基于聚类算法的建筑用能行为减碳_吴剑平.pdf

Zhejiang Construction,Vol.40,No.1,Feb.2023在2020年9月22日的第75届联合国大会上，习近平主席提出“我国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”1。这不但彰显了我国绿色低碳发展的决心，同时也对各行各业节能减排工作提出了严峻考验。在全社会总能耗中建筑行业占据较大比重，预计至2040年建筑行业能耗将占世界能耗消费总量的30%2，在建筑运行阶段将产生巨大的碳排放量。因此，在实现碳达峰及碳中和的过程中，建筑行业的节能减排将发挥至关重要的作用。在科技部开展的全民节能减排潜力量化指标研究中指出，我国居民行为节能可以带来的年节能潜力约7 700万t 标准煤，相当于减少二氧化碳排放量约2亿t 3。由此可见，作为建筑用能的“主体”，建筑内部使用者不同的用能行为、使用习惯对建筑能耗有着显著影响。在公共建筑能耗计量中收集了大量末端用能数据，通过这些数据将人的用能行为与碳排放量挂钩，从而对末端用户进行用能评价，可发现其行为节能减碳的潜力。通过全体用户的行为节能挖潜降低建筑能耗，最终在建筑用能领域实现“行为减碳”的目标。1研究方法在建筑末端用户的用能行为中，往往涉及不同种类的建筑能耗，要通过用能评价实现行为减碳，主要需解决以下几方面问题：1）各类用能行为的碳排放量计算；2）合理公正的用能行为评价方法；3）计算具体的节能减碳潜力。1.1用能行为的碳排放量计算若以能源类型划分，建筑末端用能主要包括：电力、市政用水、燃气、市政热力等；若以用能系统类型划分，建筑末端用能主要包括：供暖空调、照明、生活热水等系统。针对建筑中的各类用能行为，应按用能系统类型统计出相应的能耗量，再将各种能耗量折算成相应的碳排放量，参照文献4碳排放量具体计算公式如下：Cij=EijEFi（1）式中：Cij为建筑运行阶段j类系统的第i类能源的碳排放量；Eij为建筑运行阶段j类系统的第i类能源消耗量；EFi为第i类能源的碳排放因子；i为建筑消耗终端能源类型，包括电摘要对浙江省某办公建筑 5 月份末端能耗进行案例分析，将人的用能行为与碳排放量挂钩，基于 kmeans 聚类算法对末端用户进行横向比较，以实现对不同用能行为的评价。对各类用能行为（空调、照明、插座设备用电、生活热水）的碳排放量分别进行聚类评价，并计算节能减碳潜力，从而可为末端用户实现行为减碳提供具体方向及减碳目标。关键词建筑能耗；用能行为；碳排放量；聚类算法；行为减碳中图分类号：TU111.19+5文献标志码：A文章编号：1008-3707(2023)01-0079-04AbstractThe research analyses end usersenergy consumption of an office buildingin Zhejiang Province in May.People s energy consumption behavior isassociated with carbon emissions,in order to evaluate different energyuse behaviors,the research takes a horizontal comparison of end usersbased on k-means clustering algorithm.The comparison carries out clusterevaluation on the carbon emissions of various energy consumptionbehaviors(air-conditioning,lighting,socketequipmentelectricityconsumption,domestic hot water),and calculates the energy saving andcarbon potential reduction.In the methodology,it can provides preciseguidance and objective for end users to achieve behavioral carbon reduction.Keywordsbuilding energy consumption;energy behavior;carbon emission;clusteringalgorithm;behavioral carbon reduction基于聚类算法的建筑用能行为减碳Behavioral Carbon Emission Reduction of Building Occupant Based on Clustering Algorithm吴剑平，朱晟炜WU Jianping，ZHU Shengwei浙江大学建筑设计研究院有限公司，浙江 杭州 31002879DOI:10.15874/33-1102/tu.2023.01.008浙江建筑第40卷第1期2023年2月力、燃气、石油、市政热力等；j为建筑用能系统类型，包括供暖空调、照明、生活热水系统等。1.2合理公正的用能行为评价方法由于建筑中各个末端用户的基本条件存在差异，若直接对其用能行为的碳排放量进行比较，则评价结果并不合理。例如：对建筑中各个房间的空调能耗进行用能评比时，由于不同房间建筑面积、围护结构、人员密度、工作时间等条件均不相同，即使用能行为、习惯一致，各房间的空调能耗也会存在差异，故不应直接进行比较。为了保证各用户在同一基准下进行比较，对各类用能行为的碳排放量数据应进行“基准化”处理。以建筑中常见的用能行为（空调、照明、插座设备用电、生活热水）为例，分别按式（2）（3）进行基准化处理：Cj=Cj/（Pjt）（2）式中：Cj为第j类用电行为的碳排放量，kgCO2；Cj为第j类用电行为的碳排放量基准化数据，kgCO2/kWh；Pj为该建筑用户第j类用电行为的设备总功率，kW；t为该建筑用户的周平均工作时间，h。注：j=1、2、3；分别对应空调、照明、插座设备用电行为。C4=C4/（nt）（3）式中：C4为用生活热水行为的碳排放量，kgCO2；C4为每人每小时用生活热水行为的碳排放量基准化数据，kgCO2；n为该建筑用户内的使用人数；t为该建筑用户的周平均工作时间，h。当建筑中各个用户的基本条件大致相同时，如果各用户之间的用能行为相近，则其碳排放量也接近；反之，如果用户的用能行为越浪费，则其碳排放量相应也越高。因此，通过用户之间碳排放量的横向比较，可以反映出其各类用能行为的优劣 5。为了保证评价结果的公正合理，需满足以下基本原则：碳排放量相近的用户评价结果应一致，碳排放量相差较大的用户应位于不同评价等级。基于以上思路，本文考虑采用k-means聚类算法，对用户的各类用能行为进行评价。聚类算法的本质，就是将比较对象分为若干个类别，并保证同一类对象之间尽量接近，且不同类对象之间差异尽量大。而这与上文提出的评价原则相一致，只有遵循此原则，才能保证评价结果客观反映出用能情况，相应采取的奖惩措施才能真正促进用户实现行为减碳。k-means聚类算法是将对象划分为k个类别，并保证同一类对象间的距离之和最小。当参与评价的用户个数为n，评价对象为某一类用能行为的碳排放量yi（i=1，2，n），设定评价等级为3级（优、中、差），则该算法的主要步骤如下 6：1）初始化：任意选择3个对象w1、w2、w3，作为初始的聚类中心；2）对于每个评价对象yi，根据其与各聚类中心wj的距离，分配到最近聚类中心所属的类Cj中；3）更新各个聚类中心wj的值，使其等于该类中所有对象的平均值；4）重复步骤2）、3），直至聚类准则函数E收敛为止，该准则函数见式（4）。E=j=13yi Cj|yi-wj2（4）1.3用能行为的减碳潜力计算经过以上评价过程，可以得到不同用户各类用能行为的评价结果（优、中、差），通过与用能较优的对象进行比较，则可计算出不同用户各类用能行为（空调、照明、插座设备用电、生活热水）的减碳潜力。以用能评优对象的聚类中心值为节能目标，则各类用能行为的减碳潜力可按式（5）（6）计算：Cij=Cij-CyjPijti（5）式中：Cij为第i个用户第j类用电行为的减碳潜力，kgCO2；Cij为第i个用户第j类用电行为的碳排放量，kgCO2；Cyj为第j类用电行为评优对象的聚类中心值，kgCO2/kWh；Pij为第i个用户第j类用电行为的设备总功率，kW；ti为第i个用户的周平均工作时间，h。注：j=1、2、3；分别对应空调、照明、插座设备用电行为。Ci4=Ci4-Cy4Pijti（6）式中：Ci4为第i个用户用生活热水行为的减碳潜力，kgCO2；Ci4为第i个用户用生活热水行为的碳排放量，kgCO2；Cy4为每人每小时用生活热水行为评优对象的聚类中心值，kgCO2；ni为第i个用户内的建筑使用人数；ti为第i个用户的周平均工作时间，h。2研究结果与分析2.1案例计算本文通过案例分析，对浙江省某办公建筑2021年5月内不同科室的用能行为进行评价，各科室的基本条件及能耗数据见表1。其中，各科室的用能行为包括：空调用电、照明用电、插座设备用电、生活热水用能。通过式（1）将以上各类用能行为折算成相应的碳排放量，其中生活热水系统的碳排放量按以下公式进行计算 4：Ci 4=4.1871 000qi(tr-tl)3 600EF（7）式中：qi为第i个用户的生活热水用量，t；tr为生活热水系统设计热水温度，；tl为生活热水系统设计冷水温度，；为生活热水系统效率；EF为电力碳排放因子，采用2016年浙江省电网平均电力碳排放因子0.524 6 kgCO2/kWh。由于各科室的基本条件存在差异，其各种用能行为的碳排放量不宜直接进行比较，故按上文式（2）（3）进行基准化处理。采用k-means算法对4种用能行为的碳排放量分别进行聚类评价，并设定评价等级为 3级（优、中、差），则聚类结果见表2。2.2聚类结果及分析以空调用电为例，各科室的聚类评价结果见图1。从图中可见，当设定评价等级为380Zhejiang Construction,Vol.40,No.1,Feb.2023用户序号科室1科室2科室3科室4科室5科室6科室7科室8科室9科室10科室11科室12科室13科室14科室15科室16科室17科室18空调用电基准化C1/（kgCO2/kWh）0.450.470.410.550.680.560.560.220.290.270.380.390.440.390.280.470.280.33评价结果中中中差差差差优优优中中中中优中优优照明用电基准化C2/（kgCO2/kWh）1.771.782.831.741.970.851.292.002.161.451.681.821.511.862.981.471.911.54评价结果中中差中中优优中中中中中中中差中中中插座设备用电基准化C3/（kgCO2/kWh）0.830.930.921.051.250.651.140.630.770.820.930.620.860.600.720.590.980.62评价结果中中中差差优差优中中中优中优优优中优生活热水用能基准化C4/（kgCO2/ph）0.0190.0200.0310.0300.0250.0190.0150.0170.0270.0290.0240.0200.0160.0160.0250.0220.0230.023评价结果优优差差中优优优差差中优优优中中中中表 22021年5月各科室各类用能行为的聚类评价结果用户序号科室1科室2科室3科室4科室5科室6科室7科室8科室9科室10科室11科室12科室13科室14科室15科室16科室17科室18面积/m2483485518471470470483485518471470470483485518471470470空调功率/kW38.73