文献调研（二）：基于短期能源预测的建筑节能性能定量评估

Quantitative evaluation of the building energy performance based on short-term energy predictions

这是ENERGY2021年的一篇文章，该期刊影响因子6.082。

摘要

本文提出了一种基于短期能源预测的建筑能源评估方法。首先，基于RNN，采用MIMO（多输入多输出）策略，建立了24小时建筑能耗预测模型；其次，提出一种量化能量评估策略，基于1-D k-means聚类来量化预测差距；然后，对5个实际建筑进行了案例研究，以验证所提出方法的可靠性。此外，本文还通过分析每一时间步绝对百分比误差（APE）的变化，深入了解建筑的节能性能，并根据建筑物具体、单独的能源性能，为其建立定制的能源量化系统。建筑能耗通过将APEs标记为多个级别来量化。

简介

作者认为，对建筑节能性能进行全面评估是非常重要的，客观的评估建筑改造前后的能源性能，有利于选择部署合适的节能技术。
进行建筑物基准测试是一种有效的评估方法，然而，由于不确定的气候、居住着行为、插入式负载设备等，单个建筑物动态能源性能很难通过月平均值和年平均值来反映，缩短时间跨度是必要的，如按日或按小时计。在这一点上，建筑能源预测可能是一个理想的解决方案。
在能耗预测方面已经有了大量的研究，但都将其应用于不同的先进能源管理系统，很少有研究将它们应用于建筑能耗评估。
基于以上问题，本文做了以下几点研究：

• 提出一种定量的能源评估方法，用于评估单个建筑的短期(即每小时)能源使用。

• 提出一种利用短期能源预测进行能源评估的方法，并通过量化能源预测差距来建立能源量化系统。

• 为每个建筑建立了定制的能源量化系统。
  具体来说，本文研究的主要内容如下：

• 通过MIMO策略，基于RNN开发了多步超前短期建筑能耗预测模型，并对预测和实际能源使用之间的差距进行可视化和分析。

• 基于1-D k-means聚类算法，提出了一种量化能源评价策略来量化间隙，并针对不同的建筑定制了多种能源量化系统。

• 在五栋建筑上进行实验，验证所提出的定量能源评估方法的可靠性，并深入分析了它们的能源利用特点。

基础理论

该部分介绍了本文相关的理论基础，涉及到：

1. RNN和LSTM
2. Multi-step ahead energy predictions，主要包括递归策略、直接策略和MIMO策略，本文采用MIMO策略，如图5所示
   
3. 预测性能评估指标：AE、APE、CV-RMSE、MAPE
   
   
4. 1-D k-means聚类
   本文并没有采用传统的聚类方法，而是选择了 Ckmeans.1d.dp: Optimal k-means Clustering in One Dimension by Dynamic Programming 一文中提出的优化一维聚类算法。

方法

本文提出的量化建筑能耗评估方法如下图所示，包括三个阶段。

短期能源预测

1.模型输入输出

本文采用MIMO策略进行能源预测，模型输入168h（1周）的数据，预测24h的数据。另外，每个时间步的输入变量可以分为两部分，一部分是历史测量，包括功耗、温度、相对湿度；第二部分是与时间相关的信息，如小时、日和月，分别是24、7、12级的离散变量，将它们转化成one-hot形式，进而得到一个24列的矩阵，同样的，输出是未来24小时的预测，应为24维的。
本文采用LSTM结合MIMO作为短期能量预测的模型。

2.量化能源评估策略

通过将预测值与实际值进行比较，建立的短期能源预测模型被称为能源评估的基准，使用模型进行预测，如果预测值与真实值完全一样，则说明当前能耗合理。实际上，无论怎么优化，模型预测值永远不可能与真实值完全相等，但它们之间的差距应保持在一定范围内。
通过聚类分析将预测结果与真实值之间的差距分组到不同的聚类中，以定量评估这些差距，如图7所示，根据APE将聚类结果划分维不同的级别，建立能源量化系统。