基于BIM的建筑能耗监测可视化研究

针对建筑能耗错综复杂,不易分析管理,提出一种基于BIM的能耗监测方法,在内蒙古建设大厦对暖通空调系统进行现场试验。利用现有图纸和三维激光扫描仪及高清相机进行模型数据采集,通过三维模型创建、模型变动提示、模型数据联动,实现建筑能耗监测的可视化,分析研究了过程的有效性。结果表明,将BIM技术与传感技术、工程管理技术深度融合,能够直观反映地物系统设备的真实情况,能产生数据联动变化,并辅以智能化提示等功能,大幅提高节能管理效率。从研究过程可以得出,本方法对于其他类似的复杂建筑能源消耗状况监测具有通用性和工程实用价值。     

基于BIM技术的被动式建筑节能因子多目标优化研究

为了研究被动式建筑节能策略,在原有的 BIM 模型基础上生成建筑能耗模型,通过 gbXML 数 据标准进行数据共享,在 Grasshopper 平台导入参数化建筑性能模拟模型,对目标建筑外表面进行太阳辐射分 析,确定以西面遮阳板倾斜角和深度、南面和西面窗墙比、外墙保温板厚度为被动式节能技术变量指标。利用 OpenStudio 进行建筑能耗分析,Daysim 进行全年动态自然采光模拟分析,以空间日光自主评价指标 sDA300/50%、 全年制冷、供暖能耗为相互制衡的适应度目标函数。最后使用 NSGA-Ⅱ算法进行多目标优化,得出帕累托前 沿解集。研究表明：寒冷 B 区,固定遮阳无法平衡制冷和供暖能耗目标。窗墙比仅通过制冷、供暖能耗目标无 法进行优化设计,应结合自然采光性能进行制衡。同时增加保温层厚度,提升外墙保温效果。BIM 模型提供了 建筑性能模拟数据来源,Grasshopper 平台结合模拟引擎和优化算法进行耦合分析,为被动式节能因子指标最 优值的搜索带来新的思路。     

基于ARM的公共建筑用电能耗数据采集器

本文针对目前国家机关办公建筑和大型公共建筑的高能耗问题,根据国家建设部要求设计了一种建筑能耗数据采集器。本文将数据采集的相关技术应用于建筑能耗监测领域,介绍了建筑能耗数据采集器的整体结构,重点阐述了数据采集、存储和传输的方案设计。该数据采集器的基本性能已在实验室条件下得到充分验证。通过对建筑能耗的分项计量,获取大量的能耗数据,为下一步建筑节能分析和节能控制提供可靠的数据支持。     

基于数据挖掘技术的建筑能耗分析集成方法

传统的建筑能耗监测方法难以有效地发现能耗数据特点以及能耗数据之间的潜在关系,对异常能耗数据的判断缺乏准确性。针对上述问题,提出基于多种数据挖掘方法的建筑能耗分析集成方法。通过优选分类、离群点分析、关联分析,以及预测等数据挖掘相关算法,新集成方法挖掘蕴含在建筑能耗数据中有价值的知识,实现能耗模式分类、能耗异常数据识别、找出影响能耗的相关因素、能耗预测,提供建筑节能辅助决策。通过美国国家再生能源实验室研究支持机构使用的建筑能耗数据集,验证了新集成方法的可行性和有效性。     

基于BP神经网络的建筑能耗预测

建筑负荷的预测是现在建筑能耗工作中十分重要的一项,是建立节能减排的重要支撑条件,对建筑总体能耗的预测需要考虑建筑结构内、外部环境方面的各项因素,例如对外部平均温度、湿度等,提出了使用BP神经网络的理论解决负荷的预测问题,结合某地的事实数据,用Matlab建立负荷预测模型,进行仿真预测的结果进行分析,预测的误差较小,能够比较有效地进行实用.     

基于热舒适度的办公建筑HVAC系统节能控制

建筑节能控制是一个满足舒适需求条件下的多目标优化问题,然而对于缺失运行数据的新建建筑,如何控制供暖、通风和空调(HVAC)系统达到既舒适又节能的效果是一个控制难题.针对这个问题,本文首先建立了新建建筑空间模型,然后对该模型进行能耗仿真分析,在此基础上,提出基于人员热舒适度的模糊控制算法,得出最优控制区间,从而在较低能耗水平情况下获得更长的热舒适天数,达到既节能又舒适的目标.基于人员热舒适度的节能控制对建筑HVAC系统绿色运行具有促进作用.     

基于k-means聚类和离群点检测算法的医院建筑节能诊断方法

虽然大型综合医院已经普遍通过加装智能电表实现用电回路监测,但是医院建筑节能仍多采用节能改造等方法,传统节能针对数据利用能力普遍较弱.针对上述问题,提出了一种基于建筑信息模型(BIM)的医院建筑节能诊断方法.首先,建立了医院能耗监测网络,在建筑信息模型中整合用电数据、用电外部影响因子;然后,基于k-means聚类算法和离群点检测两项无监督学习算法实现异常用电数据的主动挖掘;最后,基于建筑信息模型可视化展示建筑内用电逻辑、用电分布、异常点位置.在实际工程项目应用中验证了所提方法的有效性,可从可视化、智能化等角度从丰富的医院建筑用电数据中发现异常现象和节能潜力点,辅助节能诊断和管理.     

建筑信息模型在建筑一体协同设计中的应用分析

建筑信息模型BIM（Building Information Modeling）是以建筑工程项目的相关数据和参数作为模型的基础,建立建筑模型,通过相关数据仿真模拟建筑工程的具体真实信息。根据建筑信息模型的特点,介绍了其在可视化设计、参数化设计和协同设计中的应用,分析建筑信息模型运用过程中过的问题,并提出相应的处理方法,使其发挥更好的作用。BIM的出现,突破了传统的设计方法,提高了设计的效率和质量。     

基于智能视觉和BIM的建筑装配过程的高精度控制

为了确保建筑装配过程能实现开发商定义的工业化标准,需要进行建筑装配过程高精度控制。使用当前方法在建筑装配的过程中对建筑装配成本、质量的控制效果达不到开发商的要求;为此,提出一种基于智能视觉和BIM的建筑装配过程高精度控制方法;首先采用BIM技术通过计算机虚拟建筑装配场地布置,建立BIM建筑装配模型,并在BIM建筑装配模型中输入建筑配件以及施工项目相关的所有信息,其次,在BIM建筑装配模型的各个施工构件上加上时间参数和成本计划,构成5D BIM建筑装配模型,对优化完成的5D BIM建筑装配模型进行虚拟建造,调整进度和成本计划,进而将BIM和智能视觉技术相结合,实现整个建筑装配过程的三维可视化指导操作;实验结果表明,所提方法能够有效提高施工效率,且建筑装配成本控制精度较高。     

基于Spark Streaming的实时能耗分项计量系统

能耗分项计量能够准确、及时、有效地发现能源使用问题,形成和实现最有效的节能措施。能耗分项计量系统需要对各项能源使用量在不同粒度上进行统计,既有实时性的需求,又需要涉及到聚合、去重、连接等较为复杂的统计需求。由于数据产生快、实时性强、数据量大,所以很难统一采集并入库存储后再作处理,这便导致传统的数据处理架构不能满足需求。为此,提出基于Spark Streaming大数据流式技术构建一个实时能耗分项计量系统,对实时能耗分项计量的系统架构和内部结构进行了详细介绍,并通过实验数据分析了系统的实时数据处理能力。与传统架构不同,实时能耗分项计量系统在数据流动的过程中实时地进行捕捉和处理,一方面把捕捉到的异常信息及时报警到前端,同时把分类分项统计处理的结果保存到数据库,以便进行离线分析和数据挖掘,能有效地解决上述数据处理过程中遇到的问题。     

一种动态实时高校建筑能耗异常检测方法

针对静态建筑能耗异常检测方法在动态高校建筑能耗环境中容易出现误判的问题,提出一种改进的高校建筑能耗异常检测方法。采用SA-DBSCAN算法根据能耗数据的统计特性自适应识别建筑能耗模式,利用C4.5算法构建能耗模式判定树,依据判定树得到实时能耗数据的相应类别后使用LOF算法进行离群分析检测异常。将判定正常的能耗增量地更新到建筑能耗模式中,并根据更新结果动态调整异常检测模型。实验结果表明该方法能有效检测异常能耗数据并逐步拟合高校建筑能耗环境的变化来减少误判。     

基于ZigBee技术的建筑能耗监测系统设计

随着我国建筑总量不断攀升,建筑能耗也逐年增加,更加有效地实施建筑能耗统计及建筑节能管理具有重要的意义;通过对建筑能耗监测系统的分析,在研究ZigBee技术的基础上,提出了基于ZigBee无线传感器网络的建筑能耗监测系统总体结构,对其网络拓扑控制和路由协议进行了研究,并介绍了系统周期性工作过程;网络测试表明,该系统可靠性好,能够实现建筑能耗数据的采集和无线传输;通过对能耗数据的统计分析,为降低建筑能耗和提高建筑能效,提供了决策依据和参考.     

基于Q-Learning算法的建筑能耗预测

提出一种基于Q-learning算法的建筑能耗预测方法.通过将建筑能耗预测问题建模为一个标准的马尔科夫决策过程,利用深度置信网对建筑能耗进行状态建模,结合Q-learning算法,实现对建筑能耗的实时预测.通过美国巴尔的摩燃气和电力公司公开的建筑能耗数据进行测试实验,结果表明,基于本文所提出的模型,利用Q-learning算法可以实现对建筑能耗的有效预测,并在此基础上,基于深度置信网的Q-learning算法具有更高的预测精度.此外,实验部分还进一步验证了算法中相关参数对实验性能的影响.     

基于AR-DBN的建筑分项能耗短期预测

针对现有总能耗预测方法不能准确分辨建筑能耗的消耗去向且预测精度较低的问题,根据能耗用途,将总能耗分为4项,提出一种建筑能耗分项预测模型。基于时间序列自回归模型,对建筑物的照明能耗进行短期预测。构建深度置信网络模型,根据照明能耗预测结果、室外逐时平均温度、室外逐时平均相对湿度、天气特征值、节假日、逐时平均风速以及一天24个整点时刻,分项预测空调能耗、动力能耗和特殊能耗。实验结果表明,相比总能耗预测模型iPSO-BP和BP,该模型能更加精确、有效地预测建筑能耗中的各分项能耗。     

基于控制图的有轨电车能耗分析方法研究

针对传统的有轨电车能耗分析方法缺少对异常数据的判断分析,难以有效发现能耗数据特点以及各数据之间潜在关系等问题,提出结合控制图与灰关联分析法的有轨电车能耗分析集成方法。利用控制图对能耗数据波动情况进行分析,并结合灰关联数据分析算法对影响能耗数据因素进行分析,通过利用已开通运营的广州有轨电车能耗数据进行仿真实验,实验结果表明有轨电车能耗分析法能够更好地对各项能耗数据波动情况进行监测,实现对能耗异常数据识别、找出影响能耗的相关因素,为有轨电车系统节能提供辅助决策,可为已运营的有轨电车系统能耗数据分析提供一定参考。     

基于Java的建筑能耗监控系统

通过MyEclipse10.0和SQL Server 2008开发了一个建筑能耗监控平台,系统采用Java语言的JDBC数据库访问技术,SQL Server 2008数据库语言以及Java语言中的图形化库等,实时更新显示能耗数据,并对数据进行分析和管理,有效地实现了监控的目的。     

基于软件可量化计算的绿色建筑能耗控制仿真

传统绿色建筑能耗控制方法无法准确计算绿色建筑能耗评价指标权重,导致绿色建筑能耗组成预测以及平均年能耗密度预测的结果均出现精度偏低问题.于是提出基于软件可量化计算的绿色建筑能耗控制方法.构建绿色建筑能耗评价指标体系,并采用AHO法量化处理绿色建筑能耗评价指标.在群体性判断原则的基础上扩大数据来源,提高绿色建筑评价指标权重...     

结合注意力机制与BIM特征的电力能耗预测

能耗预测中引入外因序列有助于目标序列的预测,但在实际应用中各个外因序列与目标序列之间的相关程度往往不清晰,导致无法有效利用多外因序列辅助预测.针对该问题,提出一种结合注意力机制与BIM特征的电力能耗预测模型——BIMAttenNN(BIM Attention Nerual Network).通过结合注意力机制与BIM特征对外因序列自动选取并重构,将重构特征通过编码器-解码器结构的深度神经网络和线性回归分支准确预测未来电力能耗.实验结果表明,BIMAttenNN能够结合BIM特征自动捕捉电力序列间关系,与传统方法相比具有更高的预测精度.     

基于Hadoop的公共建筑能耗数据挖掘方法

针对建筑能耗数据无法有效利用这一问题,提出利用Hadoop分布式架构,结合建筑基本信息对公共建筑能耗数据进行数据挖掘的方法.对基于Hadoop的公共建筑能耗数据挖掘系统进行了初步设计,并对系统的基本架构和各模块的功能进行了设计和说明.同时,对Apriori算法和C4.5算法实现MapReduce分布式设计.以山东省100栋办公建筑制冷期的空调系统耗电量为例进行实验分析,得到6类建筑信息属性对空调系统能耗的影响规律,并生成空调系统耗电量判定树,可判别建筑空调系统耗电量等级,并对样本建筑的节能改造提供具有针对性的建议.     

公共建筑用电能耗的数据采集技术研究

在公共建筑用电能耗监测系统的研究中,用电能耗数据的准确获取是一个非常关键的问题。本文针对这一问题,在将传统的数据采集技术应用于建筑用电能耗监测领域的同时,对其进行了改进和研究,实现了分项计量。以ARM为核心搭建了一个用电数据采集平台,与建筑物内的上位机构成一个完整的数据采集系统。重点阐述了数据的采集和传输方法。该技术的...