大型公共建筑能耗动态模型的研究与应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 214-217.

大型公共建筑能耗动态模型的研究与应用

马媛1，于军琪1，杨柳2，杨创业1，王磊1

1.西安建筑科技大学信息与控制工程学院，西安 710055
2.西安建筑科技大学建筑学院，西安 710055

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Study on dynamic energy consumption model and application of large-scale public building

MA Yuan1，YU Junqi1，YANG Liu2，YANG Chuangye1，WANG Lei1

1.School of Information and Control Engineering，Xi’an University of Architecture and Technology，Xi’an 710055，China
2.School of the Architecture，Xi’an University of Architecture and Technology，Xi’an 710055，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 通过分析大型公共建筑能耗数据所具有的海量性、随机性、序列性等特征，建立了基于多元线性回归与一阶自回归算法的大型公共建筑能耗动态模型。研究了模型参数估计问题，结合F与χ2两种方法，理论验证了模型显著性与有效性;根据西安市某大型公共建筑能耗数据，实验验证了该模型的逼真性、可行性与强健性。因此，该模型能对既有与新建大型公共建筑能耗进行实时动态预测，解决了节能定量化研究、定额用能的“瓶颈”问题，为大型公共建筑能耗审计及等节能制度的实现提供科学指导。

关键词: 能耗, 动态模型, 递推最小二乘法（RLS）, 多元线性回归, 自回归

Abstract: By analyzing the energy consumption data of large-scale public building with the magnanimity，randomness，sequence and other features，an energy consumption dynamic model based on multiple linear regressions and first-order self-
regression is established.It analyses the model parameter estimation，and it proves the significance and effectiveness in theory of this model by using F and χ2 tests.According to the energy consumption data of one large-scale public building in Xi’an city，the verisimilitude，feasibility and the healthiness of this model are validated by experiments.Therefore，this model can do a real-time dynamic prediction for the existing and new large-scale public buildings，it resolves the problem of the quantification of energy-saving and “energy-consumption within the quota”，which offers scientific guidance to the realization of the audit，supervision and such energy-saving systems.

Key words: energy consumption, dynamic model, Recursive Least Squares（RLS）, multiple linear regressions, autoregressive

马媛1，于军琪1，杨柳2，杨创业1，王磊1. 大型公共建筑能耗动态模型的研究与应用[J]. 计算机工程与应用, 2011, 47(16): 214-217.

MA Yuan1，YU Junqi1，YANG Liu2，YANG Chuangye1，WANG Lei1. Study on dynamic energy consumption model and application of large-scale public building[J]. Computer Engineering and Applications, 2011, 47(16): 214-217.

[1]	张驰，王宇新，冯振，郭禾. 双层虚拟化云架构下任务调度能耗优化算法[J]. 计算机工程与应用, 2021, 57(3): 103-111.
[2]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[3]	贾文友，江磊，曹紫阳，梁利东. 能耗约束优化工业机器人作业轨迹[J]. 计算机工程与应用, 2021, 57(15): 245-250.
[4]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[5]	李莎，林晖. 结合MLR和ARIMA模型的时空建模及预测[J]. 计算机工程与应用, 2021, 57(13): 276-282.
[6]	刘亮，张霖，杨柳，庞瑞琴，汪涛. 数据中心网络中相关感知流量整合算法[J]. 计算机工程与应用, 2019, 55(24): 62-67.
[7]	王艳娇，唐琦. 改进的异构无线传感器网络路由能量算法[J]. 计算机工程与应用, 2019, 55(22): 80-85.
[8]	卢雨田，王小艺，王立，许继平，白玉廷. 工业大气污染物浓度的复合自回归网络预测[J]. 计算机工程与应用, 2019, 55(18): 223-228.
[9]	耿海军，张爽. 绿色网络节能方案综述[J]. 计算机工程与应用, 2019, 55(16): 1-9.
[10]	王慧娇，邱赞，蒋华. 基于演化博弈的无线传感器网络分簇算法[J]. 计算机工程与应用, 2019, 55(12): 97-102.
[11]	侯庆隆，杨冬，郭士杰. 工业机器人能耗优化方法研究综述[J]. 计算机工程与应用, 2018, 54(22): 1-9.
[12]	胡敏，汪腾飞，黄宏程. 扰动粒子群优化的SDWSN路由算法[J]. 计算机工程与应用, 2018, 54(22): 113-118.
[13]	丁承君1，刘强1，冯玉伯1，2，高雪1. 基于物联网和边缘计算的高校机房在线监测[J]. 计算机工程与应用, 2018, 54(21): 257-264.
[14]	罗一迪，蒋华，王慧娇，王鑫. 基于滑动窗口和ARMA的Argo剖面数据异常检测算法[J]. 计算机工程与应用, 2018, 54(19): 254-260.
[15]	彭丽苹，吕晓丹，蒋朝惠. 基于Ceph集群的能耗管理策略研究[J]. 计算机工程与应用, 2018, 54(10): 66-72.