【摘要】：目前,我國大型公共建筑的運行能耗占地區(qū)城鎮(zhèn)總能耗的20%以上,能源使用效率約為30%,具有典型的“高能耗、低能效”特征。同時,國內大型公共建筑能耗數據統(tǒng)計粗放,缺乏科學的用能監(jiān)管與預測,嚴重阻礙了大型公共建筑節(jié)能工作的開展。因此,大型公共建筑能耗預測模型與監(jiān)管系統(tǒng)的研究顯得尤為重要。論文研究內容包括以下四方面:(1)在智慧城市背景下,描述了大型公共建筑能耗監(jiān)管系統(tǒng)的物聯網架構、云計算數據中心和大數據監(jiān)管平臺,同時提出了大型公共建筑能耗監(jiān)管系統(tǒng)的邊緣計算模型,旨在通過對能耗數據進行預處理與標準化,以減輕云計算數據中心的計算負載。(2)基于嵌入式工控機,通過LabView開發(fā)平臺和MySQL數據庫設計了大型公共建筑能耗計量系統(tǒng),實現了對能耗數據的采集、存儲和分析功能。(3)選取設備容量、負荷等級、運行時間、設備故障率作為大型公共建筑電能計量裝置部署優(yōu)化的評價指標,應用層次分析法確定各評價指標的權重向量,構建模糊評價模型,優(yōu)化計量裝置的部署。以某大型公共建筑為例,通過優(yōu)化,其電能計量裝置減少30.4%,設備成本和數據存儲成本分別下降28.8%、30.4%。(4)基于BP神經網絡、NAR神經網絡分別建立大型公共建筑能耗預測模型。以某辦公建筑能耗數據為樣本,采用平均相對誤差和平均絕對誤差評價兩種模型的預測精度。研究結果表明:對于周期性變化,具有時間序列特性的大型公共建筑能耗預測,NAR神經網絡模型具有良好的預測效果。通過對大型公共建筑能耗預測模型與監(jiān)管系統(tǒng)的研究,能夠全面、清晰的掌握大型公共建筑的能耗使用情況,進而制定合理的節(jié)能控制策略,對實現大型公共建筑的節(jié)能降耗具有重要意義。
【圖文】：

建筑能源消費總量為 8.57 億噸標準煤，占全國能源消費總量的 20%[3]。隨著中國的城市化進程，預計建筑能耗占全國能源消費總量的比重將達到 35%左右[4]。大型公共建筑（以下簡稱“大型公建”）是指單體建筑面積在 2 萬 m2以上，采用中央空調的辦公、商業(yè)、旅游、科教文衛(wèi)、通信以及交通樞紐等公共建筑[5]。據《中國建筑能耗研究報告 2017》統(tǒng)計，2015 年國內即有公共建筑面積 113 億 m2，占國內城鎮(zhèn)建筑面積的 18.4%；而國內即有公共建筑能源消費量為 3.41tce，占全國城鎮(zhèn)總能源消費量的 39.7%，國內既有公共建筑能耗強度為 30.2kgce/m2，其能耗強度是城鎮(zhèn)居民建筑能耗強度的 2.3 倍，是農村居民建筑能耗強度的 3.9 倍，具體數據如圖 1.1 所示[3]。《中國建筑節(jié)能年度發(fā)展研究報告 2014》指出，當公共建筑單體超過 2 萬 m2，采用玻璃幕墻等全密閉形式，配以集中空調系統(tǒng)，其單位建筑面積能耗是普通公共建筑能耗的2-3倍[6]。綜上，大型公建具有能耗密度高的特點；與此同時，，大型公建的能源使用效率僅有 30%左右。因此，解決好大型公建“高能耗、低能效”的用能問題將是我國開展建筑節(jié)能工作的核心問題。

西安建筑科技大學碩士學位論文技術已經不能滿足海量數據的要求，需要存儲空間更大和分析能力更強術。建筑能耗云就是將整個網絡的數據儲存在計算基礎設施中，也就是云行集中管理并對大數據進行深度分析和決策。建筑能耗云采用高效、節(jié)能的云服務器建設數據中心，具有技術能力聚集度高、數據處理效率高、數本低的特點。（2）云計算數據中心云計算以數據處理為重點，是一種數據密集型的新型超級計算方法，云一種全新的網絡服務模式能夠提供復雜的數據存儲、計算、網絡協(xié)作、信功能[75]。智慧城市背景下，大型公建能耗監(jiān)管系統(tǒng)是實現基于大數據技網絡化系統(tǒng)，其中必然用到云計算技術，其云計算數據中心基礎架構包括基礎設施層、云計算基礎平臺層和云計算信息服務層，如圖 2.2 所示。大型公共建筑能耗監(jiān)管系統(tǒng)業(yè)務應用云計
【學位授予單位】：西安建筑科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TU111.195

【參考文獻】

相關期刊論文 前10條

1 楊柳;侯立強;李紅蓮;許馨尹;劉加平;;空調辦公建筑能耗預測回歸模型[J];西安建筑科技大學學報(自然科學版);2015年05期

2 趙超;戴坤成;王貴評;;基于KPCA-WLSSVM的建筑能耗預測模型[J];土木建筑與環(huán)境工程;2015年05期

3 戴坤成;王貴評;趙超;;基于PCA與RBF的建筑能耗預測建模[J];福州大學學報(自然科學版);2015年04期

4 潘毅群;郁叢;龍惟定;陳蔚鎮(zhèn);;區(qū)域建筑負荷與能耗預測研究綜述[J];暖通空調;2015年03期

5 李學龍;龔海剛;;大數據系統(tǒng)綜述[J];中國科學:信息科學;2015年01期

6 孫澄;韓昀松;;寒地辦公建筑采暖能耗神經網絡預測模型建構[J];建筑學報;2013年S2期

7 楊欣煒;楊戎午;謝濟蘇;;公共建筑能耗監(jiān)測平臺的研究[J];中國建設信息;2013年22期

8 趙亮;張吉禮;梁若冰;;建筑能耗數據特性分析及優(yōu)化采樣方法研究[J];西安建筑科技大學學報(自然科學版);2013年05期

9 周欣;燕達;任曉欣;洪天真;;大型辦公建筑照明能耗實測數據分析及模型初探[J];照明工程學報;2013年04期

10 樊瑛;龍惟定;;區(qū)域供冷系統(tǒng)的動態(tài)逐時能分析與分析[J];制冷學報;2013年03期

相關博士學位論文 前2條

1 陳永攀;建筑能源系統(tǒng)物聯網架構與實現技術研究[D];哈爾濱工業(yè)大學;2011年

2 王鑫;公共建筑用能分項計量綜合關鍵技術研究[D];清華大學;2010年

相關碩士學位論文 前10條

1 周利華;IGBT的壽命評估方法研究[D];安徽理工大學;2017年

2 宮皓;智慧城市背景下銅陵市電子政務建設研究[D];安徽大學;2016年

3 郭朦朦;陜西省公共建筑碳排放權交易體系研究[D];西安建筑科技大學;2016年

4 袁魯山;基于NAR神經網絡的車速預測及應用[D];大連理工大學;2016年

5 路闊;建筑能耗監(jiān)控與預測[D];上海工程技術大學;2015年

6 李然然;公共建筑節(jié)能監(jiān)測數據分析方法研究與系統(tǒng)實現[D];山東建筑大學;2012年

7 張曦;大型公共建筑能耗監(jiān)測系統(tǒng)的開發(fā)[D];電子科技大學;2011年

8 王慧能;基于虛擬原型的機電一體化設計技術研究[D];西安電子科技大學;2011年

9 劉川川;電能分項計量方法的研究[D];華北電力大學;2010年

10 李俊;基于分項計量系統(tǒng)的建筑能耗拆分與節(jié)能潛力分析研究[D];重慶大學;2008年

本文編號：2674143