基于多元线性回归模型的建筑能耗预测与建筑节能分析*

樊丽军

(山西大学 工程管理系，山西 太原 030000)



基于多元线性回归模型的建筑能耗预测与建筑节能分析*

樊丽军*

(山西大学 工程管理系，山西 太原 030000)

针对城市建筑能耗的节约与有效利用，提出一种基于多元线性回归模型(MLRP)的建筑能耗预测与建筑节能分析模型．以天然气和电力为能耗目标，将建筑类型、建筑年代、占地面积和居住人数等参数作为输入特征，利用多元线性回归模型分析出对能耗具有显著性影响的因素，并预测整个区域的能耗．另外，通过该预测模型，可以评估实施改善措施后建筑的节能潜力．实验给出了各种场景下的建筑节能潜力，分析结果表明，提出的预测模型能够精确预测区域能耗．

能耗预测; 建筑节能分析；多元线性回归模型；显著性影响因素

居住建筑能耗的高低取决于多因素，具有时变性、复杂性、随机性、地域性等特点[1～3]．研究区域居住建筑能耗的影响因素，系统地积累居住建筑能耗的基础数据，并建立相应能耗影响因素预测模型是制定整个行业发展战略和规划的基础与前提，对于推动建筑节能具有重要的现实意义[4～7]．

本文提出一种基于多元线性回归模型(MLRM)[8]的建筑能耗估计模型与节能分析方法．通过采取一些改善措施，并利用本文模型预测能耗结果，然后与国家给出的能耗基准值进行比较，则可以估计出能源节省的潜力．

1　提出的住宅能耗预测模型

1.1降尺度多元线性回归模型

在特定地区上构建回归方程，基于一系列与房屋特性有关的解释变量，将特定地区上的天然气消耗和电能消耗降尺度到住宅级别，下列两个等式分别给出了天然气和电能的最终回归模型：

(1)

(2)

因变量y为测得的每所住宅每年平均能耗(天然气或电能)，在特定地区上直接可用．自变量与住宅特性和住户的组成相关，例如占地面积xfloor、居住人数xpeople和住宅类型xtype,i．

1.2预测误差计算

同感计算特定地区上天然气消耗和电能消耗的预测误差可评估预测模型的性能．本文在实验中绘制了预测值与实际测量值，来观察预测性能，并计算平均绝对百分比误差(MAPE)，来评估预测模型的准确性：

(3)

1.3能源消耗预测

(4)

(5)

(6)

式中Tm为室外平均温度．一年的实际度日(ADD)由一年内所有天的DD总和给出，长期平均值(平均度日，MDD)根据30年的平均ADD来计算，设定天气条件的校正系数fweat为相对热度日(RDD)的倒数，定义为校正能量消耗值的具体年份的ADD值和MDD之间的比率：

fweat=1/RDD=1/(ADD/MDD).

(7)

对空间采暖的能源消耗计算，运用根据天气条件Qtot,Norm获得的校正系数来计算总消耗：

Qtot,Norm=Qh*fweat+QDHW+Qcooking.

(8)

1.4建筑节能潜力估计

基于上面描述的国家基准值，通过比较当前状态和改造后状态住宅的能耗值，可以进行初步能源节省分析．其中，改善性措施有：更换保温外墙和屋顶、置换窗户、暖气和通风系统的升级．本文实验中为每类住宅实施这样的改造措施，然后预测能耗以计算节能百分比．

2　实验及分析

2.1实验数据

本文以山西省太原市小店区作为实验对象，2012年的住宅数为297 300左右．将住宅存量分为六种住宅类型：独立式住宅，半独立式住宅都是单座家庭住房；联排式住宅是连成一排的房子，与邻居共享隔断墙；别墅是二层公寓，往往有一个独立的入口．另外，有两种不同配置的公寓，酒店式公寓和客栈式公寓.

2.2预测误差分析

对各种住宅类型和时间段的情况下，进行200次天然气和电力消耗的预测实验，记录预测值，并将其和实际测量值进行比较．图1描述了在特定地区上，住宅平均天然气消耗的预测值与测量值的散点图，图2描述了电力消耗的预测值与测量值的散点图．其中，横坐标表示实际测量的值，纵坐标表示本文模型预测的值，虚线表示预测值和测量值之间存在±20%误差的分界线．可以看出，对于天然气消耗，18%的预测值和偏离测量值超过±20%；而对于电能消耗，降到了8%．天然气消耗预测的较大差异归因于原始数据集的准确性和天然气测量程序，以及建筑特征的变化．

对于天然气，模型预测中平均绝对百分比误差(MAPE)为13%，对于电能为9%，这就说明本文预测模型的预测精度达到了90%左右，具有较高的准确性．这些结果提供了统计分析中误差空间分布的初步评估，通过执行进一步分析，可获得更大地区的预测，并检测整个城市能源消耗的可能空间模式．

2.3建筑节能潜力分析

表1给出了不同建筑年代和各种类型住宅在执行改造措施后，空间采暖和生活热水的节能潜力．可以看出，建筑年代越久的住宅，其建筑能耗节省潜力越大．例如，1990年之前的住宅，能源节省潜力最高，平均节能百分比为56%，而2010年之后的住宅，其平均节能潜力只为3%．

对于建筑类型，公寓-客栈(26%)、别墅(29%)和联排式住宅(20%)具有较大的能源节省潜力，因为这些是当前住宅存量的主要部分．独立式住房和非独立式住房仅分别为总能源节约潜力贡献了3%～12%，这说明对单户家庭房子上实施改善措施并不能给整个城市带来较大节能效益．

表1　不同建筑年限和建筑类型的住宅改造之后的能源节省潜力Tab.1　Energy savings potential for space heating and domestic hot water after the implementation of typical refurbishment based on dwelling type and period of construction

3　结束语

提出一种基于多元线性回归模型(MLRP)的建筑能耗预测与建筑节能分析模型．考查了建筑类型、建筑年代、占地面积和居住人数等参数，利用多元线性回归模型预测特定区域的天然气和电力能耗，并评估实施改善措施后建筑的节能潜力．实验中，将实际测量值和本文预测模型的预测值进行比较，预测精度达到了90%，具有较高的准确性．同时，能够给出各种建筑的节能潜力，为整个城市的能源规划决策者提供依据．

[1]蒲清平, 李百战, 喻伟. 重庆城市居住建筑能耗预测模型[J]. 中南大学学报：自然科学版, 2012, 43(4):1 551-1 556.

[2]赵超, 林思铭, 许巧玲. 基于GM-RBF神经网络的高校建筑能耗预测[J]. 南京理工大学学报, 2014, 38(1):48-53.

[3]ZOU C, LIU X L. Urban building energy consumption forecast based on the IPAT theory[J]. Advanced Materials Research, 2013, 68(9):482-486.

[4]PU Q P,LI B Z, WEI Y U. Energy consumption forecast model of urban residential buildings inChongqing[J]. Journal of Central South University, 2012, 43(4):1 551-1 556.

[5]张广明, 唐桂忠, 俞辉. 机关办公建筑和大型公建能耗监管系统平台若干关键技术[J]. 南京工业大学学报：自然科学版, 2012, 33(5):45-50.

[7]陈榕, 钟林志, 赵超,等. 基于改进灰色模型的建筑能耗预测研究[J]. 福州大学学报：自然科学版, 2013, 41(5):903-908.

[8]马媛, 于军琪, 杨柳,等. 大型公共建筑能耗动态模型的研究与应用[J]. 计算机工程与应用, 2011, 47(16):214-217.

责任编辑：龙顺潮

Energy Consumption Forecasting and Energy Saving Analysis of Urban Buildings Based on Multiple Linear Regression Model

FANLi-jun*

(Project Management Department,Shanxi University,Taiyuan 030000 China)

For the issues that the saving and effective use of urban building energy consumption, a model of energy consumption forecast and energy saving analysis of urban buildings based on multiple linear regression model(MLRP) is proposed. This paper takes the natural gas and electric power as the energy consumption target,the building type, building age, floor area and number of residence as input characteristic parameters of multiple linear regression model, to analyze the factors which have a significant influence on energy consumption, so as to forecast the energy consumption of the whole region. In addition, it can evaluate the energy saving potential of the building after the implementation of the improvement measures by the prediction model. The experimental results show that the model can predict the regional energy consumption accurately, and give the building energy saving potential of various scenarios.

energy consumption forecast; energy saving analysis; multiple linear regression model; significant influence factors

2015-09-03

山西省科技厅项目(2015041011-3)

樊丽军(1972-)女，山西 运城人，讲师. E-mail:fls413@163.com

T012

A

1000-5900(2016)01-0123-04