大型公共建筑电气设备能耗预测方法研究

司圣生

0 引言

当前经济的发展与文化的进步，使得对于公共空间的开发以及利用都达到了前所未有的高度。与其他类型的建筑相比较，其对于能源的需求量更加庞大。在此背景下，在建筑设计初期以及建筑能源管理过程中，对其能耗进行精准预测成为至关重要的环节之一。作为一种现代建筑形式，其对能源的应用都是通过电气设备实现的，不仅如此，电气设备自身的能量转换能力也对其能耗值的高低有直接影响。现阶段大多数据的能耗预测都是以现有数据为基础展开的。其中，文献[5]提出了一种以鲸鱼算法为基础的能耗监测方法，通过对其表现出的发展趋势和特征实现对短期内建筑群综合能耗的预测，其在一定程度上实现了对能耗发展主要趋势的预测，但在精度上存在明显不足；文献[6]借助现代数据挖掘技术对综合体的能耗情况进行分析，进一步提高了对能耗特征的提取精度，并通过分析结果实现了对建筑能耗的预测，但是其对于数据的依赖性较强，一旦在运行数据中出现非常态的能耗数值，或者由于故障等问题导致能耗出现异常，都会引起预测结果的误差。

对此，本文提出一种大型公共建筑电气设备能耗预测方法研究，在实际应用测试中对其预测结果的准确性进行验证。通过本文的研究，以期为相关能源管理工作的开展提供参考。

1 建筑能耗预测方法设计

1.1 电气设备能耗粒子化处理

对于大型公共建筑而言，其电气设备的安置数量明显较多，因此，要实现对建筑能耗的准确预测，首先要对每个设备的能耗作出最佳定量判断。以此为基础，对所有设备的信息进行综合，得出最终的预测结果。考虑到建筑内的能耗设备数量问题，本文采用PSO（Particle Swarm Optimization，粒子群优化）算法实现对能耗的预测。因此，在对建筑整体进行预测之前，首先对建筑内的建筑设备进行粒子化处理。

假设建筑内的电气能耗设备数量为n，则对应生成n 个粒子。需要注意的是，在对其进行粒子化处理时，在后期的预测中需要计算粒子的最优值，若粒子的复杂性过高会加大寻优的难度，除此之外，粒子之间的关联性也会降低粒子寻优的效果。为此，本文在对电气设备进行粒子化处理时主要首先保持了其本身的简洁性，未额外设置参数对粒子的一致性进行固态调整，其次，未对粒子建立梯度依赖性关系，确保粒子的独立性。以此为基础，在n 个粒子中，任意粒子都可以表示为：

其中，表示对应建筑内第n 个电气设备的粒子信息， h表示建筑内第n 个电气设备所处的环境信息， w表示建筑内第n 个电气设备覆盖范围的温度信息，表示建筑内第n 个电气设备覆盖范围内的人群流量信息。

通过这样的方式，实现对大型公共建筑内电气设备的粒子化处理，为后续的能耗预测工作提供基础。

1.2 电气设备能耗预测

在上述基础上，对电气设备能耗的预测就可以转化为对n个粒子最优值的综合计算。本质上，可以将其理解为对粒子在能耗赋值范围内的定位问题，本文借助PSO 算法的优势实现该过程。

首先，对由n 个粒子组成的粒子群进行初始化处理，确保各粒子的初始位置在其对应的可行解空间范围内，此时的可行解空间范围就是电气设备运行能耗的最大值和最小值之间的范围。以此为基础，对粒子的移动速率进行约束，由于不同粒子寻优范围也不同，因此本文以区间范围的形式对其进行设置，并表示为[v，v]。计算方式为：

其中，和分别表示粒子可行解最小空间范围和最大空间范围。以此为基础，粒子寻优函数表示为：

其中，(*)表示寻优函数，表示目标温度值， W表示对应的可行解空间范围。其中，受环境基础条件以及人群流量的双重影响，因此其计算方式：

其中，表示环境的基础状态，表示单个人群流量对环境温度的扰动系数，表示基础人群流量。

通过这样的方式，计算得到所有粒子的最优值，再对其进行求和即可得到最终的能耗预测结果：

其中，P 即为最终的预测结果。

通过这样的方式，实现对建筑电气能耗的准确预测。

2 应用测试

为了对本文设计预测方法的有效性进行分析，进行了试验测试，并将文献[5]和文献[6]提出的方法作为此次测试的对照组。

2.1 测试环境

本文以某智能生产办公型建筑作为测试目标，其属于综合建筑，总建筑面积为14 500m，地上总建筑面积为12 500m，地下总建筑面积为2 000m，建筑总占地面积为1 850m。对建筑的整体构造进行分析，总层数为16 层，其中包含14 层地上建筑和2 层地下建筑，地上建筑总高度为60m。建筑的主要构架是通过剪力墙为基础搭建的。其中，建筑在功能上具有明显的多样性，包括以安全和信息管理为目标的资源调度中心、以紧急问题处理为目标的应急管理中心、以信息交互管理为目标的通信办公以及基础的办公区、会议区、商务接待区、资料管理区，基础的电气管理配套设施装置在集中的配置房中统一管理。由于建筑自身的面积较大，因此空调的冷热源供应是通过多联机空调机组实现的。多联机的外机部分设置在主楼侧面。建筑的基础能耗参量指标如表1 所示。

表1 测试建筑基础能耗参数统计表

按照表1 的数据信息，分别采用三种方法对未来半年内建筑的能耗进行预测。

2.2 测试结果

在上述基础上，三种方法对未来半年内的能耗需求预测结果如表2 所示，统计了实际的能耗情况与之进行比较，分析其预测的准确性。

从表2 中可以看出，文献[5]方法的预测结果与实际能耗之间的差异较大，最大误差达到了30×10kwWh，且测试结果始终低于实际结果。文献[6]方法的预测结果与实际能耗结果的接近程度有所提升，但稳定性方面仍有提升空间，其中最小误差仅为3.78×10kwWh，最大误差达到了11.66×10kwWh。相比之下，本文方法的预测结果与实际能耗值之间的差异始终稳定在2.0×10kwWh 以内，表明本文设计方法能够实现对建筑能耗的准确预测。

表2 预测结果统计表/103kwWh

3 结语

建筑能耗预测的重点在于对建筑动态能源需求变化的准确分析，而在实际的预测过程当中，这类变化是受多方面因素共同作用影响的，这就导致对其的预测精准度较低。本文提出一种大型公共建筑电气设备能耗预测方法研究，实现了对目标期限内能耗的准确预测。通过本文的研究，也希望为相关建筑能耗管理相关问题的开展提供有价值的参考。