原創(chuàng) 黃巍 高性能建筑

引言

對(duì)于建筑空調(diào)負(fù)荷的準(zhǔn)確預(yù)測(cè)，有助于智能建筑系統(tǒng)更好地進(jìn)行空調(diào)系統(tǒng)控制和電力需求側(cè)響應(yīng)。以夏季為例，建筑冷負(fù)荷主要由外部氣象因素引起的冷負(fù)荷(即外擾冷負(fù)荷)和內(nèi)部得熱引起的冷負(fù)荷(即內(nèi)擾冷負(fù)荷)，以及新風(fēng)處理冷負(fù)荷組成。內(nèi)擾冷負(fù)荷主要由建筑內(nèi)部人員和設(shè)備因素引起 ，外擾冷負(fù)荷主要為建筑圍護(hù)結(jié)構(gòu)溫差傳熱形成的冷負(fù)荷和太陽輻射得熱形成的冷負(fù)荷[1,2]。

傳統(tǒng)建筑中的空調(diào)系統(tǒng)控制方式一般為反饋控制，即通過實(shí)時(shí)比較室內(nèi)設(shè)計(jì)溫度與實(shí)際溫度的差值，基于運(yùn)行調(diào)節(jié)公式，使室內(nèi)實(shí)際溫度逐漸接近設(shè)定溫度并穩(wěn)定[3]，此過程存在時(shí)間上滯后性且不利于系統(tǒng)節(jié)能。近年來，物聯(lián)網(wǎng)監(jiān)測(cè)技術(shù)、計(jì)算機(jī)技術(shù)、大數(shù)據(jù)技術(shù)等先進(jìn)技術(shù)飛速發(fā)展，為基于數(shù)據(jù)和模型算法的前饋控制技術(shù)應(yīng)用提供了廣闊空間，前饋控制克服了反饋控制滯后性的特點(diǎn)。對(duì)于建筑領(lǐng)域，采用合理的運(yùn)行調(diào)節(jié)方式是暖通空調(diào)前饋控制的主要途徑之一，實(shí)行空調(diào)負(fù)荷預(yù)測(cè)是實(shí)現(xiàn)前饋控制的基礎(chǔ)[4]。近年來針對(duì)空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)的研究已較為成熟，許多學(xué)者將機(jī)器學(xué)習(xí)領(lǐng)域的算法應(yīng)用到負(fù)荷預(yù)測(cè)的研究中并取得良好效果[5~8]，但將預(yù)測(cè)模型應(yīng)用到實(shí)際工程的研究較少。通過何種方式將良好的預(yù)測(cè)模型應(yīng)用到建筑本身，如何根據(jù)建筑的實(shí)際數(shù)據(jù)特點(diǎn)實(shí)現(xiàn)自動(dòng)化負(fù)荷預(yù)測(cè)過程，這些都是亟待解決的問題。

基于微服務(wù)架構(gòu)的空調(diào)負(fù)荷預(yù)測(cè)

中國(guó)建研院環(huán)能院研發(fā)的“高性能智能建筑解決方案”中，基于Python語言，開發(fā)了一套自動(dòng)化空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)的程序，并將該程序獨(dú)立為一個(gè)微服務(wù)。微服務(wù)架構(gòu)（Microservice Architecture）是一種架構(gòu)概念，旨在通過將功能分解到各個(gè)離散的服務(wù)中以實(shí)現(xiàn)對(duì)解決方案的解耦。新一代互聯(lián)網(wǎng)應(yīng)用架構(gòu)，將復(fù)雜龐大的單體應(yīng)用分解為多個(gè)獨(dú)立運(yùn)行，獨(dú)立處理業(yè)務(wù)的微型應(yīng)用。單個(gè)應(yīng)用的功能簡(jiǎn)單專一，獨(dú)立部署，獨(dú)立運(yùn)行。

基于微服務(wù)架構(gòu)的空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)實(shí)現(xiàn)思路為：

基于微服務(wù)架構(gòu)的空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)，解決了以下幾個(gè)問題

1.1

模型輸入?yún)?shù)的選取

近年來，不斷完善的建筑能耗監(jiān)測(cè)系統(tǒng)為基于大數(shù)據(jù)的負(fù)荷預(yù)測(cè)技術(shù)提供了良好的數(shù)據(jù)基礎(chǔ)，建筑實(shí)際運(yùn)行數(shù)據(jù)的獲取是負(fù)荷預(yù)測(cè)實(shí)現(xiàn)的必要前提。中國(guó)建研院環(huán)能院的建筑能耗監(jiān)測(cè)平臺(tái)已實(shí)現(xiàn)了對(duì)項(xiàng)目實(shí)際數(shù)據(jù)的監(jiān)測(cè)與獲取，監(jiān)測(cè)數(shù)據(jù)同步上傳至數(shù)據(jù)庫(kù)，主要數(shù)據(jù)包括：室外氣象參數(shù)、室內(nèi)環(huán)境參數(shù)以及建筑能耗系統(tǒng)運(yùn)行狀態(tài)參數(shù)等。

數(shù)據(jù)庫(kù)中的主要配置信息包括：項(xiàng)目數(shù)據(jù)庫(kù)信息、項(xiàng)目地點(diǎn)信息、建筑使用時(shí)間、訓(xùn)練數(shù)據(jù)的時(shí)間段等。通過讀取數(shù)據(jù)庫(kù)的配置信息，負(fù)荷預(yù)測(cè)程序可實(shí)現(xiàn)對(duì)不同項(xiàng)目的數(shù)據(jù)讀取。空調(diào)系統(tǒng)負(fù)荷的影響因素主要包括室外氣象參數(shù)（室外溫度、室外相對(duì)濕度、太陽輻照度等）與室內(nèi)環(huán)境參數(shù)（人員在室率、設(shè)備開啟率等），建筑的外圍護(hù)結(jié)構(gòu)熱工性能對(duì)空調(diào)系統(tǒng)負(fù)荷也有極大的影響。通過上述分析，室外氣象參數(shù)需要作為模型的輸入，此部分?jǐn)?shù)據(jù)可從能耗監(jiān)測(cè)平臺(tái)獲??；室內(nèi)人員、設(shè)備及圍護(hù)結(jié)構(gòu)、溫度水平的影響蘊(yùn)含在歷史數(shù)據(jù)中，因此歷史時(shí)刻的負(fù)荷值需要作為模型的輸入?yún)?shù)；對(duì)于不同類型的建筑，建筑的使用時(shí)間也不相同，因此時(shí)間參數(shù)也需要作為模型的輸入?yún)?shù)。讀取參數(shù)后，程序?qū)⒆詣?dòng)對(duì)各個(gè)參數(shù)與空調(diào)負(fù)荷之間進(jìn)行相關(guān)性計(jì)算，選取對(duì)空調(diào)負(fù)荷影響較大的參數(shù)作為最終的模型輸入?yún)?shù)。

1.2

預(yù)測(cè)模型的最優(yōu)選擇

獲取建筑的實(shí)際運(yùn)行數(shù)據(jù)后，程序?qū)?shù)據(jù)自動(dòng)輸入不同的算法進(jìn)行模型訓(xùn)練，程序中主要是基于多元非線性回歸算法以及支持向量機(jī)算法的預(yù)測(cè)模型。基于交叉驗(yàn)證的思想，將輸入數(shù)據(jù)按配置信息中的比例分為訓(xùn)練集與測(cè)試集，將通過訓(xùn)練集得到的預(yù)測(cè)模型用于測(cè)試集，將測(cè)試集的預(yù)測(cè)值與實(shí)際值進(jìn)行比較計(jì)算，評(píng)價(jià)模型精度。其中，程序在采用不同算法進(jìn)行訓(xùn)練時(shí)，對(duì)訓(xùn)練結(jié)果的精度比較，選取最優(yōu)模型為最終的負(fù)荷預(yù)測(cè)模型。

1.3

數(shù)據(jù)的讀出與寫入

在模型訓(xùn)練之前，程序從數(shù)據(jù)庫(kù)中讀取項(xiàng)目的歷史運(yùn)行數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和篩選后帶入訓(xùn)練模型進(jìn)行訓(xùn)練，將訓(xùn)練后的模型用于原始數(shù)據(jù)測(cè)試集的預(yù)測(cè)，通過比較不同模型的預(yù)測(cè)精度來決定最終的預(yù)測(cè)模型，并將預(yù)測(cè)結(jié)果返回?cái)?shù)據(jù)庫(kù)。返回的參數(shù)主要包括：最優(yōu)模型、最優(yōu)模型參數(shù)、訓(xùn)練數(shù)據(jù)來源、未來24h的預(yù)測(cè)負(fù)荷等，這些參數(shù)返回?cái)?shù)據(jù)庫(kù)后，可供展示或調(diào)用。

實(shí)際應(yīng)用

在獲得較好的負(fù)荷預(yù)測(cè)模型之后，如何將預(yù)測(cè)模型用于工程實(shí)際中，也是需要解決的問題，程序?qū)⑼ㄟ^歷史數(shù)據(jù)獲得的負(fù)荷預(yù)測(cè)模型用于實(shí)際項(xiàng)目未來24h空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)。與模型訓(xùn)練時(shí)相同，對(duì)某一時(shí)刻進(jìn)行負(fù)荷預(yù)測(cè)，需要知道該時(shí)刻的相關(guān)參數(shù)，其中，未來24h的時(shí)間參數(shù)可以由當(dāng)前時(shí)刻直接推導(dǎo)出來，歷史時(shí)刻負(fù)荷值可以按時(shí)間從能耗監(jiān)測(cè)系統(tǒng)中提取，而未來時(shí)刻的氣象參數(shù)無法直接獲取，需要從氣象網(wǎng)站獲取未來24h的氣象參數(shù)預(yù)測(cè)值。

中國(guó)氣象網(wǎng)提供了全國(guó)各個(gè)地區(qū)的未來24h氣象參數(shù)預(yù)報(bào)，如下圖所示：

在數(shù)據(jù)庫(kù)中配置項(xiàng)目的地點(diǎn)信息，程序?qū)?huì)從中國(guó)氣象網(wǎng)獲取該地區(qū)的未來24h氣象參數(shù)預(yù)報(bào)。獲取未來24h氣象參數(shù)后，將該部分參數(shù)與數(shù)據(jù)庫(kù)中獲取的歷史時(shí)刻負(fù)荷值按時(shí)間對(duì)應(yīng)，即可作為未來24h空調(diào)負(fù)荷預(yù)測(cè)的模型輸入?yún)?shù)。

以中國(guó)建研院近零能耗示范樓的負(fù)荷預(yù)測(cè)模型為例，將訓(xùn)練后的預(yù)測(cè)模型對(duì)示范樓2019年夏季空調(diào)負(fù)荷進(jìn)行預(yù)測(cè)，并與實(shí)際值對(duì)比，計(jì)算決定系數(shù)R2，預(yù)測(cè)結(jié)果如下：

根據(jù)結(jié)算結(jié)果可以看出，有94%以上的預(yù)測(cè)點(diǎn)的真實(shí)值與預(yù)測(cè)值的R2值在0.8以上，有84%以上預(yù)測(cè)點(diǎn)的真實(shí)值與預(yù)測(cè)值的R2值在0.9以上，表明該模型具有較高精度。

結(jié)語

基于微服務(wù)架構(gòu)的空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)通過數(shù)據(jù)讀取、數(shù)據(jù)處理、模型訓(xùn)練等關(guān)鍵步驟實(shí)現(xiàn)了建筑未來時(shí)刻的負(fù)荷預(yù)測(cè)，預(yù)測(cè)負(fù)荷可用于展示未來時(shí)刻的負(fù)荷變化趨勢(shì)以及空調(diào)能源系統(tǒng)的前饋控制，在提高室內(nèi)熱舒適性的同時(shí)也極大的降低了系統(tǒng)的運(yùn)行能耗。中國(guó)建研院是建筑領(lǐng)域規(guī)模最大的技術(shù)研發(fā)機(jī)構(gòu)，企業(yè)歸屬于中央直屬企業(yè)，綜合實(shí)力強(qiáng)，信譽(yù)可靠，國(guó)家相關(guān)標(biāo)準(zhǔn)的編制和管理單位。本系列產(chǎn)品來自多年來國(guó)家科技支撐和重點(diǎn)研發(fā)專項(xiàng)的核心技術(shù)成果，具有大量的技術(shù)儲(chǔ)備，具有未來發(fā)展的充足動(dòng)力！中國(guó)建研院是技術(shù)提供方，不是競(jìng)爭(zhēng)對(duì)手，希望通過技術(shù)與產(chǎn)品，賦能合作伙伴，攜手發(fā)展，為新基建做出貢獻(xiàn)！

參考文獻(xiàn)

[1]彥啟森,?趙慶珠.建筑熱過程[ M] .北京:中國(guó)建筑工業(yè)出版社, 1986 :30 -31

[2]陳沛霖,?曹叔維,?郭建雄.空氣調(diào)節(jié)負(fù)荷計(jì)算理論與方法[ M] .上海:同濟(jì)大學(xué)出版社, 1987 :125 -139

[3]李云輝.暖通空調(diào)自動(dòng)控制系統(tǒng)應(yīng)用研究[J].住宅產(chǎn)業(yè),2018(10):64-66.

[4]曹勇,崔治國(guó),劉輝,付顯濤,武根峰,魏景姝.前饋控制技術(shù)在暖通空調(diào)領(lǐng)域的研究應(yīng)用綜述[J].建筑節(jié)能,2018,46(08):82-85+91.

[5]周璇,楊建成.基于支持向量回歸機(jī)的空調(diào)逐時(shí)負(fù)荷滾動(dòng)預(yù)測(cè)算法[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,45(03):952-957.

[6]建筑空調(diào)負(fù)荷預(yù)測(cè)算法研究[D].北京：北京建筑大學(xué),2018.

[7]候鵬.?基于最小二乘支持向量機(jī)的空調(diào)負(fù)荷預(yù)測(cè)應(yīng)用研究[D].廣州：華南理工大學(xué),2015.

[8]石凱.?基于模型預(yù)測(cè)控制的建筑供冷負(fù)荷節(jié)能優(yōu)化策略研究[D].廣州：華南理工大學(xué),2019.