建筑再生能源冗余能耗數據監測方法仿真

孫 恒，劉 喆

(1. 吉林建筑科技學院數字建造學院，吉林 長春 130000；2. 吉林建筑大學，吉林 長春 130000)

1 引言

可再生能源包括太陽能、水能、風能、生物能、海洋能等。因其無污染且取之不盡，近年來對再生能源的有效利用受到全世界的關注和重視。隨著我國經濟迅速發展，各種大型公共建筑物一時間備受人們青睞。建筑在能耗方面的消耗是整個社會能耗消耗的主要組成部分，大量大型公共建筑物的出現，一方面為人們生活工作提供了方便，另一方面產生大量冗余能耗，造成能耗浪費[1]。各開發商紛紛響應節能環保號召，優先選擇可再生資源作為各大型建筑物的用能[2]。并建立建筑再生能源冗余能耗監測系統對再生能源冗余耗能數據進行數據監測，對監測到的建筑再生能源冗余能耗數據進行分析并采取相應措施，改善其在管理和使用當中存在的問題，達到減少建筑可再生能源冗余能耗浪費的目的[3，4]。

當前存在的建筑可再生能源冗余能耗數據監測方法，存在資源消耗高、準確率低、響應時間慢、無法實現對異常數據監測等問題，如王何斌等人[5]提出的基于智能數據的建筑可再生能源冗余能耗監測方法、馬智亮等人[6]提出的基于BIM模型的建筑可再生能源冗余能耗監測方法。

為避免實際對建筑再生能源冗余能耗的監測中類似問題的發生，更好的實現對建筑再生能源的管理，避免能耗浪費，本文采用低功率單跳網絡數據傳輸冗余能耗監測方法對通過改進肖維涅算法進行處理的建筑可再生能源冗余能耗數據進行監測[7]。

2 建筑再生能源冗余能耗數據監測

2.1 建筑再生能源冗余能耗數據處理

利用Zig-Bee無線網絡技術，采集建筑再生能源冗余能耗數據。Zig-Bee無線網絡技術模型如圖1：

圖1 Zig-Bee無線網絡技術模型

采用Zig-Bee無線網絡技術采集建筑再生能源冗余能耗數據，利用改進的肖維涅算法剔除采集到的建筑再生能源冗余數據，然后對數據進行融合、壓縮[8]。

2.1.1 冗余數據誤差剔除

1)傳統肖維涅算法

傳統肖維涅算法利用有n個樣本數據、m個誤差數據點的S0={x0，x1，…，xn}數據樣本集合將這個樣本集合的基本特征用函數f0(x)表示出來。

(1)

其中，一組數據的個體數用n代表。

樣本點偏離數據xi偏離函數f0(x)的程度表示為

Di=|xi-f(xi)|

(2)

式中，Di值的大小與樣本點成為誤差數據的可能性呈正相關，n個數據的Di的最大值可由式(3)求得

(3)

將Di值最高的樣本點j去除，得到樣本集合S1={s0-xj}，重復計算去除樣本點j后的剩余數據，求得的誤差數據就是運算完成后去除的m個樣本點。

2)改進的肖維涅算法

傳統肖維涅算法存在數據處理速度慢、收斂差等問題，本文對其加以研究、改進，提出改進的肖維涅算法，將其運用到建筑再生能源冗余能耗數據采集中。改進的肖維涅算法在設定數值區間時，通過四分位離差法去除偏差大的誤差數據，增加運算內存[9]。過程如下：

在S0={x0，x1，…，xn}數據樣本集合的n個樣本數據中，存在誤差數據樣本點m個，在m個誤差數據樣本點中，有偏差大的、偏差小的數據t、m-t個。用歸并排序法對數據集合S0={x0，x1，…，xn}的數據進行升序排列。在數據集合中找出上、下四分位數與中位數，并分別用xk1、xk2與xk0代表。四分位偏離差xk計算如下

xk=xk1-xk2

(4)

保留滿足xi∈[xk0-β·xk，xk0+β·xk]的數據，將β值設置為β=2。采用四分位離差法處理數據，得到S1={x0，x1，…，xn-t}數據樣本，循環運算S1={x0，x1，…，xn-t}，由式(1)、式(2)求得f0(x)、Di后，得到數據波動情況如下。

(5)

樣本數量固定，因此式(5)可簡化為

(6)

傳統肖維涅算法將Di值最高的樣本點j去除后得到M1、f1(x)的關系如下

(7)

f1(x)是將Di值最高的樣本點j去除后得到的，因此滿足

(8)

通過式(9)可求出收斂速度ΔL0

ΔL0=M0-M1

(9)

式(9)的計算可以得到關于收斂速度ΔL0的遞減數列{ΔL1，ΔL2…，ΔLm}，改進肖維涅算法改變了傳統肖維涅算法一次循環計算去除一個誤差數據的狀況，一次循環計算可以去除誤差數據多個，降低了計算時間，收斂速度更快。用式(10)可以將標準差表示為

(10)

當數據滿足Di>2.5ε時，將其去除。其算法流程如下。

圖2 改進肖維涅算法流程圖

在計算機上，傳統肖維涅算法、改進肖維涅算法運行時間復雜度分別為(m+1)×O(4n)、(m+1-t)×O(4n)。偏差大的誤差數據數量大于等于3的狀況下，改進肖維涅算法具有更小運行時間復雜度，因其將偏離大的誤差數據剔除，可增加數據內存空間。

2.1.2 冗余耗能數據融合與壓縮

為使得到的建筑再生能源冗余耗能數據真實可靠，得到有效的數據分布狀態，應該在多個點采集建筑再生能源冗余耗能數據[10]，同時針對冗余能耗數據中的殘缺數據以及正常數據分別進行填補和融合、壓縮處理，采用的方法分別是分布圖法和傳感器數據融合方法。步驟如下：

去除傳感器采集到的建筑再生能源冗余耗能數據中的噪聲數據，填充殘缺數據。若某時間段虛擬機接到已排序的建筑再生能源冗余耗能數據序列x′1，…x′n′，該序列的上界、下界分別用x′n′、x′1表示。該序列的中位數可由下式求得。

(11)

式中，序列元素用x′n′+1/2代表。若區間[xm′，xn′]的中位數用建筑再生能源冗余耗能數據序列上的四分位數Fu表示，區間[x1，xm′]的中位數用建筑再生能源冗余耗能數據序列的下四分位數Fi表示，分布圖的離散度用DF代表，且滿足DF=Fu-Fi，建筑再生能源冗余耗能傳輸能耗有效判定區間可由下式求得

|xι-xm′|<β·DF

(12)

式中，β代表根據單跳網絡傳感器測量精度設定的常數，有效的建筑再生能源冗余耗能數據用xι代表。β=0.8情況下，可去除筑再生能源冗余耗能數據中的噪聲數據，在此操作之后，用兩點插值法填充建筑再生能源冗余耗能數據序列的殘缺數據。

(13)

(14)

(15)

2.2 冗余能耗數據監測

用低能耗單跳網絡在進行建筑再生資源冗余能耗數據傳輸的過程中，網絡等不穩定等因素會影響建筑再生能源異常冗余能耗檢測精度，從而導致檢測出的冗余能耗數據存在誤差，造成對建筑再生冗余能耗的錯誤判斷，通過滑動窗口局部事件監測(SW-LED)算法分析結果的準確性。其監測的數據是傳感器傳送給匯聚節點的比給定閾值T低的數據。設置網絡節點監測值正常分布范圍后，判斷t時段取樣值，需將冗余能耗監測值ψ′γ轉換成二進值。若二進值為1代表情況異常，為0代表情況正常。若閾值T小于t時段取樣值，此時冗余能耗監測值ψ′γ的二進值為1，情況異常。若閾值T大于t時段取樣值，冗余能耗監測值ψ′γ的二進值為0，情況正常。假定某時段冗余能耗監測值情況異常，通過式(16)檢驗當下數據以及其前的w-1個數據傳輸冗余能耗值是否有50%以上存在異常。

(16)

式中，某階段冗余能耗監測值、滑動窗口分別用j與W代表。

依據式(16)取得的結果，將高于閾值的冗余能耗數據si通過監測節點傳輸給簇首C*，其余節點在接到簇首C*下達的傳輸通知后，也將冗余能耗數據傳輸給簇首C*，簇首通過所有節點傳輸的冗余能耗數據計算出冗余能耗的中間值med，然后通過式(17)求得所有冗余能耗數據傳輸節點、中間值med之間的差值。

(17)

式中，μ代表差值集合均值，σ代表差值集合方差。如果低功率單跳網絡參加數據傳輸冗余能耗監測的n個節點中，用{d1，…，dn}代表各個節點與med的集合，與si相對應的標準化值計算如下

Z=(si-μ)/σ

(18)

用θ代表給定的門限值，若滿足Z>θ，則該節點傳輸的冗余能耗數據異常，其監測范圍發生異常，需將預警信號發送給匯聚節點。

3 仿真研究

仿真以某市電力辦公大樓為實驗對象，采用本文監測方法對其進行建筑再生能源冗余耗能數據監測，通過仿真驗證本文監測方法的性能，仿真操作系統是CentOS6.4。

圖3是應用本文方法監測到的該電力辦公大樓秋季與冬季的太陽能、地熱能、空調能、水能四個方面的冗余能耗在該辦公大樓總的建筑再生能源冗余能耗中所占比重。

圖3 冗余耗能比重

從圖3可清晰地看到應用本文方法得到的該電力辦公大樓太陽能、地熱能、空調能、水能四個方面的冗余耗能在總的冗余耗能中所占比重。將兩個季度的冗余能耗比重對比，可以看出該辦公大樓秋季的太陽能、地熱能、空調能、水能方面產生的冗余能耗要低于冬季，原因是冬季氣溫比較低，太陽能、地熱能空調能等建筑再生能源利用得多，產生的冗余耗能較高。

圖4是在不同溫度下應用本文方法進行監測時，分別采用改進肖維涅、傳統肖維涅進行數據處理時得到的冗余能耗數據與實際監測結果的對比。

圖4 不同溫度下冗余能耗

從圖4可以看出，本文方法應用改進肖維捏算法進行數據處理時監測到的空調冗余能耗值更接近實際結果，采用肖維捏算法進行數據處理時監測到的空調冗余耗能值與實際結果偏離較大。實驗結果說明本文方法使用的改進肖維涅算法進行數據處理可使得到的數據監測結果更為準確。

圖5給出的是本文方法與文獻[5]基于智能數據的建筑再生能源冗余能耗監測方法、文獻[6]基于BIM模型的建筑再生能源冗余能耗監測方法3種不同監測方法在建筑再生能源冗余耗能監測中的冗余能耗監測精度隨著K值的變化情況。

圖5 監測精度

從圖5分析可得，隨著K值的不斷提高，三種方法的監測精度都出現一定程度的波動，K值不斷提升，兩種對比方法的監測精度都出現下降趨勢，而本文方法的監測精度逐步提升。說明本文方法監測精度較高，且監測時不受K冗余能耗數據傳輸節點和中間值間差值的干擾。

4 結論

本文設計建筑再生能源冗余能耗數據監測方法。通過對改進的肖維涅算法處理過并經數據融合壓縮的建筑再生能源冗余耗能數據，進行建筑再生能源冗余能耗監測，因其剔除了偏差較大數據，使得建筑再生能源冗余能耗監測誤差率更小，準確度更高，可實現對建筑再生能源冗余能耗的有效監測。將本文方法監測到的建筑內各冗余耗能值占總冗余能耗比重進行相鄰年份比較，為采取必要措施，減少建筑再生能源能耗消耗，避免建筑再生能源能耗浪費提供可靠依據。