基于监测数据的校园建筑贝叶斯能耗预测方法与应用

【摘要】：面对全球气候变化带来的巨大挑战,世界各国积极寻求绿色低碳发展方法。中国提出二氧化碳排放量力争2030年前达到峰值,努力争取2060年实现碳中和目标。据统计,建筑碳领域排放量占到全国总碳排放量的近三分之一,因此建筑领域的节能减碳对我国实现碳达峰、碳中和目标至关重要。同时,随着我国高等教育事业高速发展,高校建筑能耗随之不断增大,在城市能耗组成中,建筑面积仅占3%～7%的高校建筑能耗占到30%以上。因此,高校能耗问题引发了广泛的关注与重视。面对此问题,建立高精度的校园建筑能耗预测模型是研究校园能源规划设计、智慧运维与节能改造的重要参考与前提条件。这其中,提高模型预测精度与能耗预测模型的应用问题值得重点关注与研究。对此,本文进行了以下几方面的工作。首先,本文基于能耗监测数据优化了传统的Bottom-up型建筑能耗预测模型建立方法,将原型建筑的模拟能耗密度与样本建筑的监测能耗密度相结合,基于贝叶斯理论得到修正后建筑能耗预测密度,以期建立高精度的校园建筑能耗预测模型。同时,通过MATLAB程序模拟不同研究对象与不同原型建筑能耗密度准确值下监测样本建筑数量对预测精度的影响,在保证预测精度与考虑成本的情况下,确定了在贝叶斯修正过程中最佳的样本数量。其次,本文以大连理工大学凌水校区为例,利用本文提出的方法建立了校园建筑贝叶斯能耗预测优化模型。同时,利用校园已建成的能耗监测平台数据对本文优化方法预测结果与传统方法预测结果分别进行验证。在验证区域,以办公类建筑为例,传统方法的逐月能耗误差最大值为54.8%,逐月误差绝对值的平均值为14.54%;优化方法的逐月能耗预测误差最大值为14.86%,逐月误差绝对值的平均值为7.16%,可以看出单一类型建筑的优化模型逐月能耗预测精度相比传统模型有了大幅提高,而验证区域内整体建筑能耗的预测结果与单一类型建筑能耗预测结果相似。区域整体的预测结果中传统模型最大月误差为-14.13%,逐月误差绝对值的平均值为8.11%;优化模型的最大月误差为5.22%,逐月误差绝对值的平均值为2.19%,误差明显减小。通过实际能耗平台数据对比,证明了优化模型在单一类型建筑与区域整体两个层次上都有着较好的预测精度。进而,本文利用前文建立的能耗预测优化模型的全年逐时预测数据与大连市可再生资源相关数据,利用HOMER软件建立了适用于校园能耗特征的分布式能源系统。同时,通过经济型分析,计算了将校园改造为本文设计的风光发电系统及冬季电蓄热供暖系统的静态投资回收期为5.23年,每年可节省电费及供暖费总计2896余万元。既大幅节约了校园运行成本,又充分利用了可再生资源,是建设绿色校园、践行节能减排政策的有效途径。最后,在建立分布式能源系统的基础上,本文探索了多种策略通过改变校园负荷侧的用能规律来提高系统中电力-负荷的匹配度与可再生电的利用率。通过电力-负荷匹配度的计算,证明了采用冰蓄冷空调系统,增加电动汽车充电桩等方法均能不同程度的提高电力-负荷匹配度,减小可再生发电系统弃电率。本文为寒冷地区校园建筑能耗预测模型提供了优化方法,该方法能够有效提高模型预测准确度,可为绿色校园的优化设计与校园节能减碳工作提供量化参考与实施路径。