前言：想要寫出一篇引人入勝的文章？我們特意為您整理了大型公共建筑用電能耗預測模型探析范文，希望能給你帶來靈感和參考，敬請閱讀。

1大型公共建筑用電能耗結構

1.1大型公共建筑用電耗能構成分析

我國的大型公共建筑有辦公建筑、商業建筑、服務建筑和教育機構建筑等。這些建筑的面積都超過2萬平方米，并且使用大型中央空調。根據國家規定大型公共建筑用電主要有照明插座用電、空調用電、動力用電和特殊用電等，但在不同類型的建筑的用電比例會有一定的不同。比如說，辦公建筑用電主要是空調、照明和一些辦公設備的能耗。因為辦公人員的數量決定辦公建筑的辦公設備，所以正常情況下這兩部分用電都比較穩定；大型商場建筑主要是建筑面積比較大、人員流動快、人員密集、各種照明設備的使用頻率比較高，中央空調的運行時間比較長。商場照明有室內照明和夜晚景觀照明，并且照明亮度大、照明時間長。因為商場人員眾多，所以產生較多的熱量，導致大型公共建筑用電能耗預測模型及預測數據空調一直處于超負荷運行；酒店建筑在入住高峰時期照明插座、空調動力和中西餐廳、洗衣房、游泳館、健身房和休閑中心等都會增長，酒店還要滿足客戶的住宿、娛樂以及舒適度的要求。這就導致酒店類建筑能耗突然激增，并且酒店越高級能耗就會越高。不同的大型公共建筑，它的能耗構成也不同，不同的公共建筑因為功能的不同各項能耗也會受到影響。

1.2大型公共建筑用電耗能功能

大型公共建筑主要有照明的插座用電、空調用電、動力系統用電和特殊用電所組成。照明用電是建筑物內主要的區域照明為主的室內設備用電的總和，對于辦公建筑而言，當大廈的辦公人員穩定的時候，照明和插座用電基本上也比較穩定。空調系統用電是給建筑提供空調和保暖服務設備的總稱。辦公建筑的空調系統用電耗能會隨著季節的變化產生巨大的波動，在進行能耗預測的時候需要重點關注。其次，是動力系統用電。動力系統包括電梯、排風扇、生活用水和排污的設備用電的總和。最后，是特殊用電。特殊用電是建筑物的信息中心、洗衣房、餐廳和其他的用電。

1.3大型公共建筑用電耗能影響的因素

我們應該科學的認識影響大型公共建筑用電耗能的因素。大型公共建筑用電耗能的主要有建筑的自身缺陷、人為的因素、外界的因素等。建筑本身的因素有建筑的類別、體型系數、太陽的熱系數、建筑的窗墻比重、建筑的朝向等；人為的因素有室內人員的密度、室內的溫度和設備的功率等；外界的因素主要有氣候條件、節假日和海拔的高度等。大型公共建筑會受到這幾個因素的相互作用，共同影響著公共建筑的用電耗能。所以，辦公建筑的能耗數據就是照明插座用電能耗平均數值、動力系統用電能耗的均值、特殊用電能耗的均值、空調系統能耗均值以及建筑自身參數數據在一起結果。

2大型公共建筑的空調系統用電能耗預測方法和分析

2.1使用RBF神經網絡的空調系統用電耗能的預測方法

在大型公共建筑正常工作的時候要對未來的一段時間的能耗數據進行有效的預估和評測是非常重要的。對于沒有能耗數據的大型公共建筑要用外圍護結構參數用新技術建立虛擬的建筑模型，然后估算出建筑建成之后的能源消耗的數值。對于有歷史能耗數據的建筑一般應用神經網絡預測建筑未來的能耗數據。RBF神經網絡可以根據出現的問題采用相對應的網絡拓撲結構，它具有自動學習、自動組織、自動適應的功能，對于非線性連續函數有一定的逼近性，可以大范圍的數據融合，更加快速高效處理數據。RBF神經網絡已經成功處理非線性函數逼近、時間序列分析、數據的分類、模式識別、圖像處理、系統建模和故障的診斷等。RBF網絡可以加快學習速度和適應能力對于大型建筑的數據有很好的效果。

2.2辦公建筑用電耗能預測數據分析

我們把辦公建筑一個月的實際耗能和預測數值進行比較可以得出差值和變換的百分比。通過計算預測數值和當前實際能耗數據的比值大小可以得出異常耗能數據，如果比值超過20%就說明這個辦公建筑用電能耗過高應該采取措施。因為辦公建筑的用電情況比較繁多，在下一步對比分析的時候就應該上一步的異常數據進行分析。比如說發現動力用電數據異常，就值分析動力用電數據的分項排風機、電梯的數據就可以了。對于空調等其他耗能的數據可以不用分析。根據這樣的辦法找到異常數據來源，為用戶提供一個準確的分析報告，列舉出異常的數據，為用戶提供改造方向。

3建筑能耗預測和分析系統的設計

3.1大型公共建筑需求分析和設計思路

本文是對大型公共建筑能耗監管和優化的信息平臺的研究，意在建立一個能耗統計、能耗監測、能耗分析、能耗評價的綜合管理平臺，幫助用戶提高大型建筑的能源管理水平，為建筑節能減排提供管理的工具和決策方向。這個平臺要建立全面的實時監控建筑的能耗檢測系統，能耗采集點布局要合理并且對于細節的把控。進而幫助用戶全面認識建筑不同時段、不同部門、不同區域的能耗情況，這樣也會讓分析的結果更準確。大型公共建筑用電能耗預測及分析系統是監管和技能優化信息的重要部分，對于公共建筑用電能耗預測和分析需要的數據可以從數據庫查閱。在進行預測分析的時候應該對耗能的實際監測數據和預測數據進行對比處理。所以可以設置數據模塊和功能模塊，這個系統要方便用戶使用設置專門的用戶模塊。數據模塊主要有信息的獲取、信息傳輸、信息處理以及信息的管理。功能模塊主要是這個系統的功能，主要有能好的預測和預測分析兩個方面。系統的基礎模塊可以根據用戶的需求設置建筑的設備信息和能耗數據，通過調整功能模塊中用戶選擇的功能對應完成用戶需求的功能。系統在工作的過程中根據功能模塊的數據需求，能耗監測、預測評價每個模塊之間的數據，并分析數據得到最終的結果。這樣用戶只需要在顯示的界面進行選擇，就可以為用戶分析數據的異常，為用戶的決策提供方向，極大地提高管理效率。

3.2大型公共建筑用電能耗數據庫和界面設計

數據庫是系統進行預測和分析的基礎，數據庫的內容有建筑的基本信息、本地的氣候數據和能源消耗等。系統關系在設計的時候，每一個系統要預留一個空的數據庫讓用戶添加數據信息。數據需求分析是根據客戶的需求從數據庫得到相應的信息，結合大型公共建筑能耗預測所需要的數據可以把信息分為建筑的基本信息、本地氣候數據、建筑能耗數據三類。系統管理的界面設計系統首次登陸用戶要輸入建筑面積、層數、建筑無得外圍結構等參數，輸入之后系統會自動把參數包岑在建筑基本信息數據庫中。用戶可以通過點擊能耗預測進入能耗預測界面。在能耗預測界面，建筑類別可以選擇需要的類型。能耗預測直接在數據庫中直接調出來進行預測，用戶還能根據自己的情況選擇全年能耗預測值。預測數據分析報告是根據能耗預測報告中的數據，對實際數值和預測數值進行比較分析，找到異常數據的設備，為用戶提供改進的措施。預測數據分析報告為客戶展現所有超過預測數據20%的疑似數據，為用戶精確到每個設備，省去客戶一個一個排查的時間，大大提高管理效率。

4結束語

大型公共建筑能耗預測以及預測分析，是大型公共建筑能耗監管和優化信息平臺的系統，它主要通過分析大型公共件數的能源結構建立電能耗預測模型，并完成數據的分析系統的設計。本文根據大型公共建筑用電能耗波動較大的特點利用正交試驗對商業建筑空調系統影響因素進行分析，確認商業建筑空調系統的數據。采用RBF神經網絡的方法對大型公共建筑空調系統的電能耗進行預測，通過預測數值和真實數據的對比，找到耗能異常數據和三者的比較生成預測分析報告。分析大型建筑能耗預測分析的設計要求和每個模塊的功能，最終完成能耗預測及分析系統數據庫設計和界面設計。因為大型公共建筑用電耗能的因素比較多，在進行預測的時候應該考慮多方面的有可能影響結果的因素，為能耗預測和數據分析提供更準確的數據。

參考文獻

[1]符海旭.基于數字電力儀表應用分析的大型公共建筑電能分項計量管理[J].科技創新與應用,2016(27):299.

[2]曾黎芳.基于數字電力儀表應用分析的大型公共建筑電能分項計量管理[J].企業技術開發,2015,34(35):152-153.

作者：張杰 單位：重慶大學