临界值，拒绝原假设，即序列平稳；KPSS检验中检验统计量大于临界值，拒绝原假设，即序列不平稳。根据ADF检测原理可知ADF检验的备择假设为线性平稳或差分平稳时间序列，而KPSS检验则可以识别时间序列的趋势平稳性。因此，综合两类检验结果得到如表2-7所示的时间序列特征分析结果。表2-7ADF-KPSS联合检验结果分析矩阵序号ADF检验KPSS检验平稳性分析1平稳平稳平稳2非平稳非平稳非平稳3平稳非平稳差分平稳4非平稳平稳趋势平稳其中，两类检验皆平稳的序列为严格平稳序列其均值、方差和协方差均不随时间变化；ADF检验结果平稳且KPSS检验结果非平稳的序列为差分平稳序列，进行差分后序列平稳；ADF检验结果非平稳且KPSS检验结果平稳，则该序列为趋势平稳序列，该序列没有单位根但显示出明显趋势；其余序列为非平稳序列。根据本文研究对象，即办公建筑电力线路能耗，不存在趋势平稳，因此本文不给予考虑。3.2时间序列离散度分析根据时间序列平稳性定义，时间序列平稳需要满足以下三个要求，式（2-6）、式（2-7）和式（2-8）所示：(2-6)(2-7)(2-8)也就是对于时间序列Y：（1）随机变量的期望(均值)μ不随时间t改变；（2）任意时刻二阶矩都存在；（3）两个随机变量之间的自相关系数，只与这两个变量的时间间隔有关，而不随时间的推移而改变。通过上三式可知，即使是平稳序列依旧可能具有较大的离散度，而离散度较大的时间序列与离散度较小的时间序列相比其回归和预测误差更大。因此，离散度也应作为办公建筑能耗特征分析内容之一。时间序列离散度采用变异系数（CV）表示，CV代表数据的离散程度的绝对值大小。变异系数为无量纲数据，可以对不同组别的数据进行横向的分析和比较。变异系数计算公式，如式（2-9）所示：(2-9)其中，CV为差异系数，Stv.为标准差，Mean为平均数，一般变异系数大于15%，则序列离散度较大。3.3影响因素对现有研究的分析，梁等人[65]对商业办公建筑能耗基准模型进行分析指出日类型、室外温度对于其能耗预测至关重要；赵德印等人[66]以室外干球温度、日期和小时为输入参数对办公建筑VRV系统能耗进行输入和评价；孙勇军[67]在输入参数中加入室外温度和相对湿度变量可以提升办公建筑能耗预测的精度。可以看出现有研究：一方面，强调了室外温度、相对湿度和时间变量对于办公建筑用能特性评估的重要性；另一方面，这些变量在实际建筑（即使是信息较少的老建筑）的BAS系统中也是普遍存在的。根据表2-2、表2-3和表2-4可知，办公建筑设备的运行策略和调节依据。室外气候条件和操作人员的手工调节对设备运行有较大影响，进而影响建筑各设备电力能耗水平。对于室外气候条件中温度和湿度对建筑能耗影响最为明显，夏季建筑开启空调、加湿等设备、冬季建筑则需要开启采暖设备，这些都会导致能耗的急剧增加；对于操作人员的手工调节，现阶段大部分设备都具有内部控制逻辑，操作人员一般都针对设备的开启时间进行调节，具有一定的经验规律。本节通过同工况工作模式下的逐时能耗与时间变量、室外天气变量和室外湿度变量关系分析确定影响该线路电力能耗的主要影响因素。常见的相系数有三种：Pearson系数、Spearman系数和Kendall系数。其中，Pearson系数最为常用，但是该方法就有两点局限性：一方面，Pearson系数算法适用于正态分布数据，若数据分布不呈现正态分布，则可能造成计算偏差；另一方面，Pearson系数利用协方差进行相关计算，易受异常值影响鲁棒性差。针对真实建筑能耗逐时数据波动性强和非严格线性的特点，选择Spearman系数作为相关行分析计算依据，其计算公式为：(2-10)其中，Ui为变量Xi的相对位置或者顺序，Vi则对应着Yi的具体值的相对位置或者顺序，利用位置变量替代绝对值变量，降低了Spearman系数的敏感性。相关性系数在-1~1之间，因此相关类型分为：正相关、负相关和不相关三种。绝对值越接近1，变量之间相关性越强；反之则相关性越弱。4基于历史数据特征的办公建筑能耗分类4.1基于历史数据特征的办公建筑能耗分类原则根据1节对办公建筑电力能耗系统研究和3.1节对办公建筑人员行为特征的分析研究，可知办公建筑内人员行为具有典型的周期性，并且设备实际运行具有季节性和不确定性。因此，根据办公建筑设备实际运行策略和人员行为特征将建筑全年工况进行如表2-8划分。按照设备实际运行策略和不同月份设备运行的策略，将全年分为供冷季、供暖季和过渡季；按照人员使用特征，将全年工况划分为工作日和非工作日、工作时间和非工作时间。结合办公建筑电力能耗线路及已知设备管理运行规律对办公建筑能耗进行初步分类。根据3.2节和3.3节对办公建筑电力能耗时间序列特征的分析和影响因素相关性的研究，提出如图2-6所示的基于历史数据的办公建筑能耗分类方法。该方法在了解办公建筑设备运行策略和线路基本组成的基础上，发掘历史能耗特征，为实现对多模式的子项能耗的电力能耗异常诊断打下基础。同时，该方法有效拓宽了办公建筑电力能耗诊断方法应用范围，并针对性的解决了办公建筑能耗线路组成不“纯”导致的无法直接根据设备特性和指标对能耗异常进行有效判断的问题。基于数据的办公建筑电力能耗分类算法，针对逐日和逐时能耗分层次进行时间序列和影响因素相关性判断，最终根据能耗线路数据特征得到如表2-9所示的5类能耗线路，为下一步利用数据特征建立多模式能耗异常诊断奠定数据基础。表2-8办公建筑全年工况划分序号月类型日类型时间类型1供冷季工作日工作时间2供冷季非工作日非工作时间3供暖季工作日工作时间4供暖季非工作日非工作时间5过渡季工作日工作时间6过渡季非工作日非工作时间根据3.2节和3.3节对办公建筑电力能耗时间序列特征的分析和影响因素相关性的研究，提出如图2-6所示的基于历史数据的办公建筑能耗分类方法。该方法在了解办公建筑设备运行策略和线路基本组成的基础上，发掘历史能耗特征，为实现对多模式的子项能耗的电力能耗异常诊断打下基础。同时，该方法有效拓宽了办公建筑电力能耗诊断方法应用范围，并针对性的解决了办公建筑能耗线路组成不“纯”导致的无法直接根据设备特性和指标对能耗异常进行有效判断的问题。基于数据的办公建筑电力能耗分类算法，针对逐日和逐时能耗分层次进行时间序列和影响因素相关性判断，最终根据能耗线路数据特征得到如表2-9所示的5类能耗线路，为下一步利用数据特征建立多模式能耗异常诊断奠定数据基础。基于历史数据特征的办公建筑能耗分类算法流程为：（1）对选择线路逐日能耗进行稳定性检验。计算ADF检验和KPSS检验结果并根据表2-7判断能耗序列的平稳性和非平稳性；（2）若线路为平稳序列，计算其变异系数：变异系数小于15%，线路为Ⅰ类线路；变异系数大于15%，线路为Ⅴ类线路；（3）若线路为非趋势平稳的非平稳序列，对月类型、日类型和时间类型相同的运行工况，即同运行工况下的线路逐时能耗稳定性进行分析；（4）若该线路同工况下逐时能耗为平稳序列，该线路为Ⅱ类线路；（5）若该线路同工况下逐时能耗为非趋势平稳的非平稳序列，将逐时能耗、室外天气和小时变量进行Spermanen相关系数分析，进一步将序列分为室外气候强相关序列和弱相关序列。若该能耗与室外气候具有较强的相关性，则该能耗线路为Ⅲ类能耗；（6）若同工况下逐时能耗与室外气候具有较弱，对日运行能耗进行进一步平稳性验证，确定其能耗运行模式。日运行数据平稳则该能耗线路为Ⅳ类线路；否则，该能耗线路为Ⅴ类线路；（7）选取新的线路返回步骤（1）。表2-9基于数据特征的能耗线路分类类型编号能耗序列特征Ⅰ类逐日能耗平稳且离散度小Ⅱ类逐日能耗不平稳且逐时能耗平稳Ⅲ类逐日能耗非平稳且逐时能耗气候条件强相关Ⅳ类逐日能耗非平稳且室外气候弱相关且日运行逐时能耗平稳Ⅴ类逐日能耗非平稳且室外气候弱相关且日运行逐时能耗非平稳4.2案例分析4.1数据来源 本小节使用北京市某建筑2018年12月-2019年12月全年逐日、逐时电力能耗数据对办公建筑电力能耗数据的分类原则进行验证。由于该办公建筑电力能耗计量线路共计168条（包含商区和租区）数量过大，经访谈可知该建筑运维人员主要关注包含公区照明和暖通空调设备的电力线路能耗消耗，且设备运行具有季节性规律。因此，本小节针对该建筑公区照明（低区干线）和暖通空调设备（冷水机组、冷却塔、冷泵组合线路、新风机组）子线路共5条线路数据工作日工况进行分类验证。4.2线路分类结果 （1）对公区照明（低区干线）和暖通空调子线路全年运行期间能耗平稳性进行检验，首先对其进行自相关图和偏自相关图分析，得到如图2-7、图2-8、图2-9、图2-10和图2-11。再进行ADF-KPSS联合检验，结果如表2-10所示,表2-11为KPSS检验临界水平参照值，即置信水平1%、5%和10%置信度下的T检验临界值。表2-10运行阶段ADF-KPSS联合检验结果设备名称ADF检验KPSS检验T检验P值（保留两位小数）T检验P值（保留两位小数）公区照明（低区干线）-5.590.000.180.10冷水机组-2.030.270.280.10冷泵组合-1.380.590.460.05冷却塔-170.220.260.10新风机组-160.220.440.06表2-11KPSS检验参照KPSS检验参照值（T检验）临界水平/%临界值10.73950.463100.347根据ADF检验和KPSS检验原理可知：ADF检验中显著性P<0.05拒绝原假设，则该序列ADF检验平稳；KPSS检验中显著性P<0.05拒绝原假设，则该序列KPSS检验非平稳。根据表2-10和表2-11中ADF-KPSS联合检验结果，与表2-7ADF-KPSS联合检验结果分析矩阵进行比较可以得到：公区照明（低区干线）、冷水机组、冷泵组合、冷却塔、新风机组5条线路中只有公区照明（低区干线）线路全年运行阶段工作日能耗平稳，其余四条线路全年运行阶段工作日能耗不平稳。ADF-KPSS联合检验结果与自相关图、偏自相关图结果一致。（2）对公区照明（低区干线）能耗的离散度进行分析。对公区照明（低区干线）线路全年运行阶段工作日能耗进行离散度分析，根据式（2-9）可以计算出该线路变异系数为6.8%<15%。综合上述分析，可知公区照明（低区干线）线路为Ⅰ类线路，即全年运行阶段逐日能耗平稳且离散度小。（3）暖通空调设备（冷水机组、冷却塔、冷泵组合线路、新风机组）子线路月类型、日类型和时间类型相同的运行工况进行分析。以暖通空调设备供冷季能耗为例，对工作日运行工况逐时能耗进行自相关图、偏自相关图分析，得到如图2-12、图2-13、图2-14和图2-15。再对工作日运行工况逐时能耗进行