论文部分内容阅读
摘 要 为了研究室外气象参数对于办公楼空调能耗的影响，从现有数据入手，分析得出气象参数中温度、平均湿度对于办公楼空调能耗的影响较为显著。据此以温度、平均湿度为参数，选择多元回归分析法建立多组空调能耗的预测模型进行验证。多组预测模型的拟合优度的结果显示：多组能耗预测模型中，除了单平均湿度为参数的预测模型的决定系数R2低于0.5，其余预测模型的决定系数R2均大于0.91。以上结果可以推断出室外温度对于空调能耗的影响远大于湿度。
关键词 空调能耗；气象参数；多元回归分析法；决定系数R2
中图分类号：TU831.2 文献标识码：A 文章编号：1671-7597（2014）17-0029-03
空调已成为家庭/公司/单位等场所必不可少的设备，是人们调节室内温度的重要工具[1]。对于一个空调系统，如果能准确预测其运行期间所需能耗，对于家庭/公司/单位等场所合理调控能耗分配，节能减排具有重要意义。大范围来讲，空调能耗预测对于夏季高温期来临之前做好电力负荷的削峰填谷工作，提高电网运行的安全性、经济性、可靠性，改善电网供电质量，有着重要的现实意义[2]。
本文通过分析确定对空调能耗影响的气象参数，并建立空调能耗与室外气象参数的多组关系模型，通过验证建立的多组关系模型的决定系数R2，确定选择的气象参数对于空调能耗的影响的正确性，对空调能耗的预测具有一定借鉴意义。
1 空调能耗预测方法
采暖空调系统能耗、负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系，且它们是随时间动态变化的，这种关系很难用确定的函数或方程组来描述，但可以通过数学拟合的方法建立采暖空调能耗、负荷预测模型来预测这些不确定的因素变化时的建筑采暖空调能耗、负荷[2]。
空调能耗预测方法有很多，每种方法都有其适用的范围。
方法选择：
历史气象数据中室外环境参数主要有：温度，相对湿度，风速等。考虑到现代围护结构的保温性能较好，室外风速对于室内空调区的影响不明显，因此不考虑风速对于办公楼空调能耗的影响，只考虑温度以及相对湿度对于空调能耗的影响。
现有某地区办公楼的空调能耗的历史平均统计数据以及该地区2011年全年的历史气象数据。在选定室外温度以及相对湿度作为主要参数研究对空调能耗的影响时，通过比较各个预测方法的特点，本文选取多元回归分析法来拟合空调能耗的数学模型。本文通过以室外温度和湿度为参数建立相应的数学模型来预测空调能耗，通过比较拟合出的数学模型的决定系数R2的大小来确定室外温度与湿度对于办公楼空调能耗影响大小。
2 空调能耗数学模型建立
2.1 数据处理
由某地区办公楼的空调能耗的历史平均统计数据以及该地区2011年全年的历史气象数据可得到数据表，见表2。
2.2 模型构建
在直角坐标系下分别绘制月平均温度t，月平均相对湿度H，月平均最高温度TMax以及月平均最低温度TMin与月平均能耗F之间的散点图，如左边四图所示，图中曲线为辅助观察线，纵坐标为能耗，横坐标分别为四个变量。
从四张散点图的分布趋势可以看出：平均温度，平均相对湿度，平均最高温度以及平均最低温度与能耗的关系均是二次方关系。因此可以尝试建立单一变量以及各变量组合的数学模型，然后对于各个模型的拟合程度的好坏进行比较。
构建以下四组模型。
1）单变量数学模型：
2）双变量数学模型：
3）三变量数学模型：
4）四变量数学模型：
运用SPSS软件对模型拟合进行得到各个系数，所得模型汇总如表3。
对于上述一系列拟合出来的数学模型，本文选取决定系数R2作为表明模型拟合程度好坏的标志，R2=1-RSS/TSS，其中TSS表示总离差，RSS表示残差平方和。若R2越接近于1，表明模型的拟合程度越好[3]。
TSS= RSS=
式中：表示原始数据，表示原始数据的平均值，表示拟合数据。
2.3 模型的拟合优度分析
各个模型的决定系数R2，如表4所示。
从表可以看出，除去单纯以相对湿度为参数拟合的模型4决定系数R2低于0.5，其余模型决定系数均高于0.91，说明室外相对湿度对空调能耗的影响较小，不如室外温度对能耗的影响明显，但是加入湿度参数之后可以让空调能耗的预测模型更加精确。
以决定系数最大的模型15为例，给出了模型15的拟合数据与原始数据的对比图。从下图可以看出模型15的拟合数据与原始数据的匹配程度相当好。
图5 模型数据对比图
3 结论
1）通过对气象参数的分析，从气象参数中分析并筛选出对办公楼空调能耗影响较大的参数：温度和相对湿度。
2）通过建立温度、相对湿度与能耗的散点图，分析得出温度、相对湿度与能耗均有二次方的关系，并建立各个参数的组合模型，利用SPSS拟合出个模型的系数，并通过比较各个模型的决定系数R2与1接近程度，判断各个模型拟合程度的好坏。
3）分析拟合出的各个模型的决定系数R2，除去模型4以外其余拟合出的能耗预测模型，决定系数均在0.91以上，拟合程度相当好，可推测出相对湿度对于办公楼空调能耗的影响不如温度来的明显。但是预测模型中温度湿度都存在时，模型的决定系数R2大于任何单一参数建立的预测模型说明加入相对湿度这个参数后，可以适当的提升模型的预测精度，这点对空调能耗的预测工作有一定的借鉴意义。
基金项目
上海市科委节能减排专项（12dz1200302）。
参考文献
[1]朱春杰，姚元荣.浅谈室外温度与工厂空调用电量的关系[J].电源技术应用，2013（05）：479-479.
[2]孙冬梅.公共建筑采暖空调系统能耗预测方法研究[D].重庆大学，2009.
[3]王亚军.决定系数与相关系数辨析[A].长江流域暨西北地区科技期刊协作网2008年学术年会论文集[C].2009.
作者简介
甘志超（1990-），男，浙江湖州人，上海电力学院硕士研究生。
关键词 空调能耗；气象参数；多元回归分析法；决定系数R2
中图分类号：TU831.2 文献标识码：A 文章编号：1671-7597（2014）17-0029-03
空调已成为家庭/公司/单位等场所必不可少的设备，是人们调节室内温度的重要工具[1]。对于一个空调系统，如果能准确预测其运行期间所需能耗，对于家庭/公司/单位等场所合理调控能耗分配，节能减排具有重要意义。大范围来讲，空调能耗预测对于夏季高温期来临之前做好电力负荷的削峰填谷工作，提高电网运行的安全性、经济性、可靠性，改善电网供电质量，有着重要的现实意义[2]。
本文通过分析确定对空调能耗影响的气象参数，并建立空调能耗与室外气象参数的多组关系模型，通过验证建立的多组关系模型的决定系数R2，确定选择的气象参数对于空调能耗的影响的正确性，对空调能耗的预测具有一定借鉴意义。
1 空调能耗预测方法
采暖空调系统能耗、负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系，且它们是随时间动态变化的，这种关系很难用确定的函数或方程组来描述，但可以通过数学拟合的方法建立采暖空调能耗、负荷预测模型来预测这些不确定的因素变化时的建筑采暖空调能耗、负荷[2]。
空调能耗预测方法有很多，每种方法都有其适用的范围。
方法选择：
历史气象数据中室外环境参数主要有：温度，相对湿度，风速等。考虑到现代围护结构的保温性能较好，室外风速对于室内空调区的影响不明显，因此不考虑风速对于办公楼空调能耗的影响，只考虑温度以及相对湿度对于空调能耗的影响。
现有某地区办公楼的空调能耗的历史平均统计数据以及该地区2011年全年的历史气象数据。在选定室外温度以及相对湿度作为主要参数研究对空调能耗的影响时，通过比较各个预测方法的特点，本文选取多元回归分析法来拟合空调能耗的数学模型。本文通过以室外温度和湿度为参数建立相应的数学模型来预测空调能耗，通过比较拟合出的数学模型的决定系数R2的大小来确定室外温度与湿度对于办公楼空调能耗影响大小。
2 空调能耗数学模型建立
2.1 数据处理
由某地区办公楼的空调能耗的历史平均统计数据以及该地区2011年全年的历史气象数据可得到数据表，见表2。
2.2 模型构建
在直角坐标系下分别绘制月平均温度t，月平均相对湿度H，月平均最高温度TMax以及月平均最低温度TMin与月平均能耗F之间的散点图，如左边四图所示，图中曲线为辅助观察线，纵坐标为能耗，横坐标分别为四个变量。
从四张散点图的分布趋势可以看出：平均温度，平均相对湿度，平均最高温度以及平均最低温度与能耗的关系均是二次方关系。因此可以尝试建立单一变量以及各变量组合的数学模型，然后对于各个模型的拟合程度的好坏进行比较。
构建以下四组模型。
1）单变量数学模型：
2）双变量数学模型：
3）三变量数学模型：
4）四变量数学模型：
运用SPSS软件对模型拟合进行得到各个系数，所得模型汇总如表3。
对于上述一系列拟合出来的数学模型，本文选取决定系数R2作为表明模型拟合程度好坏的标志，R2=1-RSS/TSS，其中TSS表示总离差，RSS表示残差平方和。若R2越接近于1，表明模型的拟合程度越好[3]。
TSS= RSS=
式中：表示原始数据，表示原始数据的平均值，表示拟合数据。
2.3 模型的拟合优度分析
各个模型的决定系数R2，如表4所示。
从表可以看出，除去单纯以相对湿度为参数拟合的模型4决定系数R2低于0.5，其余模型决定系数均高于0.91，说明室外相对湿度对空调能耗的影响较小，不如室外温度对能耗的影响明显，但是加入湿度参数之后可以让空调能耗的预测模型更加精确。
以决定系数最大的模型15为例，给出了模型15的拟合数据与原始数据的对比图。从下图可以看出模型15的拟合数据与原始数据的匹配程度相当好。
图5 模型数据对比图
3 结论
1）通过对气象参数的分析，从气象参数中分析并筛选出对办公楼空调能耗影响较大的参数：温度和相对湿度。
2）通过建立温度、相对湿度与能耗的散点图，分析得出温度、相对湿度与能耗均有二次方的关系，并建立各个参数的组合模型，利用SPSS拟合出个模型的系数，并通过比较各个模型的决定系数R2与1接近程度，判断各个模型拟合程度的好坏。
3）分析拟合出的各个模型的决定系数R2，除去模型4以外其余拟合出的能耗预测模型，决定系数均在0.91以上，拟合程度相当好，可推测出相对湿度对于办公楼空调能耗的影响不如温度来的明显。但是预测模型中温度湿度都存在时，模型的决定系数R2大于任何单一参数建立的预测模型说明加入相对湿度这个参数后，可以适当的提升模型的预测精度，这点对空调能耗的预测工作有一定的借鉴意义。
基金项目
上海市科委节能减排专项（12dz1200302）。
参考文献
[1]朱春杰，姚元荣.浅谈室外温度与工厂空调用电量的关系[J].电源技术应用，2013（05）：479-479.
[2]孙冬梅.公共建筑采暖空调系统能耗预测方法研究[D].重庆大学，2009.
[3]王亚军.决定系数与相关系数辨析[A].长江流域暨西北地区科技期刊协作网2008年学术年会论文集[C].2009.
作者简介
甘志超（1990-），男，浙江湖州人，上海电力学院硕士研究生。