第1章绪论

1.1课题背景

1.1.1办公建筑节能的必要性

美国能源部能源信息管理局和国际能源署，在2009年对全球能源消耗进行了统计，结果显示全球共消耗一次能源约合175.3亿We，其中公共建筑能耗20.1亿。的数额占据了11.5%的比重。在公共建筑能耗中，办公建筑能耗所占的比重随着办公建筑的不断增加逐渐上升到了20%。

在我国，目前建筑能耗已经在全国总能耗中占据了举足轻重的地位。根据中国统计年鉴显示，建筑能耗从90年开始就在不断的增大。据统计，我国建筑能耗从2000年2010年，建筑总能耗从2.89亿We上涨到6.77亿We(不含生物质能)，同时在全国总能耗中所占比重上升到20.9 %。随着城镇化进程的加快，现阶段城镇建筑能耗己经占全国商品能源的23%至26%,这一比例仅仅是建筑在投入运行之后所消耗的能源，并没有将在建筑建设时期所消耗的钢材等材料计算在内，专家预测，在未来的时间内，随着城镇化建设的发展，这一比例将逐步提升到现阶段发达国家的建筑能耗比例，即33%。

随着社会和经济的发展，我国公共建筑面积大大增加，公共建筑占据了相当大比例的建筑能耗。截止2012年底，全国公共建筑面积达到83.3亿m2公共建筑能耗(不包含北方采暖)由2006年的0.27亿上升到1.82亿.占全社会建筑总能耗的26.4%，其中电耗为4900亿kWh。相关部门负责人指出，在我国，虽然公共建筑的建筑面积只占到城镇建筑面积总和的4%，但是对应的公共建筑能耗却占到全国城镇建筑总能耗的22%。据统计，大型公共建筑单位面积年耗电量达到70一300 kWh，为普通居民住宅的10一2 0r倍，不仅如此，相比于农村和住宅用电来说，公共建筑的能耗非常集中，节能改造相对容易，因此具有很大的节能空间。办公建筑作为公共建筑的一部分，是指供机关、团体和企事业单位办理行政事务和从事业务活动的建筑物，存在能耗大、能效低的特点，因此一直是我国建筑节能工作的研究重点。

1.1.2建筑能耗模拟的必要性

建筑能耗模拟是通过使用能耗模拟软件来进行能耗预测的一项技术，它是新建建筑节能设计和既有建筑节能改造的有力分析工具，其准确度是建筑节能工作的基础。将建筑能耗模拟方法使用到新建建筑上面，可以对设计方案进行比较优化以及经济性分析，使其符合相关国家标准;将建筑能耗模拟方法应用到既有建筑上，可以计算基准能耗，并进一步算出在节能改造方案下节省的能耗和费用。在我国节能减排的号召下，建设绿色建筑和改造既有建筑已经成为一种趋势。通过计算机进行建筑能耗模拟不仅可以帮助我们进行绿色建筑设计和既有建筑改造的实施，而且这种方式己经成为建筑设计和能耗评价过程中必不可少的一部分。

在能耗模拟的过程中，即使所建立的建筑模型同实际的建筑系统具有非常高的匹配度，通常情况下模拟出来的能耗数据同实际的能耗数据相比总有一定的差距，这时分析人员经常将模型模拟输出的能耗数据同实际测量的能耗数据进行比较，在反复试验的基础上，通过手动或者自动调整使最终模拟结果和侧量结果趋于统一，这个调整的过程就是模型校正。

在大多数情况下，影响建筑物能耗的因素成千上万，需要输入的参数也非常多，在模拟过程中经常会进行一定程度的简化和假设，因此在模拟后进行校正，对于其能够更加准确地预测建筑物的能耗而言非常重要，同时这也能够为以后的建筑节能工作打下良好的基础。

1.2能耗模拟和校正研究现状

1.2.1建筑能耗模拟研究现状

建筑能耗模拟的建模方法通常可以分为正演模拟方法和逆向模拟方法(数据驱动方法)。正演模拟方法是建立在建筑物自身物理几何特性上，通过输入变量和系统结构特性来预测系统输出变量，也就是建筑物能耗。逆向模拟方法可以大致分为黑箱法、灰箱法和校正模拟法。校正模拟法建立在正演模拟方法的基础上，通过输入参数的调整来使模拟数据和实测数据趋于一致，从而达到模型校正的目的，获得更准确的建筑能耗模型。

自上世纪60年代以来，计算机技术得到了极大的普及与发展，计算机开始作为一个辅助工具帮助工程师实施工程项目和模拟仿真。对于建筑能耗分析工作，在建筑设计和运营阶段，由于天气条件的动态变化和其他变量的存在，这一工作通常十分复杂，因此通常需要使用计算机的帮助才能完成这项工作。在这样的需求下，诞生了许多建筑能耗模拟软件，例如EnergyPlus, BLAST,Ecotect, DOE-2, ESP-r, TRNSYS等。

在EnergyPlus诞生之前，DOE-2和BLAST一直被美国国防部和美国能源部资助长达二十多年。当时这两款软件都有各自的优缺点，他们的主要区别在于负荷计算方法，DOE一采用传递函数法，而BLAST采用热平衡法。在1996年，美国能源部决定开发一个全新的软件，也就是EnergyPlus。作为新一代建筑能耗分析工具，同之前的能耗分析工具相比，它具有很多优势，同时它非常适用于分析大型办公建筑。EnergyPlus能够模拟一个建筑中多个系统的合，并且它允许分析人员定义时间表。国内外也有很多研究学者利用EnergyPlus来开展建筑能耗模拟工作。Griffith等采用EnergyPlus来研究一些先进的建筑技术对建筑性能表现的影响。Ellis和Torcellini通过研究，证明了EnergyFlus模拟高层建筑物的精确度和可靠性。沈肠等借助EnergyPlus模拟我国三种典型气候区域的办公建筑，计算常见节能改造技术的投资回报期，为不同节能改造技术的推广应用提供了理论数据支持。金琦等利用EnergyPlus对上海办公建筑负荷进行模拟，分析了办公建筑采用不同机型时的经济效益，为冷热电三联供选型提供参考。

1.2.2模型校正研究现状

许多研究表明，建筑能耗初始模拟结果同实际测量的建筑能耗数据之间有着明显差距。为了让建筑能耗模型能够在实际生活中得到广泛应用，我们必须要保证能耗模拟的准确性，因此模型校正是十分必要的。

一般来说，根据测量数据对仿真模型进行调整的方法可以更广泛地分成手动和自动调整方法。两种方法都可以使用特定的分析工具或技术来帮助整个模型校正过程的实现，不同的是，自动校正方法采用数学或者统计技术来达到最后的模误差目标。

1)手动校正方法

下面介绍的技术可以认为是人为驱动的技术，这些技术也可以作为自动校正过程的一部分。

 (1)特性描述技术

Waltz称，影响既有建筑计算模型发展的一个重要因素是对建筑模拟中物理特性的认知程度。现阶段有很多方法能够帮助我们对一栋特定建筑进行深入的了解，包括能源审计、短期能耗监测、人工干预测试和采集逐时能耗数据。

从19世纪80年代开始，英美等国家为了对既有建筑开展建筑节能改造的工作，开始普遍地对建筑能耗进行详细的调查和统计。这种通过能耗调查来分析建筑能源消耗和节能潜力的过程叫做能源审计。 Lyberg提供了一个能源审计程序的综合手册，并把审计过程定义为“通过将系统分割为小的组件，量化能源消耗，并对节能措施进行可行性和成本收益的分析，然后推荐合适的节能措施的一系列动作”。到现阶段为止，对不同行业和应用场合，己经提出了很多审计标准和能源评估规程，例如AudltAC. IEA Annex l 1, AS/NZS 3598:2000和ASHRAE商业建筑能源审计程序。

短期能耗监测是通过专业的软件或硬件工具，系统地收集分析短时间(通常是两周)内的能耗数据来对建筑能源系统，如空调系统、设备系统和照明系统，进行性能评估的过程。TRC在1984年对一栋办公建筑进行的校正模拟是距今可查的第一个通过短期能耗监测来提高模型输入准确性的研究。在此之后，Lunneberg等人的研究发现对建筑系统进行短期监测可以获得更加可靠的运行时间表和输入参数。同时人工干预测试和采集逐时能耗数据的方也都被研究学者证明能够有效提高模型模拟的准确性。

 (2)图形化方法

图形化方法采用图形的形式表现能耗模拟数据和实测数据的差异。在过去，图形化方法仅限于简单的时间序列的情形。随着测量数据的可用性增强以及对这些测量数据的易理解程度要求的提高，研究人员在图形数据表示方面实施了大量的工作。可视化数据分析Visual Data Analysis)方法使分析人员能够迅速审查模拟结果并对模型进行迭代修改，有很多研究集中在发展这一方法上。

目前有很多图表种类，如3-D时间序列图，2-D(BWM)散点图和时间序列图，最常用的就是典型日24 h图示法、Bin图示法和三维表面图示法。Bou-Saada和Haberl提出了使用三维表面图示法和统计指标来对实测数据和模拟数据之间的差值提供全局的展示，用来分析时变模式下实测和模拟数据之间的差异。ASHRAE-14中对三种图表技术进行对比分析，并对每种图表的适用环境进行了分析说明。

虽然图示法可以直观地感受到模拟数据和实测数据之间的差异，但是图示法在校正结果判定中通常被当作一种辅助方法，不能作为校正结果是否满足标准的最终判断方法。

 (3)对比分析

为了提高校正的精准度，一些对比分析方法也被引入到建筑能耗模型校正领域中，如宏观参数估计法、特征签名分析法等。

特征签名分析法是通过将某些主要输入参数，例如建筑面积、新风量、室内设定温度等，按照典型值输入，建立基准模型;然后，以一个小步长为变化幅度，将这些参数逐个进行变化，通过模拟结果计算能耗随室外温度及各输入参数变化的百分比，并绘制成图表，得到能耗特征签名。校正过程可分为两步进行，第一步校正模型的天气依赖性，即将模拟能耗的残差随室外温度的变化绘制成图，再与能耗特征签名比较，以确定造成主要差别的输入参数，进行适当调整;第二步，将某一天的测试数据与模拟能耗进行逐时比较，再依据经验进行参数调整。宏观参数估计法利用非介入式监测数据推算出集总参数，如墙体总传热系数U值等。

2)自动校正方法

以下这些技术是在自动校正过程中特有的，只要涉及到以下技术的校正过程，均称为自动校正过程。

 (1)最优化技术

优化技术主要包括目标/罚函数和贝叶斯方法。其中贝叶斯模型校准是一种统计校准方法。对于使用复杂数学模型的系统来说，不确定性分析是很重要的一部分工作，而贝叶斯方法可以很自然的将校准过程同不确定性分析结合起来替代建模技术(人工神经网络技术)

神经网络是由一组相互关联的神经元组成的计算模型。神经网络主要是用来对输入和输出的复杂关系来建立模型，这种方法己经被提出用来作为建筑能耗的预测手段。Neto和Fiorelli分别使用人工神经网络替代建模技术和EnergyPlus仿真软件来对巴西圣保罗大学的行政大楼进行能耗模拟，并对结果进行了比较。通过对54天的测试结果进行对比，EnergyPlus的直接模拟结果误差范围在士13。而人工神经网络的预测值和实际值的平均误差为士10%。虽然人工神经网络需要的手工输入更少，但是这种方法存在一个很大的问题是，它只能预测基于过去表现的能耗，并且这种模型的建立需要大量的历史数据来做支撑。因此，对建筑的任何改进节能措施都会造成需要新的数据集进行重新训练的情况。即使这样，作者依然认为人工神经网络在对空调系统进行能耗评估方面有着进一步的研讨价值。

3)辅助手段

除此之外，还有一些手段能够在手动自动校正过程中显著提高校正准确性，如灵敏度分析和不确定性分析。

 (1)灵敏度分析

灵敏度分析在各种研究中得到了广泛应用。典型的灵敏度分析方法可以总结为以下几个步骤:确定输入变量并创建建筑模型;运行模型并收集模拟数据;在此基础上进行灵敏度分析并展示灵敏度分析结果。不同领域之间灵敏度分析的实现方法和操作步骤相似度很高，其主要区别在于其输入参数的多样性和应用环境的不同。

在建筑能耗模型的校正研究中，灵敏度分析常用于研究模型输入参数对模拟输出结果影响力的大小。通过灵敏度分析，找出对能耗模拟输出结果影响较大的关键输入参数，以此作为校正过程中的重点，可以提高模型校正工作的效率。根据不同的需求，Saltelli对灵敏度分析普遍会用到的几种工技术进”行了详细的描述和分析。使用两种灵敏度分析技术来确定同ESP一预测相关的不确定性。微分灵敏度分析归SA)用来确定总体不确定性，也就是每个输入参数单项不确定度的根均方总和。蒙特卡洛灵敏度分析((MCSA)用来确定同时扰动所有输入参数时带来的不确定性。为了实现不确定性分析，这些灵敏度分析方法都纳入了ESP-r仿真软件中灵敏度概念可以分为两类，一类是个体灵敏度，是描述某一个输入参数变化对模拟结果的影响，另一类是全局灵敏度，是描述所有输入参数变化对模拟结果的影响。在Westphal和1.amberts对建筑面积达26264平方米的办公大楼的模型校正研究中，结合建筑能源审计，借助参数灵敏度分析技术，对影响力较大的关键参数进行手动的调整，其研究结果显示办公大楼用电量的预测值同实际测量值的误差范围达到1%左右。其他学者的研究结果也表明灵敏度分析对建筑能耗模拟准确度有很大的提升。

不止如此，国内外学者还对办公建筑能耗模拟输入参数中的主要影响因素做过详细的研究，正交试验法和方差分析法经常被用于分析影响因素之间的主次关系。根据之前的研究，建筑能耗影响因素可以大致分为围护结构、内部得热和空调系统三大部分。在本文的灵敏度分析工作中，将使用这种分类方山东大学硕士学位论文法，对模型输入参数进行分类。

 (2)不确定性分析

Reddy指出，在建筑能耗模拟中，模型的不确定性主要有四个来源，分别是:

不正确的输入参数;

不恰当的模型假设;

缺乏准确高效的数值算法;

编写仿真代码时的错误。

分析人员通过不确定分析来进行误差诊断并分析误差来源，可以帮助提高

建筑能耗模拟的准确性。在总结比较各种校正方法的基础上，提出了一套系统的模型校正方法，步骤如下所示。

1)收集数据和检查能耗数据，需要收集的数据包括建筑围护结构特性参数、几何尺寸、实际能耗数据、空调系统和其他系统的铭牌数据、运行时间表、天气参数等，并构建输入参数集;

2)对输入参数集中的参数进行盲粗网格搜索;

3)进行精细网格搜索，模拟计算，确定满足误差范围的基准模型;

4)将节能改造措施ECM应用于基准模型，模拟计算，对ECM进行不确定性分析。

已经有研究学者运用此方法对实际办公建筑进行了模型校正工作，验证了该方法的可行性和有效性。

1.3存在问题

虽然最初建筑能耗模拟的主要关注点是建筑的设计阶段，但是现在模拟仿真同建筑的整个生命周期都息息相关。由于正演模拟方法是立足于建筑的物理结构特性而不是随意的数学或统计学公式，因此正演模拟方法允许分析人员在对建筑进行设计或者改造时，模拟监视这些改造对系统行为和性能的影响。而校正模拟不仅有正演模拟方法的优势，还可以通过很多的技术和工具来提高模型准确度，因此具有良好的发展空间和研究价值。现阶段，建筑能耗模拟仍然存在利用率不足的问题，主要原因可以分为以下两类:从建模方面，建立建筑物理结构以及HVAC系统所对应的模型，需要耗费很长的时间和大量的人力物力，而且也缺乏标准化方法的使用;从校正方面，校正过程不仅缺乏明确的校正标准，而且没有考虑到输入的不确定性和区域环境的差异等问题带来的影响，同时缺乏集成的工具能够自动实现校正过程。

经过以上分析，可以发现，虽然分析人员拥有比较健全的建筑能耗分析软件作为建筑能耗模拟的工具，但是人机界面不友好以及建模本身的复杂性，都可能导致模型本身不够精确。现阶段通常采用耗时耗力的手动校正方法，在这种情况下，自动实现模型校正就显得尤为重要。

1.4本文主要工作

针对建筑模拟存在的模型校正问题，本文将建立一套针对办公建筑的能耗模型自动校正方法，并利用EnergyPlus建模仿真软件，开发EnergyPlus-IDF模型自动校正软件，该方法可以有效提高模型的准确性和校正的效率。本文主要解决以下几个问题。

1)建筑能耗模型参数灵敏度分析

2)基于自适应粒子群优化算法的建筑能耗模型自动校正

3)实际案例分析

本文的章节内容分布如图1-2所示，具体细节如下。

第一章为绪论，首先介绍建筑能耗模拟以及模型校正的重要意义和国内外研究现状，并总结出模型校正当前存在的问题，最后确定本文的研究内容和技术路线。

第二章为建筑能耗模型可校正参数及灵敏度分析，首先介绍EnergyPlus的整体结构、理论基础和特点，然后在EnergyPlus中建立标准办公建筑的IM模型，并选择了13个参数进行灵敏度分析，为以后的自动寻优参数选择打下基础。

第三章为基于自适应粒子群优化算法的模型校正方法研究，主要简单介绍标准粒子群算法，引出了自适应粒子群算法的优势，在此基础上分析模型校正参数的选择和目标函数的选取，最终确定模型自动校正方法。

第四章为模型校正软件的设计与开发，基于以上章节的基础上，开发办公建筑能耗模型校正软件，本章中主要介绍所开发软件的系统结构，模型自动校正的方法。

第五章为实际案例研究，用一栋实际建筑的建筑模型和实际能耗数据，实现自动校正过程。

第六章是总结与展望，对本文的工作进行总结，发现本文的不足并提出今后工作的重点。