北京市华清地热开发集团有限公司 102218
摘要：超高层建筑暖通空调能耗预测的准确度直接影响暖通空调节能效果。针对当前超高层建筑暖通空调能耗预测方法存在的预测精确度较低，且预测的及时性较差问题，提出一种基于 GM － ＲBF 神经网络的超高层建筑暖通空调能耗预测方法，对历史能耗数据样本中的异常数据进行剔除，并对剩余数据进行标准化处理，构建处理后的数据的多元线性回归模型，利用皮尔逊相关系数确定暖通空调能耗影响因素与能耗之间的关系，实现超高层建筑暖通空调能耗系统数据处理分析，根据分析结果，利用径向基函数神经网络构建非线性映射关系，根据 K － means 聚类方法确定非线性映射函数的中心，得到网络预测值，通过对预测值进行反归一化处理，得到超高层建筑暖通空调能耗预测结果，并通过历史数据对预测结果进行检验，实现超高层建筑暖通空调能耗精准预测。实验结果表明，所提方法预测的精确度较高，且预测的及时性较好。
关键词：超高层建筑；暖通空调；能耗；精准预测
超高层建筑暖通空调能耗作为超高层建筑能耗的重要组成部分，对超高层建筑暖通空调能耗进行精准预测对降低超高层建筑成本具有重要意义。提出一种基于灰色模型和最小二乘向量机方法的暖通空调能耗预测方法，通过灰色模型构建暖通空调能耗模型，并通过最小二乘支持向量机提高模型的非线性拟合能力和泛化能力，确定暖通空调运行数据规律，并通过粒子群优化的方法对模型的参数进行选取，实现暖通空调能耗预测。但这种方法预测过程较为复杂，导致预测执行时间较长，影响预测结果的及时性。提出一种基于 SVM 的暖通空调能耗预测方法，根据暖通空调能耗特点，选取暖通空调运行的样本特征，构建基于SVM 的暖通空调能耗预测模型。但这种方法预测过程中，没有对暖通空调能耗数据进行处理，导致能耗预测精确度较低。提出一种基于深度条件受限玻尔兹曼机的暖通空调能耗预测方法，通过在传统的受限玻尔兹曼机中融入历史条件输出层，使其能够根据暖通空调的历史时间序列实现未来时间序列预测，并通过构造深度条件受限玻尔兹曼机模型，实现暖通空调能耗预测。但这种方法预测过程中，对历史数据处理效果较差，影响预测的精确度。
2 超高层建筑暖通空调能耗精准预测原理
为实现超高层建筑暖通空调能耗精准预测，通过一系列与暖通空调特性相关的解释变量建立回归方程，得到暖通空调能耗的回归模型可以表示为
式中，Tm表示超高层建筑所处环境的平均温度。一年中所有天的 DD 总和为一年的实际度日 ADD，通过 30 年的 ADD确定长期平均度日 MDD 值。通过相对热度日 ＲDD 的倒数确定天气条件的校正系数 fweat，校正能量消耗值通过 ADD 和MDD 之间的比率确定，则有
根据上式，利用建立的超高层建筑暖通空调能耗预测模型实现超高层暖通空调能耗预测。
通过上述论述，根据一系列与暖通空调特性相关的解释变量建立暖通空调能耗预测的回归模型，并根据平均绝对百分比误差提高模型的精准性，简化超高层建筑暖通空调能耗预测模型，并通过计算该高层建筑的采暖度日值，确定天气条件的校正系数，并根据校正系数确定预测的误差函数，并将该函数引入到预测模型中，实现超高层建筑暖通空调能耗预测。
3 超高层建筑暖通空调能耗精准预测
3． 1 超高层建筑暖通空调能耗数据处理
为保证超高层建筑暖通空调能耗预测的精确性，需要对超高层建筑暖通空调能耗数据进行处理分析，具体过程如下所述。
超高层建筑暖通空调能耗系统可以看作为一个复杂的非线性时间序列，其输入的参数尤其是超高层建筑所处环境参数可以看作为一个复杂的随机变化系统，具有较强的不确定性。并且在超高层建筑运行过程中，可能受到设备、系统故障等因素的干扰，导致超高层建筑暖通空调能耗数据记录有误。这些数据无法准确描述暖通空调能耗的内在规律，应从样本中剔除这些数据。
设定超高层建筑暖通空调能耗系统的样本数据为 X1，X2，…，Xn，其样本数据的方程和标准差可以表示为
在剔除误差较大的样本后，需要对能耗数据进行标准化处理。通过同趋化处理，对数据的不同性质进行处理，改变超高层建筑暖通空调能耗逆指标数据性质，使得所有的能耗指标对能耗的作用力同趋化。通过数据无量纲化处理对能耗指标的最大值和最小值的差距进行计算，使其结果在［0，1］区间内，实现数据的可比性，具体计算公式可以表示为
式中，Q 表示暖通空调各能耗指标的权值，Qmax表示能耗指标权值的最大值，Qmin
表示能耗指标权值的最小值。
根据上述，利用公式（11）得到的数据标准化处理结果，确定回归模型参数。
设定超高层建筑暖通空调能耗变量 Y 与处理后的能耗数据自变量 x1，x2，…，xm线性相关，则建立的超高层建筑暖通空调能耗多元线性回归模型为
Y = b0+ b1x1+ b2x2+ … + bmxm+ ε（13）
上式中，b0为一常数项，x1，x2，…，xm表示影响暖通空调能耗的自变量，b1，b2，…，bm表示各自变量 x1，x2，…，xm对应的偏回归系数，ε 表示随机误差。
设定存在复相关系数 Ｒ，能够对暖通空调能耗因变量 Y与自变量 xi之间的线性相关密切程度进行描述，且 Ｒ∈［0，1］，其值越大，暖通空调能耗因变量 Y 与自变量 xi之间的线性关系越强，利用皮尔逊相关系数对 Ｒ 的值进行计算，则有
式中，S2Y和 S2X分别表示自变量 Y 和因变量 x 的样本方差，X⌒和Y⌒分别表示自变量 Y 和因变量 x 的样本均值，SXY表示样本的协方差矩阵。根据上式，对超高层建筑暖通空调能耗的复相关系数进行计算，并根据计算结果，确定超高层建筑暖通空调运行过程中，每一影响因素与能耗之间的关系，完成超高层建筑暖通空调能耗数据处理分析。
结束语
对超高层建筑暖通空调能耗进行预测能够降低超高层建筑的能耗。随着超高层建筑数量的增多，对超高层建筑能耗优化控制的研究逐渐成为研究的重点课题。超高层建筑暖通空调能耗作为超高层建筑能耗的重要组成部分，对其的预测成为相关专家学者研究的重点，针对当前暖通空调能耗预测方法存在的预测精准度较低，且预测的及时性较差问题，提出一种基于 GM － ＲBF 神经网络的超高层建筑暖通空调能耗预测方法，实验结果表明，所提方法预测的精确度较高，且预测的及时性较好，为该课题的深入研究发展提供理论依据。
参考文献
［1］ 郭伟，张栋，蒋胜． 国有建筑企业股权多元化对战略绩效的影响．［J］． 西安工程大学学报，2017，6（31）：822 － 827．
论文作者:夏冰欣
论文发表刊物:《建筑学研究前沿》2019年2期
论文发表时间:2019/6/6
标签：暖通空调论文; 高层建筑论文; 数据论文; 模型论文; 自变量论文; 样本论文; 方法论文; 《建筑学研究前沿》2019年2期论文;