基于时序分析的人员在室预测模型及其参数优化

分析了人员在室的时序规律,提出了基于时序分析的人员在室预测模型及其参数优化方法。将体现人员在室规律的时刻信息与历史在室概率作为输入训练模型,实现了人员在室预测。以混淆矩阵、正确率与均方根误差(E)作为指标,提出了人员在室预测模型的检验方法。选取珠海市某办公楼内1间办公室累计1年的人员在室数据作为实测案例,验证了人员在室预测模型,结果表明,人员在室预测的综合正确率为89.4%,E为0.325 9。     

基于人员位置大数据的建筑人员作息模式研究

建筑中的人行为对建筑能耗具有重要的影响,建筑的人员作息是建筑能耗模拟的重要输入参数。然而,当前获取建筑人员作息的主要方法,如红外传感法和人员计数法等,存在精度较低、有系统误差或耗时耗力等问题,在实际工程中不能很好地推广应用。随着社交媒体软件的普及,其中的人员定位信息可以用于反映建筑人员作息。通过聚类分析的方法得到了典型的人员逐日及逐周的作息,并在此基础上提出了一系列分别反映人员逐日和逐周作息特征的描述性指标。以北京某医院建筑的人员作息为例进行了分析,并进一步通过对比发现,基于人员位置大数据的人员作息与能耗标准中的人员作息具有十分显著的差异,前者可以更客观地反映建筑人员在室特征。     

基于自编码算法聚类的城镇住宅建筑日用电典型模式分析

面对能源短缺和环境污染问题,为了实现节能减排的目标,可再生能源近年来得到发展。可再生能源产能特性不同于传统的电力网络,具有更强的波动性与不稳定性,使得供电侧与用电侧负荷特性的相互匹配尤为重要。因此,在实际工程应用中,需要对建筑用电的负荷特性做深入分析,有助于传统电力系统与可再生能源的结合,指导调配控制策略的设计制定。本研究关注区域、城市规模级别下,不同家庭住户的用电负荷特性,针对住宅用电负荷展开聚类分析,分析区域内住宅的日用电特性。原始数据来自各户家庭智能电表的每日电耗数据,在一年时间的监测跨度下,每一户数据呈现"高维特征"。为避免"维数灾难",本研究引入自编码算法对高维数据做降维运算,并利用k维近邻算法对用电数据预处理剔除异常值。对降维后的数据做聚类分析,分析不同类别的用电尖峰值与负荷特性,得到住宅用电量随季节变化特征。本研究以中国南京市城区住宅为例,对住宅建筑用电做聚类分析,本研究对于区域用电容量设计以及储能规划具有一定的指导作用。     

基于DeST的城市建筑能耗模拟平台开发

我国建筑运行用能占社会总能耗的22％.城市建筑能耗模拟为评估区域可再生能源潜力、节能改造效果、气候变化对城市影响等方面提供重要支撑.而城市建筑能耗模拟面临数据来源庞杂,城市热岛、建筑遮挡等影响因素复杂,计算规模巨大等挑战.因此,城市建筑能耗模拟平台的开发尤为重要.本研究提出一个基于DeST的城市建筑能耗模拟平台(DeST-urban),实现了从城市三维几何数据到城市建筑的DeST能耗模型的自动生成,并实现了多线程并行模拟.本文以北京市五环内区域的建筑能耗模拟为案例,分析了城市气象的空间差异对建筑耗冷热量的影响.考虑建筑当地的气象后,相比采用单一默认气象,城市建筑的逐时耗冷热量的最大值和累计值均呈现显著变化.     

基于统计方法的家用电器行为模型

随着城镇化进程发展与居民生活水平提升,城镇住宅能耗总量提升。与此相关,家用电器能耗占比增加。实际上,不同住户之间,住宅实际用能差异很大,分析其原因,住户的行为差异是巨大的实际能耗差异的重要原因之一。用能总量提升的背景下,需求侧响应尤为重要,要求对小时间步长的负荷特性有更加深入的研究。因此住宅逐时功率负荷特性,尤其是家用电器的逐时负荷特性备受关注,要求模型具备三个方面的特性:住户用能模式随机性,模型可推广性与验证的完备性。本文提出一种基于单户家庭单个家用电器能耗数据的分析方法与家用电器行为模型的构建思路,通过模型构建,实现家用电器能耗与逐时负荷特性的再现。本文以电视机作为研究案例,开展数据分析与模型构建,同时将提出的模型,与马尔科夫模型效果进行对比,经过模型检验,验证了提出模型的准确性与可靠性。文章所提出模型,对于单户住宅乃至区域住宅的用能分析,具有工程实际应用的可推广性。     

基于问卷调研的住宅净化器使用行为模式研究

住宅建筑室内空气品质(IAQ)越来越受到人们关注。室内空气品质严重影响到了人们的工作效率甚至是健康。随着人们健康意识的提高,空气净化器作为改善室内空气品质的一种有效手段正被广泛应用。实现对系统运行能耗和室内环境状况准确预测,从源头治理,是解决建筑全过程节能的基础之一。而建筑中人行为又是影响室内空气品质和建筑能耗的重要因素,不同特征的人行为将导致室内空气品质和建筑能耗的差异。为了解不同人员使用净化器的行为习惯,作者于2018年4月在全国范围进行了问卷调查。本文对问卷结果进行分析,发现净化器使用行为具有多样性。初步总结了导致净化器使用行为差异的驱动因素,其中事件驱动因素为:刚到家时、离家时、睡觉时、开窗时;环境驱动因素为:室外雾霾时、室外无雾霾时、有人吸烟时以及有异味时,其中前三者体现在PM_(2.5)浓度上。本文对问卷得到的"室外雾霾时开、睡觉时关、离家时关"等几种行为模式进行了工况模拟。模拟结果发现,不同净化器行为模式下营造的室内环境有较大差别。