从房间级大数据创建高效的建筑能源管理系统

为现有建筑制定节能基准的第一步是准确测量能源消耗模式。这通常涉及使用大量数据进行数据分析，以了解能源使用的空间和时间分布模式。例如，总能源使用量取决于所用电器的类型，例如加热和冷却系统，以及它们的每月、每天和每小时的使用模式。

建筑能源使用的年度数据是评估社区能源评级系统的基础。然而，在最小的层面，即居住者层面上确定节能是不够的。需要一个基于实时能源使用数据的房间级能源计算器，可以扩展到建筑物和社区级别，以满足这一需求。

在《可再生能源和可持续能源评论》上发表的一项研究中，由韩国仁川国立大学的ChoongwanKoo教授领导的研究小组提出了一个用于计算典型房间级能源使用模式的过程模型。在谈到这项研究时，Koo教授说：“我们开发了一个强大的模型，可以应对准确的居住者级别测量的挑战，包括空间、时间和电器/设备的变化。”

在这项研究中，研究团队选择了韩国尚州的一个教育设施作为样板建筑，并为每个教室配备了实时物联网(IoT)能量传感器。他们还直接从学校的电表中纠正了数据。这构成了大约1100万个数据集的“大数据”，然后用于分析。新方法旨在从三个角度考虑能源消耗——从基于居住者感知的空间单元、允许居住者快速响应的时间单元以及电器级或设备单元。

然后，研究人员使用大数据通过“k-clusteringalgorithm”识别具有代表性的能源消耗模式。此外，他们分析了这些模式并使用它们为能源系统的各种组件(如照明、教育设备、冷却、加热等)开发可扩展的能源基准。接下来，研究团队计算了平均绝对百分比误差(MAPE)以验证这些能源基准。它还用于计算基准的不确定性，从而可以深入了解某些特征，例如季节性天气和每小时的使用模式如何影响能源消耗。

“可扩展的能源基准有助于规划有效的运营策略以促进节能。它还可以提高能源效率和室内环境质量(IEQ)。例如，在夏季下午和冬季早晨等消费高峰期，不同的策略可以应用在冷却和加热系统上节省能源。同样，可以开发在设施不使用时关闭备用电源的方法，“Koo教授解释说。

这些技术在开发智能建筑能源性能评级系统和创造更舒适的工作空间方面将是无价的。它们还将使个人层面的居住者能够改变他们使用能源的方式，从而全面降低能源消耗。