基于數據挖掘建筑能源管理系統能效評價體系解決方案匯報內容研究目標研究進度方案介紹經費使用工作計劃1.1研究背景建筑能耗評價的目的定性：判斷能耗高低是否值得做節能改造做節能改造的預計收益是多少定量：能耗差異是多少差在什么地方，每個區域、系統的能耗差多少，平均值是多少，目標值是多少存在能耗差異的原因是什么改進措施是什么評價診斷優化1.1研究背景建筑能耗評價的原則公平性普遍適用兼顧先進與公平合理性符合業主需求符合建筑的特點科學性基于科學方法確定1.2研究及應用現狀1020306070800406080二次平均值：25.00kgce

m-2a-120平均值：28.73kgce

m-2a-1最小值：5.26

kgcem-2a-1最大值：85.88kgcem-2a-1中位值：26.24

kgce

m-2a-160%分位值：28.04

kgce

m-2a-1能耗密度(kgce

m-2a-1)40

50建筑樣本不同建筑能耗差異很大單指標和多指標其他因素：氣候，人員數，提供服務內容，服務強度等相關因素1.3建筑能耗評價的內涵B酒店能耗：

90kWh/m2/年入住率100%A酒店能耗：

80kWh/m2/年入住率50%VSVS評分系統以全國同類能效數據劃分為1—100分來進行衡量，對能效情況進行相對比較。建筑物數量低能效建筑用能密度(kWh/m2.year)1255075

100高能效建筑評測得分1.4需求和信息量的矛盾數據的維度n和能評價的信息量m定性結論：是否節能相對位置的高低VS需要更多的數據量

用戶更多的需求目標：針對當前各建筑由于服務質量和服務用能強度不一致而難以統一評價的技術難題，研究建立適用于各氣候區的建筑能效評價方法體系，開發配套的綜合能效評價軟件和在線公共平臺，實現對不同氣候區、不同功能和不同規模建筑能效水平的統一評

價，促進建筑運行能效的全面提升以及建筑運行能耗的切實降低，實現建筑節能目標的不斷提升。。1.5研究目標1.6子任務設置匯報內容研究目標研究進度方案介紹經費使用工作計劃（1）建筑能效評價方法1套。建筑能效評價技術導則1份。在線公共建筑能效評價平臺1個。建筑能效評價相關的軟件著作權2項。 高水平科技論文10篇，其中SCI/EI檢索論文至少1篇。 完成示范應用建筑面積不低于150萬平方米，并形成示范應用報告培養研究生至少1名。發表1篇，4篇正在審查中初步確定一棟精品示范工程，有2棟建筑正在簽署示范意向書完成了中外建筑運行能效評價方法比對評估完成了數據挖掘技術在建筑運行能效評價中的適用性研究確定了能耗評價方法正在調研、收集數據導則立項中完成平臺基本構架2研究進展概況匯報內容研究目標研究進度方案介紹經費使用工作計劃3.1國內外建筑能耗評價方法對比分析評價建筑能耗的高低工程計算模擬計算統計分析評價方法：系統計算末端計算定義基準參數建立模型添加系統參數動態模擬及檢驗數據統計數據分析確定能耗基準3.1國內外建筑能耗評價方法對比分析建筑總能耗或單位面積能耗內部用戶能耗HVAC系統能耗其他用戶能耗需求側負荷系統效率外部冷負荷內部冷負荷冷機水泵風機建筑級別系統級別設備級別信息足夠結束信息足夠結束是否否是3.2評價方法-工程計算模擬模型模擬模型歷史氣象參數運行使用數據實際建筑理想建筑理想建筑物理參數及運行使用數據3.2評價方法-模擬計算一般用于建筑設計、優化、節能改造方案的制定統計計算方法：參數修正；線性回歸；非線性回歸；高斯回歸；隨機前沿分析；逼近理想解法；數據包絡分析。評價方法：能耗限額；能耗基準模型。機器學習方法：人工神經網絡；聚類分析；支持向量機；決策樹；混合遺傳算法。3.2評價方法-統計分析在建筑實際運行能耗的評價方面應用最為廣泛。3.3數據挖掘方法應用場景對比分析3.3數據挖掘方法應用場景對比分析序號用途數據挖掘模式應用算法建筑范圍樣本數據樣本量案例1建筑能耗預測/分析/診斷回歸支持向量機單棟建筑逐時數據大量數據1聚類Chameleon算法、k-means算法單棟建筑逐時數據大量數據5分類神經網絡、決策樹單棟建筑逐時數據大量數據4回歸多元回歸單棟建筑逐時數據大量數據22建筑能效評價-簡單統計分析，標準化處理多棟建筑逐年一定量1-數據包絡分析多棟建筑逐年一定量4回歸線性/非線性回歸多棟建筑逐年/逐月數據一定量16回歸隨機前沿分析多棟建筑逐年一定量1回歸神經網絡多棟建筑逐年一定量1分類神經網絡單棟建筑逐時數據大量數據13建筑舒適性分析分類決策樹單棟建筑逐時數據大量數據14運行診斷關聯Association

Rule

Mining/Apriori單棟建筑逐時數據大量數據2序號方法參考建筑類型建筑物的位置1簡單標準化處理Lee和Priyadarsini（2008）辦公建筑新加坡2線性/非線性回歸Monts和Blissett（1982）學校美國3線性/非線性回歸sharp（1996）辦公建筑美國4線性/非線性回歸Birtles和Grigg（1997）辦公建筑英國5線性/非線性回歸sharp（1998）學校美國6線性/非線性回歸Bloyd等人（1999年）酒店美國7線性/非線性回歸MacDonald和Livengood（2000）住宅美國8線性/非線性回歸Westphal和Lamberts（2001）商業巴西9線性/非線性回歸Olofsson等人（2005年）住宅瑞典10線性/非線性回歸Chung等人（2006年）超市香港11線性/非線性回歸Bohdanowicz和Mart（2007）酒店歐洲12線性/非線性回歸Chung和Hui（2009）辦公建筑香港13線性/非線性回歸Wu等人（2010年）酒店新加坡14隨機前沿分析Buck和Young（2007）商業加拿大15數據包絡法Lee等人（2008）政府辦公臺灣16數據包絡法lee等人（2009）政府辦公臺灣3.3數據挖掘方法應用場景對比分析-小結健身房、SPA、游泳池等酒店酒店建筑均是24小時運行，因此運行時間可無需考慮采暖面積、

廚房面積、

冷庫數量、

冷庫面積、

洗衣房面積等其它服務備餐量、客房數、入住率、工作人員數量等氣象參數功能服務量HDD、CDD等要建立各位建筑的能耗評價模型，首先必須針對其功能和能耗特點，分析影響其建筑能耗高低的主要因素。3.4能耗評價模型的建立-影響因素初步分析大部分辦公樓功能復雜，多為以辦公為主的綜合體。HDD、CDD等辦公樓氣象參數員工數量、運行時間、出租率等服務量采暖面積、

空調面積、

辦公區面積、商業區面積、餐飲區面積、數據機房面積、地下車庫面積等功能3.4能耗評價模型的建立-影響因素初步分析建筑群每棟建筑所擔負的功能都不相同。醫院建筑功能分類復雜。大多數建筑沒有單獨設置能耗計量裝置。教學科研、試劑等醫院醫院建筑均是24小時運行，因此運行時間可無需考慮空調面積、

采暖面積、

診療區面積、生活用房面積、行政管理區面積等其他功能門診人次、

急診人次、

住院床日數、手術人次、

床位數、職工數等氣象參數功能服務量HDD、CDD等3.4能耗評價模型的建立-影響因素初步分析3.5基于數據挖掘技術的建筑能效評價方法的核心思路建筑能效服務內容服務強度硬件條件軟件條件建筑規模

用能人數入住率運行時間SPA

氣候條件圍護結構風機冷水機組照明燈具水泵電梯設定溫度啟停控制運行方式系統形式控制策略自控平臺標準化參數節節節能能能診潛措斷力施3.6實施路徑3.7研究方法和技術路線數據基礎應用場景評價類型能效評價總能耗總能效評價比對結果分項能效評價各分項能耗占比各分項能耗敏感性分析、判斷及建議分項能耗分項能效評價各分項能耗敏感性分析、判斷及建議統一轉化能源形式剔除異常點初步確定自變量曲線估計能耗比分布檢驗計算能耗比模型性能的比對和篩選初步建立模型計算得到分數查詢表再次對模型性能進行比對和篩選確定最優模型計算得到分數查詢表否3.8基于總能耗的能效評價模型開發流程參數初始化處理能耗比對模型能效評價模型是擬合分布曲線02000000400000060000008000000100000001200000014000000160000000全年總電耗量，kWh500000

1000000

1500000

2000000

2500000

3000000總建筑面積，m2剔除異常點后的擬合線剔除異常點前的擬合線并不是調研得到的所有樣本數據都適合參加數據分析：由于數據獲取過程中可能產生的種種問題，導致數據出現的未知偏差，甚至產生錯誤樣本中異常點的存在，雖然不屬于錯誤數據，但該異常點與其他大部分樣本相比有較大偏離，參與數據擬合分析后，對結果產生不利影響，這樣的數據也應該刪除。y=

51.866x0200000040000006000000800000010000000120000001400000016000000050000100000

150000

2000003.8基于總能耗的能效評價模型——樣本的確定樣本篩選原則：建筑定義的篩選原則：根據建筑的定義，對樣本進行篩選，例如酒店建筑至少有一間客房等。建筑正常運營的篩選原則：建筑內運營參數的合理范圍，例如人員密度、房間密度和建筑能耗密度的合理范圍。數據分析的篩選原則：對關鍵性變量的要求，例如必須有建筑能耗數據、建筑總面積數據等。3.8基于總能耗的能效評價模型——樣本的確定因變量：在選擇因變量時，應根據具體分析結果，確定使用總能耗，單位面積能耗還是其他的能耗形式。自變量：建筑能耗的物理意義；各自變量對因變量的貢獻及相關性分析；曲線估計確定自變量可能的具體形式；自變量間的交互作用；保留對因變量貢獻較大的自變量，建立模型。3.8基于總能耗的能效評價模型——變量的確定建模方法：逐步回歸逐個引入變量，每引入一個解釋變量進行F檢驗，并對已經選入的解釋變量逐個進行t檢驗，若已引入的解釋變量因新引入的變量變得不再顯著時，則將其刪除。反復進行直到既沒有顯著的解釋變量選入回歸方程，也沒用不顯著的解釋變量從回歸方程中剔除為止。逐步回歸建模可以通過逐一引入影響因素，剔除相對不重要的因素，使得最后保留在模型中的解釋變量既是重要的，又沒有嚴重多重共線性。3.8基于總能耗的能效評價模型——模型的建立選取最顯著因素建立一元回歸模型檢驗其他因素的顯著性因素可用將該因素引入模型是重新擬合模型并檢驗所有參數否剔除不顯著因素中最不顯著的一個選定模型沒有顯著性因素引入是否能耗評價模型的篩選：常用的篩選準則有：自由度調整復決定系數達到最大Ra2赤池信息量AIC達到最小Cp統計量達到最小。能耗評價模型的檢驗：物理意義檢驗F檢驗、t檢驗、擬合優度R2檢驗序列自相關性檢驗：多重共線性檢驗：VIF<10殘差圖判斷3.8基于總能耗的能效評價模型——模型的建立3.8基于總能耗的能效評價模型——評價工具的建立定義能耗比=實際能耗/標準化能耗根據該公式：某樣本計算得能耗比低意味著該建筑的實際能耗量低于標準化能耗值，即可認為該建筑的能效水平較高。檢驗樣本空間的能耗比值累積分布。

2擬合優度檢驗：2nbins2

i

i

Eii

1(O

E

)

Kolmogorov-Smirnov檢驗：KS

max(Fn

(x)

G(x))Q-Q圖檢驗：3.8評價方法——評價工具的建立

-1,

x,

,

＞0x

x(

) exp(

)

(

)f

(x)

開發評分表：1e2

2

2

(

x

)2f

(x)

x,

,

0正態分布：根據檢驗結果，擬合相應分布函數：Gamma分布：分值累積概率能耗比值區間分值累積概率能耗比值區間≥＜≥＜1000%0.0000000.2380305050%0.9728110.984880991%0.2380300.2897404951%0.9848800.997056982%0.2897400.3265994852%0.9970561.009348973%0.3265990.3565144753%1.0093481.021765964%0.3565140.3822824654%1.0217651.034315夏季冬季冬季3.9技術路線-基于總能耗的分項能耗利用賬單期的天數和面積對能源數據進行標準化適合天氣數據的模型——天氣標準化建筑物能源利用逆向建模響應變量：建筑物能耗電力(kWh)化石燃料（千卡）預測變量：環境條件干球溫度溫度日數住房率/時間安排3.9技術路線-基于總能耗的分項能耗3.9技術路線-基于總能耗的分項能耗3P

模型

y

1

2

x

3

y

1

2

x

3

Energy

UseOutside

Air

Temperature3-Parameter

Cooling

Modelβ2β1β3Energy

UseOutside

Air

Temperature3-Parameter

Heating

Modelβ2β1β3石化燃料設施數據電力設施數據電力基荷化石基荷采暖平衡點溫度制冷平衡點溫度制冷敏感性采暖敏感性照明、插座負載等室內熱水、二次采暖、備用損失等.Energy

UseOutside

Air

Temperature3-Parameter

Cooling

Modelβ2β1β3

1

2

3y

x

1

Baseloadcp

UA

V

c

2pQiUA

V

c

3

Tsp

基荷（

base-load

）為獨立的天氣載荷，并作為內部載荷（例如照明、插座載荷）和其他常規載荷（例如風扇、室內空調等）的函數。斜率是建筑物的天氣敏感性響應，它是圍護結構特性(UA)、通風/滲透(Vρcp)，以及冷卻設備能效(η)的函數。可為3-P采暖模型建立類似表達式平衡點溫度是空間溫度設置點(Tsp)、圍護結構特性(UA)、通風/滲透(Vρcp)、和照明、人群和陽光

(Qi)等內部載荷的函數。Baseload與天氣變化不顯著的空調能耗Baseload與服務變化不顯著的空調能耗Baseload其他3.9技術路線-基于總能耗的分項能耗I分項能效指標=??分項能耗X服務量1

+X服務量2

+?+X天氣1

+X天氣2

+?Baseload與天氣變化顯著的能耗Baseload與天氣變化不顯著的空調能耗Baseload與服務變化不顯著的能耗Baseload其他3.9技術路線-基于監測系統的分項能耗酒店商業辦公某公共機構下轄辦公3.10工作進展工作進展確定基本思路數據準備總能耗數據能耗監測系統數據運營參數數據全國建筑能效評價用氣象參數數據的獲取啟動工具的開發內調研（精準）示范項目自有數據其他渠道（擴大范圍）數據來源評價指標越多，需要的原始數據越多、越細、越復雜。全國建筑能效評價用氣象參數數據的獲取啟動工具的開發開發中：自動查詢、匹配氣象參數基于Python3.10軟件開發工作進展網頁版便于在電腦操作和管理；微信版便于推廣和宣傳；兩個版本共用一套用戶數據庫；微信版功能稍作簡化。3.11微信版建筑能效評價工具UI的開發；完成調適工具包程序完成機電系統調適平臺構架完成了中外建筑運行能效評價方法比對評估調研完成了數據挖掘技術在建筑運行能效評價中的適用性研究調研全國辦公、酒店數據調研建筑能效評價方法導則：立項中標準導則調研軟件產品初步確定一棟精品示范工程，有2棟建筑正在簽署示范意向書應用示范10%建筑能效評價方法關鍵技術50%80%10%50%3.12完成成果小結匯報內容總體進展情況主要方案介紹經費支出情況存在問題工作計劃3.經費支出情況經費支出情況本階段經費支出總計為xx萬元，占總預算11.8%；自籌經費到位xx萬元，占總預算16.7%。匯報內容總體進展情況主要方案介紹經費支出情況存在問題工作計劃4.存在問題存在問題示范項目問題既有監測平臺調研分析過程中發現，上省、市級能耗平臺的建筑數據一般只包括電能，普遍缺乏燃氣、蒸汽等能耗數據、缺乏冷熱量消耗量數據，沒有安裝相應的測量表具，若都需要增加，量大，增量成本高。經費問題預算專項經費中設備費和材料費較少，預算用于輔助調研測試

需求，若根據示范項目要求，各示范項目均要增加相應的計量設備、傳感器之類，設備費會超出預算范圍，但是經費要求設備費不予調

增。匯報內容總體進展情況主要方案介紹經費支出情況存在問題工作計劃……示范項目研究方法數據挖掘方法研究建模方法初步確定建立評價模型評價體系建立……評價體系評價平臺示范項目要求明確2018.1評價方法體系討論評價方法確定平臺需求研究示范項目情況表試用示范項目逐步篩選確定簽訂示范項目意向書……平臺界面開發內核開發……示范項目名單確定工作安排5.工作安排評價方法研究開發完成總能效和分項能效評價模型開展某棟典型建筑的分項能效分析與評價模型的改進、驗證和完善工具開發與應用示范工作計劃獲取總能耗數據和能效數據能源管理平臺雙碳助力賦能企業節能解決方案江蘇省制造業數字化轉型推進工作走深向實智能化改造、數字化轉型的落地指標重

點

任

務

工業智能分析層

工業大數據服務層工業物聯與邊緣層

總體目標：全面推動全省制造業智能化改造和數字化轉型

1

勞動生產率年均增幅高于增加值增幅2

經營管理數字化普及率超過80%cybercube數據存儲層CyberDataStation積極響應江蘇智改數轉強省戰略十

大

工

程高低頻混合數據采集與處理軟硬一體化分布式系統高效管理端邊云協同及模型一鍵部署多源異構數據集成體系化的數據資產儲存與管理工業數據價值探索與服務工業智能建模與分析工業智能模型全生命周期管理工業智能模型執行引擎服務cyberDataHub工業大數據服務中臺傳感器數控系統高頻傳感器數據低頻工況數據ATPTDT工業互聯網支撐工程優秀解決方案推廣工程自主可控工業軟件應用工程工業信息安全保障工程智能硬件和裝備

攻堅工程龍頭骨干企業引領工程中小企業推進工程產業鏈升級工程工業互聯網創新工程領軍服務商培育工程模型服務引擎數據分析與建模模型資產管理庫工業物聯與邊緣智能系統工業智能模型研發平臺數據服務層CyberWorkStation專業建模桌面版數字化研發設計工具普及率接近90%數據接入層CyberGatewayiEC-2001智能邊緣硬件關鍵工序數控化率達65%設

備43iEC-1001iEC-10060201

雙碳感知通過對設備健康的維護、能耗的優化，助力企業實現雙碳目標

能耗優化采集企業關鍵節點能耗數據，通過專業模型調優降低綜合

能耗

設備健康建模分析設備溫度壓力震動

等歷史數據，精準預測設備

未來健康曲線03核心業務架構智改數轉助力碳中和/碳達峰目標實現【碳排管理】雙碳政策趨勢碳達峰碳中和“1+N”政策體系逐步建立智改數轉助力實現雙碳愿景碳排和能耗的管理將成為企業運營中最為重要的環節之一，且歷史包袱較輕，適合作為數字化轉型切入點碳追蹤模型碳排放一張圖企業能耗直接決定碳排指標【能耗管理】主體公輔設備能耗統計企業級智慧能源技術路線能源管理云邊端模型能源管理全局優化技術設備健康與否直接影響企業能耗水平

【設備PHM】設備大健康數字孿生平臺設備管理難點設備預防性維護技術路徑設備預防性維護技術實現n

對關鍵設備如泵、釜、風機等進行性能評估、預測性診斷、生命周期管理n

基于設備運行過程參數分析實現產線過程異常預警n

運用工業AI技術構建化工設備智能化管理平臺，實現化工設備的預測性維護和優化運行某化工集團上線設備故障預測與健康管理系統：n

關鍵設備故障預測準確率不低于90%n

主要設備異常診斷準確率不低于90%n

建立全廠級設備健康管理體系，實現自動化的關鍵設備的故障診斷及分析化工行業PHM業務實現客戶價值化工行業設備智能運維化工行業系統效果展示n

軌交關鍵設備，如走行部軸箱軸承、站內空調、隧道風機、自動扶梯、門系統的實時監控、性能評估和故障預警n

預測能源供需關系，動態調優隧道風機、站內空調運行參數，降低地鐵車站電耗n

站內空調、車載空調智能管控優化，提升舒適度、降低能耗、提升設備運行穩定度n

實現設備“計劃維保”到“預測維保”的智能化維護策略升級，提升