導(dǎo)語(yǔ)：物聯(lián)網(wǎng)技術(shù)在建筑能耗感知預(yù)測(cè)的應(yīng)用一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

【摘要】在保證建筑使用舒適度的情況下，為對(duì)建筑電力能耗情況實(shí)時(shí)監(jiān)測(cè)與預(yù)測(cè)，本研究探索基于物聯(lián)網(wǎng)技術(shù)的建筑能耗感知預(yù)測(cè)系統(tǒng)的建設(shè)方法，提出系統(tǒng)架構(gòu)及相關(guān)配置情況，闡述系統(tǒng)的典型應(yīng)用，為能耗感知預(yù)測(cè)系統(tǒng)的研發(fā)提供思路，助力實(shí)現(xiàn)建筑運(yùn)行過(guò)程中節(jié)約能耗、提高能源使用效率的目的，提高現(xiàn)代化城市管理能力。

【關(guān)鍵詞】物聯(lián)網(wǎng)技術(shù)；建筑能耗預(yù)測(cè)；能耗監(jiān)測(cè)系統(tǒng)

1引言

隨著經(jīng)濟(jì)的發(fā)展與人口數(shù)量的增加，人們對(duì)能源的需求也急速增長(zhǎng)，統(tǒng)計(jì)結(jié)果表明，全國(guó)建筑全過(guò)程能耗與碳排放變化總體上呈現(xiàn)出一致性的階段性特點(diǎn)，2005年~2019年，我國(guó)建筑的全過(guò)程能耗由9.34億噸標(biāo)準(zhǔn)煤上升到22.33億噸標(biāo)準(zhǔn)煤，年均增長(zhǎng)率6.3%，建筑全過(guò)程碳排放由22.34億噸二氧化碳增長(zhǎng)到49.97億噸二氧化碳，年平均增長(zhǎng)率為5.92%，其中，2019年建筑運(yùn)行階段碳排放21.3億噸，占全國(guó)碳排放的21.6%，雖然年均增長(zhǎng)率逐漸放緩，但是建筑運(yùn)行過(guò)程中能源消耗依然占很大比重，因此，建筑物的能耗監(jiān)測(cè)與預(yù)警成為眾多學(xué)者的研究對(duì)象。胡瑩堅(jiān)[1]為避免地下室中布線困難等問(wèn)題，開(kāi)發(fā)了基于LoRa技術(shù)的建筑物能耗監(jiān)測(cè)系統(tǒng)；陳輝[2]以建筑物耗能特點(diǎn)為研究對(duì)象，在建筑物節(jié)能標(biāo)準(zhǔn)中提取影響能耗的主要因素，并建立神經(jīng)網(wǎng)絡(luò)算法對(duì)建筑物能耗仿真，提高建筑物能耗評(píng)估的智能度；侯驍虎[3]以物聯(lián)網(wǎng)技術(shù)、傳感器技術(shù)與軟件開(kāi)發(fā)技術(shù)為實(shí)現(xiàn)手段，結(jié)合當(dāng)前國(guó)內(nèi)外高校在能耗監(jiān)測(cè)應(yīng)用系統(tǒng)開(kāi)發(fā)與應(yīng)用方面所積累的經(jīng)驗(yàn)，為某高校開(kāi)發(fā)了校園能耗監(jiān)測(cè)綜合管理平臺(tái)。開(kāi)發(fā)基于物聯(lián)網(wǎng)技術(shù)的電力能耗感知預(yù)測(cè)系統(tǒng)，對(duì)建筑物電力能耗進(jìn)行實(shí)時(shí)預(yù)測(cè)和監(jiān)控，存儲(chǔ)過(guò)往歷史數(shù)據(jù)，預(yù)測(cè)用電高峰期與低谷期，實(shí)現(xiàn)電力資源的“削峰填谷”，可以有效提高能源的使用效率，減少能源浪費(fèi)。

2建筑能耗感知預(yù)測(cè)系統(tǒng)

2.1物聯(lián)網(wǎng)技術(shù)概述21世紀(jì)以來(lái)，物聯(lián)網(wǎng)技術(shù)發(fā)展迅速，已經(jīng)成為我國(guó)信息產(chǎn)業(yè)的重要組成部分。物聯(lián)網(wǎng)技術(shù)主要通過(guò)前端設(shè)備的布置，將采集到的信號(hào)與網(wǎng)絡(luò)進(jìn)行連接，通過(guò)有線或者無(wú)線方式將信號(hào)實(shí)時(shí)傳輸[4]，實(shí)現(xiàn)對(duì)物體的有效定位、識(shí)別等功能。物聯(lián)網(wǎng)技術(shù)架構(gòu)主要分為三層，即：感知層、網(wǎng)絡(luò)層和應(yīng)用層[4]。感知層依靠安裝布置在物體上的傳感器設(shè)備，對(duì)物體信息采集與發(fā)送，網(wǎng)絡(luò)層在接收到信息后，使用互聯(lián)網(wǎng)、無(wú)線網(wǎng)絡(luò)等技術(shù)將信息傳送到應(yīng)用層，通過(guò)應(yīng)用層對(duì)信息進(jìn)行智能處理，實(shí)現(xiàn)物體實(shí)時(shí)監(jiān)控或控制的智能化管理體系。物聯(lián)網(wǎng)技術(shù)的發(fā)展和通信技術(shù)的進(jìn)步加快了我國(guó)智慧城市的發(fā)展進(jìn)程，建筑能耗感知與預(yù)測(cè)作為智能建筑的重要分支，也將得到更加廣泛的應(yīng)用。2.2系統(tǒng)架構(gòu)建筑能耗感知預(yù)測(cè)系統(tǒng)主要依托于物聯(lián)網(wǎng)技術(shù)以及智慧城市管理平臺(tái)（見(jiàn)圖1），整體系統(tǒng)架構(gòu)根據(jù)物聯(lián)網(wǎng)基本架構(gòu)分為感知層、傳輸層和應(yīng)用層三部分，應(yīng)用層依據(jù)系統(tǒng)實(shí)際應(yīng)用功能分為能耗數(shù)據(jù)管理子系統(tǒng)及能耗預(yù)測(cè)子系統(tǒng)兩部分。本文研究對(duì)象為建筑物的電力耗能，能耗管理子系統(tǒng)對(duì)建筑物已發(fā)生的耗能進(jìn)行有效記錄與存儲(chǔ)，能耗預(yù)測(cè)子系統(tǒng)根據(jù)傳感設(shè)備采集到的預(yù)測(cè)指標(biāo)對(duì)建筑物能耗進(jìn)行預(yù)測(cè)，便于建筑管理人員對(duì)能耗進(jìn)行有效把控。

3系統(tǒng)功能

3.1能耗感知模塊物聯(lián)網(wǎng)技術(shù)的本質(zhì)是通過(guò)互聯(lián)網(wǎng)實(shí)現(xiàn)物與物之間的相互連接，并實(shí)現(xiàn)物與物之間的信息聯(lián)通和交互[5]。建筑物能耗的實(shí)時(shí)感知依賴(lài)互聯(lián)網(wǎng)設(shè)備的布置，能耗數(shù)據(jù)通過(guò)傳感器設(shè)備采集后，利用無(wú)線通信技術(shù)傳輸?shù)椒?wù)器，服務(wù)器將數(shù)據(jù)進(jìn)行處理后存儲(chǔ)在后臺(tái)數(shù)據(jù)庫(kù)，并在能耗管理平臺(tái)展示能耗情況。傳感裝置用于采集各類(lèi)數(shù)據(jù)，包括能耗監(jiān)測(cè)數(shù)據(jù)和環(huán)境監(jiān)測(cè)數(shù)據(jù)，能耗監(jiān)測(cè)數(shù)據(jù)用于建筑物能耗實(shí)時(shí)感知，環(huán)境監(jiān)測(cè)數(shù)據(jù)用于能耗預(yù)測(cè)。能耗感知模塊會(huì)對(duì)房間的能耗實(shí)時(shí)監(jiān)測(cè)對(duì)比，當(dāng)房間內(nèi)的耗能超過(guò)歷史消耗能耗的最高值時(shí)，則會(huì)在系統(tǒng)頁(yè)面對(duì)建筑管理人員提示，建筑管理人員不僅可以查看能耗實(shí)時(shí)數(shù)據(jù)，還可對(duì)歷史數(shù)據(jù)進(jìn)行分類(lèi)篩選、搜索等操作，便于管理人員的決策。3.2能耗預(yù)測(cè)模塊能耗預(yù)測(cè)模塊配合能耗管理系統(tǒng)，根據(jù)歷史數(shù)據(jù)對(duì)建筑物未來(lái)能耗進(jìn)行準(zhǔn)確預(yù)測(cè)，合理優(yōu)化用電配置，減少建筑用電浪費(fèi)和碳排放。本研究基于物聯(lián)網(wǎng)技術(shù)采集能耗預(yù)測(cè)所需指標(biāo)，構(gòu)建BP（Backpropagation反向傳播）神經(jīng)網(wǎng)絡(luò)進(jìn)行建筑物能耗預(yù)測(cè)，其基本流程如圖2所示，通過(guò)傳感器采集室外溫度等所需信息，將采集到的信息傳輸?shù)焦芾砥脚_(tái)，將模型數(shù)據(jù)擬合后便得到建筑能耗預(yù)測(cè)結(jié)果，將結(jié)果返回用戶(hù)界面。BP神經(jīng)網(wǎng)絡(luò)算法是一種多層前饋神經(jīng)網(wǎng)絡(luò)，基于最速下降法進(jìn)行求解[6]，能夠模擬人的思維模式對(duì)機(jī)制進(jìn)行學(xué)習(xí)，被廣泛地應(yīng)用于建筑領(lǐng)域的能耗預(yù)測(cè)。BP神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層與輸出層，在本研究當(dāng)中，輸入層指標(biāo)包括建筑面積、室外溫度、空調(diào)維持溫度以及人員密度四個(gè)指標(biāo)，經(jīng)過(guò)擬合后得到建筑物耗電量結(jié)果，即輸出層，其神經(jīng)元個(gè)數(shù)為一，而隱含層的神經(jīng)元個(gè)數(shù)是通過(guò)算法訓(xùn)練過(guò)程中的不斷調(diào)整達(dá)到最優(yōu)的。本研究中算法的訓(xùn)練數(shù)據(jù)為天津市中新生態(tài)城某幼兒園的歷史數(shù)據(jù)，數(shù)據(jù)集溫度覆蓋-8%至32℃，基本滿足全年所有工況。算法訓(xùn)練完成后進(jìn)行封裝，在進(jìn)行能耗預(yù)測(cè)時(shí)將建筑面積、室外溫度、空調(diào)維持溫度以及人員密度四個(gè)指標(biāo)輸入算法，算法經(jīng)過(guò)擬合計(jì)算后得到建筑能耗預(yù)測(cè)結(jié)果，并將結(jié)果返回用戶(hù)界面，如圖2結(jié)果輸出部分所示。

4系統(tǒng)典型應(yīng)用

4.1信息存儲(chǔ)功能智慧城市管理平臺(tái)后臺(tái)內(nèi)置數(shù)據(jù)庫(kù)，存儲(chǔ)建筑能耗歷史數(shù)據(jù)，便于管理者查詢(xún)使用的同時(shí)，可用于算法訓(xùn)練優(yōu)化迭代。4.2信息查詢(xún)功能可以按照時(shí)間段對(duì)能耗數(shù)據(jù)進(jìn)行查詢(xún)篩選，同時(shí)，還可以按照能耗量篩選數(shù)據(jù)，便于管理者分析歷史數(shù)據(jù)，合理制定能源使用策略.4.3能耗異常預(yù)警功能系統(tǒng)可對(duì)能耗實(shí)時(shí)感知，并與歷史平均數(shù)據(jù)進(jìn)行對(duì)比，若出現(xiàn)過(guò)高或過(guò)低的異常情況，則在管理平臺(tái)中顯示警報(bào)，提示建筑管理人員對(duì)該建筑或房間的能耗情況進(jìn)行調(diào)查。4.4能耗預(yù)測(cè)功能構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，使用物聯(lián)網(wǎng)設(shè)備采集相關(guān)指標(biāo)，自動(dòng)預(yù)測(cè)耗電量，得到某一房間或建筑的預(yù)測(cè)耗能，給建筑管理人員的能源分配決策提供指導(dǎo)。

5結(jié)語(yǔ)

綜上所述，隨著物聯(lián)網(wǎng)技術(shù)的進(jìn)步和智慧城市的發(fā)展，基于物聯(lián)網(wǎng)技術(shù)構(gòu)建建筑物能耗感知預(yù)測(cè)系統(tǒng)，可以使建筑物能耗可視化、存儲(chǔ)歷史數(shù)據(jù)、賦能城市管理水平、提高建筑管理能力以及能源使用效率。

參考文獻(xiàn)

[1]胡瑩堅(jiān).基于LoRa技術(shù)的建筑物能耗監(jiān)測(cè)系統(tǒng)在人防地下室中的實(shí)現(xiàn)[J].現(xiàn)代建筑電氣，2020，11（8）：28-30.

[2]陳輝.基于神經(jīng)網(wǎng)絡(luò)分析的建筑物耗能仿真模型分析[J].佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版)，2022，40（1）：13-15+138.

[3]侯驍虎.高校校園能耗監(jiān)測(cè)綜合管理平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D].大連：大連理工大學(xué)，2017.

[4]梁禹鵬.基于物聯(lián)網(wǎng)技術(shù)的未來(lái)智能樓宇系統(tǒng)探析[J].智能建筑與智慧城市，2022（1）：113-115.

[5]付川琪.基于CFD仿真和SVM算法的建筑能耗預(yù)測(cè)系統(tǒng)云平臺(tái)[D].南京：南京信息工程大學(xué)，2021.

[6]滕文龍，叢炳虎，商云坤，張予宸，白天.基于MEA-BP神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測(cè)模型[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2021，51（5）：1857-1865.

作者：于佳怡 周銳 鐘煒 單位：天津理工大學(xué)管理學(xué)院 天津生態(tài)城國(guó)有資產(chǎn)經(jīng)營(yíng)管理有限公司