^ ^·领域

本发明涉及一种能效管理， 尤其涉及建筑用能方面的能效管理。 背景

随着我国城市化进程的 建筑用能占社会用能比例的不断提高。 建筑设备用能合理性成为大家关注的焦点。 建筑用能所占比例的不断提升， 其对社会总体用能的影响曰趋显现， 目前建筑中的高耗能建筑主要集中在 城市大型公共建筑中， 其中大型公共建筑定义为： 建筑面积 2万平方米以 上的办公建筑、 商业建筑、 旅游建筑、 科教文卫建筑、 通信建筑以及交通 运输用房。 为了控制建筑用能， 国内外专家学者对建筑用能的合理性进行 分析， 采用一些方法进行判别， 这些方法包括： 总量控制法、 同类建筑用 能均值法； 分时^ ^标法、 用能密度法、 瞬时值法、 区域比较法、 同比法、 环比法等。

这些方法在控制用能， 发现用能不合理方面起到了一定的作用， 但是 这些方法存在一系列不足。 例如， 总量控制法不能考虑建筑的用能性质和 用能特点， 对于设定的用能管理目标往往由于样本的选择 而变化， 不利于 对建筑进行用能管理； 对于区域比较法来说， 在同一建筑中不同区域的采 光、 楼层、 墙体、 窗户数量尺寸、 幕墙等因素都会对区域用能产生影响， 通过区域比较不能很好的反映该区域实际能效 水平。 目前上述方法对建筑 用能情况的评判以用能量多少作为评价参量， 没有对建筑用能周期中蕴含 的信息进行充分分析。

其实在大型公共建筑中大部分用能都有其 性， 如， 办公建筑按照 其工作时间而显出每天的规 性， 旅游建筑随着旅游季节的旺季与淡季交 替呈现全年的规律性， 科教文卫随着学生开学和放假行程教学周期的 性。 因此需要提出一种利用建筑用能周期信息进行 建筑能效管理的方法。 发明内容 本发明通过提出一种建筑周期性负荷能效管理 方法， 对建筑周期性负 荷数据通过傅里叶变换， 提取建筑能耗数据中的频语信息， 通过对频 i 言 息进行分析， 找出建筑用能不合理之处， 进而发现建筑使用过程中能源浪 费的漏洞。

本方法主要包括以下步骤：

第一步， 从监测系统中， 调取待评判设备的能 ¾据， 该能耗数据可 以是一段时间内该设备的用电电度数， 该设备可以为建筑中某一用电设备， 也可以为建筑中某类用电设备；

第二步， 选择合适的评判周期， 该评判周期可以为天、 周、 月、 年等， 将调取的能耗数据按照评判周期划分为多个数 据组， 每个数据组包括同一 评判周期内的能 ^¾据；

第三步， 定义每个数据组的属性， 如工作时间， 非工作时间、 特殊节 假曰时间等等；

第四步， 具有同一属性的肯^ ¾据组假定为 N个， 将 N个数据组按照 时间先后排序， 每 M 个顺序相连的数据组组成一个数据组集合， 共组成 N-M+1 个数据组集合； 例如， 具有同一性质的数据组为 10 个， 即 {1,2,3,4,5,6,7,8,9,10}, 每 4个顺序相连的数据组组成一个数据集合， 则组成 {1,2,3,4}、 {2,3,4,5}、 {3,4,5,6}、 {4,5,6,7}、 {5,6,7,8}、 {6,7,8,9}、 {7,8,9,10} , 共 10-4+1=7个数据组集合；

第五步， 将 N-M+1个 ^¾据组集合分别进行归一化处理； 第六步， 将归一化处理后的 N-M+1个 ^€数据组集合分别进行傅里叶 变换， 将 ^¾据的时域信号转变成频域信号；

第七步， 对经傅里叶变 ^^的 N-M+1个能^ ¾据组的频域信号中对应 的幅值加和并求平均， 从而得到这些频域信号的幅值的均值；

第八步， 将 N-M+1个能^ ¾据组的频域信号的幅值分别与其对应的均 值进行比较， 判断出同一属性的肯 数据组中用能不合理的肯 ^€数据组集 合和其中的^ ^数据组。 附图说明

图 1是空调机组单位面积肯 的采集数据；

图 2是同一属性的能耗数据组集合经傅立叶变换� �， 所有频率对 应的幅值的均值 Fn[k]的分布图。 实施方式

本分析采用离散傅里叶变换的方式 （DFT ), 对建筑中某空调用 电进行建筑周期性负荷能效管理方法分析。将 空调配电箱用电数据从 能耗监测系统数据库中取出， 调取该空调配电箱 2011年 4月的小时 能耗数据。 评判周期选为一天， 即以当天 1 点为起始点， 24点为终 点， 将空调配电箱数据划分成能耗数据组， 每个数据组中有 24个小 时能耗数据。 通过查询日历可知， 2011年 4月份中， 4月 2 日、 3 日、 9日、 10日、 16 日、 17 日、 23 日、 24日、 30日为非工作日， 所以， 以上日期对应的用能数据组的属性为非工作日 ，其余日期对应的数据 组的属性为工作曰。

将属性为工作日的能耗数据组取出， 按照时间先后排序， 它们分别 是 1 曰， 4曰， 5 曰， 6 曰， 7 曰， 8 曰， 11 曰， 12曰， 13 曰， 14 曰， 15 曰， 18曰， 19曰， 20曰， 21 曰， 22曰， 25曰， 26曰， 27曰， 28曰， 29 曰的 ¾据组， 一共 21个能^ ¾据组。

对于 21个能耗数据组， 分别将 4个顺序相连的数据组进行组合， 形成 18个数据组集合。 将每个数据组集合中的每个数据组的数据进行 归一 化处理， 即将每天 24 个小时的能耗数据分别除以当天能耗数据最大 值， 得到 24个小时的归一化数据。

将一个能耗数据组集合中， 分别归一化的 4 个能耗数据组表示 为 ： {ml,m2,m3,...,m24} ; {pl,p2,p3,...,p24}; {al,a2,a3,... ,a24}; {bl,b2,b3,b4,...,b24}。 然后， 将每个能耗数据组中归一化后的 24 个 小时数据扩充为 32个数据 (用 0补齐， 共补充 8个 0 ) ,则 4个能耗 数 据 组 分 别 变 为 {ml,m2,m3,...,m24,0,0,0,0,0,0,0,0}; {pl,p2,p3,... ,p24,0,0,0,0,0,0,0,0 }； { al ,a2,a3, · .. ,a24,0,0,0,0,0,0,0,0 }； {bl,b2,b3,b4,...,b24,0,0,0,0,0,0,0,0}。 将这 4个能耗数据组的数据首尾 相 连 得 到 该 能 耗 数 据 集 合 的 数 据 ， 即 x[n]={ml,m2,... ,m24,0,0,0,0,0,0,0,0,p 1 ,p2, ... ,p24,0,0,0,0,0,0,0,0,al ,a2 •••,a24,0,0,0,0,0,0,0,0,bl,b2 ,· · .,1)24,0,0,0,0,0,0,0,0 }( 其 中 n=0,l,2,...,127), 将该数据组集合 x[n]进行傅立叶变换， 可以得到傅 里叶级数展开式， 并求得展开式中第 k项的幅值 En[k]。

由于对于 N点序列 {X[M] }0≤W < N , 它的离散傅里叶变换 (DFT)为

_ _; ¾L _ni ,

x[k] = ^ e ^N x[«], fc = 0,1,2,..., N -l. 其中 e 是自然对数的底数， i是虚数单位。 那么对于本发明中上述 128个点序列的 { ^Χ ["] }0 ^≤ " ^{< 128} 来说， 它 的离散傅里叶变换 （ ） 为 x[k] = ^e ¹²⁸ x[n], k = 0,l,2,...,m.

En[k]： x[k] fc = 0,1,2,...,127.

，称为第 k项的幅值，也就是 ^x [ ^fc ]的 模， 其中 En[0]为直流分量幅值 分别对上述 18个能耗数据组集合进行傅立叶变换， 可以得 18 个傅立叶级数展开式， 将每个展开式中对应的第 k项的幅值， 即 ^x [ ^fc ] 的模分别加和并求平均， 得到 128个均值 Fn[k]。

图 2 显示的是工作日属性的能耗数据组集合经傅立 叶变换后均 值 Fn[k]的分布图， 由于随着 k的增长， Fn[k]数值极其微小， 因此， 在图 2中仅显示了 Fn[0]到 Fn[32]的数据。

我们选取直流分量幅值的均值 Fn[0]所对应的各个数据组集合中 的直流分量幅值 En[0] , 以及交流分量幅值的均值的最大值对应的各 个数据组集合中的交流分量幅值（以下简称目 标倍频分量幅值）作为 研究对象， 判断同一属性的能耗数据组中不合理的能耗数 据。

从图 2 中可以看出， 在该实施例中， 具有工作日属性的上述 18 个能耗数据组集合中， 其交流分量幅值的均值中最大值为 Fn[5]。

通过分析我们可以得到，当某一数据组集合经 傅立叶变换后得到 直流分量幅值 En[0]大于 Fn[0]时， 如果目标倍频分量幅值 En[5]也大 于其对应的均值 Fn[5]时， 表明设备的整体能耗升高， 这是整体负荷 能耗升高造成的， 此问题不在负荷周期性研究范畴之内。 如果直流分 量幅值 En[0]大于 Fn[0]时， 而目标倍频分量的幅 En[5]值小于其对应 的均值 Fn[5] , 则表明能耗周期性出现异常， 这是我们分析的能耗周 期性的目标。 我们将直流分量幅值、 目标倍频分量幅值和其对应的均 值进行比较， 判断该能耗数据组集合中存在的能耗异常的情 况。

那么， 在 18个能耗数据组集合中， 将每个能耗数据组集合经傅 立叶变换后的直流分量幅值 En[0]、 En[5]分别和对应的 Fn[0]以及 En[5]进行比较， 判断用能不合理之处：

判据 1 : 如果直流分量幅值 En[0]超出 1.1倍 Fn[0] , 当目标倍频 分量幅值 En[5]等于或大于均值 Fn[5]时，则该能耗数据组集合中未出 现非正常能耗。

判据 2: 如果直流分量 En[0]超出 1.1倍 Fn[0] , 当目标倍频分量 幅值 En[5]小于均值 Fn[5] , 并满足 En[5] < 0.98*Fn[5]时, 则在该能耗 数据组集合包含的 4个能耗数据组中，最后一个能耗数据组出现� �常 能耗， 该异常能耗表现为在当天能耗的谷值时期能耗 提升， 用电设备 中有应该关闭而未关闭的负荷。

判据 3: 如果直流分量 En[0]超出 1.1倍 Fn[0] , 当目标倍频分量 幅值 En[5]小于均值 Fn[5] , 并满足 En[5] < 0.96*Fn[5]时, 则在该能耗 数据组集合包含的 4个能耗数据组中，最后一个能耗数据组出现� �常 能耗， 该异常能耗表现为在当天能耗的谷值时期能耗 超标， 用电设备 中有大量应该关闭而未关闭的负荷。

判据 4: 如果直流分量 En[0]超出 1.1倍 Fn[0] , 当目标倍频分量 幅值 En[5]小于均值 Fn[5] , 并满足 En[5] < 0.92*Fn[5]时, 则在该能耗 数据组集合包含的 4个能耗数据组中，最后一个能耗数据组出现� �常 能耗， 该异常能耗表现为在当天能耗的谷值时期能耗 超标， 几乎全部 设备的负荷应该关闭而未关闭。

对于具有非工作日属性、特殊节假日属性的能 耗数据组分别进行 上述的判断， 可以判断出非工作日属性、特殊节假日属性的 能耗数据 中不合理的用能情况。

本发明解决了之前对用能量进行判断，不受用 能量增长带来的变 化的影响， 充分发挥了用能波动的周期性，运用数学变换 结合建筑用 能特点对建筑用能的合理性进行评判。

通过该技术可以有效的对办公楼一类周期性负 荷进行管理，防止 发生用能浪费。 并且， 对同一采集单元的数据进行分析， 防止由于分 析数据的环境、 性质、 地域发生变化而对判断结果造成的干扰。