基于BPT-MLR模型的建筑能耗分析和预测

通过对福建省厦门市某高校8栋公寓楼的房间日平均用电量的分析,提出一种建筑能耗的平衡点温度-多元线性回归(BPT-MLR)模型.使用统计方法识别平衡点温度,并根据该平衡点温度分段对房间日平均用电量进行多元线性回归预测分析;对8个参数进行筛选,最终选4个参数作为模型变量,包括1个数值型变量(室外空气平均温度)和3个定类型变量(性别、节假日指数和晴雨天指数).结果表明：对比3种数据驱动模型,BPT-MLR模型的预测性能最优,其R²值达到了95.29%,比BP神经网络模型和多元线性回归模型的R²值分别高出0.04%和24.64%.     

能耗实时监测的数据挖掘方法

针对能耗监测常用的设定能耗阈值方法和基于历史数据的数据分析方法在实时性和智能性方面的不足,提出了一种基于数据挖掘技术的能耗实时监测方法。该方法通过对历史能耗数据进行聚类分析识别耗能体特有的能耗模式集合,对数据分类后获得能耗模式判定树,在能耗实时监测过程中对动态采集的能耗数据进行模式匹配,与相同模式历史数据进行离群点分析,可判别当前能耗是否异常。结合某综合大楼能耗数据进行了实验,验证了该方法及时发现能耗数据异常的有效性。     

基于数据的建筑能耗分析与建模

对建筑能耗数据进行深入分析,提出了建立建筑电力能耗模型的方法.首先对建筑能耗进行了分项计量,统计了建筑逐时照明能耗数据,办公设备能耗数据以及办公人数,同时调查了建筑管理控制方式.经过分析可知,办公设备能耗数据与办公人数线性相关,而照明能耗数据与办公人数以及太阳辐射强度相关,但为非线性关系.根据不同类型数据的特点,分别建立了线性回归模型以及决策树模型.该模型可以预测建筑能耗并评估建筑管理方式对能耗的影响.     

基于GPS/GIS/GPRS/WSN的起重机能耗与排放实时监测系统

给出了一种动态实时跟踪起重机能耗与排放参数的方法,该方法主要利用GPS/GPRS/GIS以无线传感网络(WSN)耦合,实现即时测试起重机的能耗与排放参数,旨在跟踪起重机在不同作业环境下的能耗与排放规律,为优化与改进产品性能提供科学数据。     

基于PCA-MLR的公共建筑能耗报警阈值计算

为提高建筑能耗监测系统的运行管理效率,提出一种基于PCA-MLR的公共建筑能耗报警阈值计算方法.首先根据建筑的实际使用情况对能耗进行分类处理,接着以温度、含湿量、风速等8个环境因素作为初始变量,通过主成分分析,提取5个主元.在此基础上,分别建立不同类型能耗的多元线性回归模型.对模型进行F检验,并与单一元线性回归模型进行对比,模型精度较高.将方法用于公共建筑能耗监测系统,系统运行正常可靠,误报警少,强化了系统的报警性能.     

基于AP-BP神经网络的建筑能耗分析与预测

建筑行业对能源的节约是当前节约能耗的重要途径之一,在对能源浪费现状和建筑物能源绩效调研和分析的基础上,提出了一种基于affinity propagation（AP）聚类的back propagation（BP）神经网络建筑能耗分析与预测方法。通过AP聚类算法对影响建筑能耗的多维因素进行聚类分析,得到影响建筑能耗的主要因素并作为BP神经网络的输入,然后将建筑能耗指标热负荷和冷负荷作为BP神经网络的输出,建立建筑能耗分析与预测模型。均方根误差（RMSE）和平均相对泛化误差（ARGE）评价指标分析结果表明,本文所提方法对能耗值预测的拟合程度优于经典的BP神经网络,且通过建筑能耗输入输出的结构调整能够节约能耗,提高能效。     

建筑能耗与环境监测系统标准化数据提取技术

目前,中国国内的建筑能耗和环境参数监测并未形成统一的标准,不同的能耗监测系统互不兼容,导致绝大部分的建筑能耗与环境监测数据无法有效集成和融合,造成了数据资源的严重浪费。该文首先定义了面向建筑动态监测数据的能耗与环境参数数据模型,并提出了建筑动态能耗数据的提取与集成的方法,同时开发与实现了相应的建筑能耗数据提取软件模块,并在实际工程中进行了验证。最后,对此技术的相关问题和应用前景进行了讨论。     

国内外建筑能耗监测平台建设调查与研究

基于我国几个典型城市,特别是深圳市的国家机关办公建筑和其他大型公共建筑能耗监测平台建设情况,详细阐述了我国能耗监测平台的建设背景及组成部分以及取得的成果和存在的问题,并提出了下一步工作的建议.     

缸套活塞环实时磨损监测方法

介绍一种新的缸套活塞环模拟磨损实时监测方法，采用一种新的缸套活塞环零部件模拟磨损试验机进行缸套活塞环零部件模拟磨损试验时，活塞环弹性背压加载系统输出的载荷信号随缸套、活塞环的磨损而变化．叙述了试验机的加载方法，进而在该试验机上进行了缸套活塞环模拟磨损试验，并对试验过程中载荷随磨损时间的变化关系、缸套磨损后的表面形貌以及线性磨损量进行综合分析．实验结果表明，通过载荷信号的变化来实时监测缸套、活塞环的动态磨损，这种监测方法可有效地对缸套、活塞环的相对耐磨性进行评价，并对缸套、活塞环的综合磨损状态进行实时监测，简化了试验数据的测量。     

工矿企业的计算机能耗监测系统

本文提出采用计算机辅助的能耗监测系统,有效了解能耗的实时数据和动态分布情况,为能耗统计和节能管理等服务提供重要的基础数据。     

大型公共建筑能耗监控系统研究

建立一个大型公共建筑能耗监测平台,获取建筑各分类分项能耗数据.能耗数据传输至数据中心进行分析处理,把分析处理结果通过网页以图表等形式对外公布.系统按功能分为数据采集子系统、数据传输子系统和数据处理子系统.基于能耗数据监测平台应用模糊控制技术对建筑能耗引入监控环节,约束大型公共建筑的能源消耗,提高建筑运行能效.     

基于改进灰色模型的建筑能耗预测研究

针对公共建筑逐月能耗呈现周期性震荡的特点,提出一种基于改进灰色模型的建筑能耗预测方法.在传统灰色模型(grey model,GM)的基础上,对建筑能耗的历史数据进行三角变换法处理,较好地解决了震荡序列的模拟和预测;引入弱化缓冲算子改善原始数据序列变化率较大时TGM模型的预测效果.将弱化TGM预测模型应用于各类建筑物的能耗预测,取得较为满意的结果.     

基于PCA与RBF的建筑能耗预测建模

由于建筑能耗因子间存在非线性和高度冗余特性,传统预测方法很难消除数据之间冗余和捕捉非线性特征,导致预测精度较低.为了提高建筑能耗预测精度,提出一种将主成分分析(principal component analysis,PCA)和径向基函数(radial basic function,RBF)神经网络相结合的建筑能耗预测方法(PCA-RBF).利用PCA消除建筑能耗高维变量数据的相关性,并按累积贡献率提取主成分,将主成分作为RBF神经网络的输入进行训练学习.通过PCA避免了模型过多的输入导致的训练耗时长及预测精度较低的不足.通过将PCA-RBF模型方法应用于某办公建筑能耗的预测中,并与RBF神经网络及BP神经网络模型相比,实验结果表明PCARBF模型方法能有效提高建筑能耗预测精度.     

Chinese kangs and building energy consumption

Chinese kangs are an integrated system for cooking, sleeping and heating in rural Northern China with more than 2000 years history. In 2004 there were 67 million Chinese kangs used by 44 million rural families or 174 million people. Chinese kangs store surplus heat from stove during cooking and releases it later for both home heating and localized bed heating. Such a widely used heating system has been rarely studied. Understanding kangs is important for developing new effective home heating systems for better energy efficiency and improving indoor air quality in Northern China. In this paper, we review and present some preliminary results from our field measurement and mathematical modeling, and discuss the development of Chinese kangs as related to future energy consumption in rural homes, and building energy consumption in China in general. We suggest that transition and new technologies for rural home heating in Northern China, i.e. the future of Chinese kangs, should be considered as the top priority in managing future building energy consumption in China. Supported by the grant from the Research Grants Council of the Hong Kong Special Administrative Region, China (Grant No. HKU 7154/05E) and National Natural Science Foundation of China 2007 Young Researcher Award (Grant No. 50729803) The work is also a part of the International Energy Agency Annex 44 project on Integrating Environmentally Responsive Elements in Buildings.     

建筑采光屋顶面积对建筑节能的影响研究

结合成都万达商业广场步行街采光顶,利用DeST软件进行全年逐时的供冷、采暖和采光能耗的分析,对不同采光顶面积下进行了能耗对比,给出了不同采光顶面积下的能耗规律和经济性角度上的最优节能面积,为以后城市综合体建设提供基础.     

GM-LSSVM模型在建筑能耗预测中的应用

为提高大型公共建筑能耗的预测精度,提出一种基于灰色模型和最小二乘向量机方法(GM-LSSVM)的办公能耗预测模型.该方法结合灰色建模计算简单的特点,以及最小二乘支持向量机非线性拟合能力和泛化能力强的优势,充分发掘样本数据的规律,并以粒子群优化算法进行模型参数选择.根据福州某大型公共建筑能耗数据,通过本研究提出的方法建立预测模型,并与神经网络模型以及最小二乘支持向量机模型的预测结果进行比较,验证了该方法具备较高的预测精度和较强的泛化能力.     

基于物联网高校能耗智能化监控系统

利用物联网物物相连的特点,设计了廊道、教室的智能化照明,水电能源的智能化管理以及监控系统,解决了高校水电能源的浪费问题。