公共建筑动态能耗模型研究

Energy consumption model is crucial in terms of public building energy efficiency studies. Nevertheless, difference among various building environment makes dynamic energy consumption evaluation a quite challenging problem. In this proposal, the dynamic energy consumption exchange method as well as energy consumption model in public buildings will be explored, depending on modern information technologies. Specifically, the optimal routing mechanism for building energy consumption data is implemented, using reinforcement learning method. The dynamic energy consumption measurements, together with the environment conditions recorded, will lead to the energy consumption model. Our proposal is a cross-discipline research, including information technologies, building engineering and environment science disciplines, and the accuracy of the final results will be improved with the increase of measurements. This proposal is hoped to enrich the exchange algorithms as well as standardization method in the field of building energy consumption studies. Moreover, the sample selection method may offer a solution to other similar problems. The intelligent energy efficiency research can also beneficial from our research.

公共建筑动态能耗分析是建筑节能的重要前提，人员滞留情况下室内环境的不同是导致动态能耗差异的根本原因。本课题基于新一代信息技术，探讨公共建筑动态能耗交换机制及动态能耗模型构建方法。以时延、能耗等为主要指标，研究路由性能指数即奖励函数的构建方法，探索基于强化学习的路由最优化机制；探讨动态能耗数据的标准化方法，建立公共建筑动态能耗数据库；在已有的环境监测平台基础上，实现环境质量的实时获取，分析公共建筑室内环境质量空间分布特征，使用高斯回归模型，探索数据样本选择方法，研究环境质量与建筑动态能耗的内在关联性，给出公共建筑动态能耗模型。项目研究涉及信息、建筑和环境等多个学科，是一种跨学科的探索，预测结果准确度随观测时间及样本数的增加而上升。研究成果有利于丰富异构传感网络数据交换以及标准化相关理论与方法，对其他应用中样本选择方法的探索具有一定参考意义，也可为建筑智慧节能理论与方法的研究提供前提与依据。

1..研究背景.目前我国建筑总能耗中，公共建筑能耗所占比例超过20%，且公共建筑能耗普遍偏大，是普通住宅建筑的10-20倍，因此,从公共建筑角度实现节能无疑是一种快速、有效的节能减排手段。但是，建筑能耗来源的多样性、设备的复杂性、建筑环境的差异性以及室内人员的行为习惯的随机性，使得公共建筑节能成为业界研究的难点。能耗传感节点的分布具有很强的随机性，通过自组织方式构建能耗交换平台是一种有效的方法，而路由选择在数据交换过程中至关重要。.在获取能耗数据基础上，通过分析建筑环境与动态能耗传感数据获取公共建筑动态能耗模型，是本项目第二个关键大问题。.2..主要研究内容.(a) 基于离策略强化学习方法的公共建筑动态能耗数据交换机制研究；.(b) 公共建筑动态能耗模型研究。.3..重要结果、关键数据及其科学意义.(a) 理论方法研究方面：在机器学习相关理论方面，项目主要围绕近似离策略强化学习理论，提出一系列强化学习理论方法，如基于函数逼近的冗余值迭代算，在一定程度上促进离策略强化学习理论的发展，同时在为路由选择提供重要的理论依据；. (b) 在应用研究方面：(I) 分析了环境因素（如温度、湿度和气流等）和生活习惯（如工作日和法定公共假期等）对能耗的影响程度，将上述因素引入模型中，可以有效提高预测模型的准确性；(II) 针对国内外不同类型的公共建筑能耗作出了不同分析，使用模型不同，导致结果不同，同时根据预测结果，比后续实际测量结果相比较，可以看出预测模型具有较高的准确定。(III) 将所提出的方法及并行学习框架用于实际的建筑能耗预测及控制问题，实验结果验证所提出算法及框架的有效性。..