劉良甫

(陜西鐵路工程職業(yè)技術學院 管理工程系，陜西 渭南 714000)

發(fā)展中國家的一個主要節(jié)能減排手段是大幅降低廢氣與溫室氣體的排放量，建筑作為能源消耗量較大的領域之一，現(xiàn)已成為我國重要的低碳節(jié)能目標[1]。隨著人口城市化進程的不斷加快，越來越多的居住建筑矗立于城市之中，國民經(jīng)濟的飛快發(fā)展也提升了人們對居住舒適度的要求，致使居住建筑的電力能耗日益加劇。因此，以節(jié)能為目標，改造現(xiàn)有居住建筑[2]的現(xiàn)實意義相對較大。為了大力推進節(jié)能改造工作的規(guī)?；M行，有效評價節(jié)能改造效果的方法逐漸成為眾多學者的研究課題。部分研究者針對老舊小區(qū)利用物源可拓法[3]，建立節(jié)能評價指標體系與節(jié)能評價模型；一部分研究者[4]根據(jù)室外溫度與服務參數(shù)的能耗敏感性，分解聚合總能耗，利用擬合參數(shù)的物理意義，取得逆向建模評價方法。但是部分研究對于不確定性較大的節(jié)能改造措施效果評價仍缺乏客觀性，導致評價效果不理想，評價時間較長。

綜上所述，本文面向居住建筑類型，提出一種基于反向傳播神經(jīng)網(wǎng)絡的電力節(jié)能效果評價方法。神經(jīng)網(wǎng)絡作為一門非線性學科，憑借較快的發(fā)展速度，在多個關鍵領域中均得到廣泛應用，由于并行處理性能與非線性映射能力，對于動態(tài)的節(jié)能效果評價則更具適用性與科學性；根據(jù)居住建筑的常用電種類構建電力節(jié)能效果評價指標體系，有助于拓寬方法應用性；通過一致性檢驗調(diào)查問卷，提升問卷可靠性；不斷訓練神經(jīng)網(wǎng)絡模型，增加節(jié)能效果評價精準度。

1 節(jié)能效果評價指標處理

1.1 評價指標體系

居住建筑的常用電通常有4種：照明插座系統(tǒng)用電、動力設備用電、空調(diào)系統(tǒng)用電以及特殊設備用電。根據(jù)這4類電力的能耗運行特征、建筑設計參數(shù)與供配電[5-6]，構建出居住建筑電力節(jié)能效果評價指標體系，獲取居住建筑電力節(jié)能效果評價指標。其主要特征集由準則層的7個類別組成。

(1)建筑設計參數(shù)B。對應的指標層包括結構系數(shù)b1、圍護導熱系數(shù)b2、外窗遮陽系數(shù)b3、門窗氣密度b4。

(2)照明插座系統(tǒng)C。對應的指標層包括公共區(qū)域照度c1，居住區(qū)域照度c2，公共區(qū)域設備c3，居住區(qū)域設備c4。

(3)空調(diào)系統(tǒng)D。對應的指標層包括空調(diào)主機能效比d1、空調(diào)主機變頻d2、空調(diào)水泵效率d3、冷卻塔耗電比/風量d4、空調(diào)耗功率/風量d5、空調(diào)風機效率d6、末端能效比d7。

(4)動力設備系統(tǒng)E。對應的指標層包括電梯調(diào)節(jié)e1、電梯效率e2、預計電耗/年e3、電梯風機效率e4、電梯耗電比/風量e5、電梯水泵效率e6。

(5)特殊用電F。對應的指標層指標為特殊用電功率密度f1。

(6)供配電損耗G。對應的指標層指標為三相不平衡程度g1、功率因數(shù)g2、變壓器效率g3、變壓器負載率g4、變壓器損耗g5、變壓器副邊電流g6。

(7)節(jié)能運行管理制度H。對應的指標層指標為運行管理標準h1、系統(tǒng)維護標準h2、管理制度完善度h3、設備開閉程度h4、門窗開閉程度h5、節(jié)能獎懲落實力度h6、節(jié)能培訓落實力度h7。

1.2 電力節(jié)能效果評價指標賦權處理

為獲取居住建筑節(jié)能運行指標重要性，需對上述獲取到的居住建筑電力節(jié)能效果評價指標進行賦權處理，采用低復雜度的層次分析法計算電力節(jié)能效果評價各指標權重[7-10]。具體流程描述如下。

(1)基于居住建筑節(jié)能效果評價指標體系，利用問卷調(diào)查模式，架構判定矩陣，取得評價指標重要性的專家分數(shù)。成對比較體系中的35個評價指標，假設任意指標xj與xi對節(jié)能效果的影響力度是qij，邀請m名專家判定指標權值[11-13]，則推導出第p個專家的判定矩陣：

(1)

(2)將各專家的判定結果相融合，得到小組的整體判定結果[14-16]。利用線性代數(shù)知識，取得對應于矩陣極大特征值的特征矢量，用于描述評價指標的重要性順序，對各評價指標進行歸一化處理[17]，即可完成各指標賦權。

(3)一致性檢驗調(diào)查問卷，以提升問卷可靠性?；谄骄S機一致性指標值，根據(jù)解得的一致性指標值，算得一致性比例，若比例值大于0.1，應調(diào)整判定矩陣；反之，賦權任務完成[18]。

2 BP神經(jīng)網(wǎng)絡模型構建

基于一般的反向傳播神經(jīng)網(wǎng)絡，將下層輸入設定為任意層的輸出，表達式為：

jm+1=im+1(Wm+1jm+rm+1)

(2)

式中，W與r分別為權重矩陣與偏置向量；m為反向傳播神經(jīng)網(wǎng)絡的層數(shù)；i為元素；m=0，1，…，M-1。

首層與末層神經(jīng)元分別用于輸入外部信息與輸出網(wǎng)絡信息。假設反向傳播神經(jīng)網(wǎng)絡的輸入樣本集合是[{l1，t1}，{l2，t2}，…，{lY，tY}]，其中，網(wǎng)絡輸入項與目標輸出項分別為ly、ty，當有樣本輸入時，就會對比一次網(wǎng)絡的輸出項與目標輸出項，為最小化兩者間的均方誤差，通過下列計算公式解得均方誤差：

εT(k)ε(k)

(3)

用第k次迭代得到的均方誤差表示其期望數(shù)值，推導出以下近似均方誤差的梯度下降方程組：

(4)

(5)

結合式(5)，推導出下列敏感性遞推關系表達式：

Sm=Im(nm)(Wm+1)TSm+1

(6)

如此，即可完成從末層至首層的敏感性反向傳播。SM即為遞推關系中的開始節(jié)點，界定表達式如下所示：

SM=-2IM(nM)(t-j)

(7)

利用以下3個計算流程，求解反向傳播神經(jīng)網(wǎng)絡。

(1)憑借神經(jīng)網(wǎng)絡節(jié)點，采用下列方程組完成輸入信息的前向傳播：

(8)

(2)經(jīng)神經(jīng)網(wǎng)絡節(jié)點，通過下列方程組反向傳播網(wǎng)絡敏感性：

(9)

(3)利用近似梯度下降法，獲取新的權重與偏置數(shù)值，如下所示：

(10)

3 電力節(jié)能效果評價

結合構建的反向傳播神經(jīng)網(wǎng)絡與居住建筑電力節(jié)能效果評價指標，得到下述電力節(jié)能效果評價流程。

(1)明確居住建筑的評價因子。將電力節(jié)能效果評價指標作為評價因子，根據(jù)其賦權結果，重點考慮具有較大影響的評價指標。

(2)分類居住建筑的電力節(jié)能效果評價等級。評價指標等級用評價集合描述。其中，等級表示電力節(jié)能效果優(yōu)秀，居住建筑舒適性與實用性更高，極大程度降低電力能耗；等級表示電力節(jié)能效果與居住建筑舒適性、實用性較好，電力能耗降幅較大；等級表示電力節(jié)能效果、居住建筑舒適性、實用性以及電力能耗均處于中等水平；而等級與分別表示電力節(jié)能效果合格與不合格。

(3)反向傳播神經(jīng)網(wǎng)絡評價模型。根據(jù)節(jié)能效果評價體系的特征值，推導出體系綜合系數(shù)，判定體系的節(jié)能性。結合構建的反向傳播神經(jīng)網(wǎng)絡結構，架構出基于反向傳播神經(jīng)網(wǎng)絡的電力節(jié)能效果評價模型。該網(wǎng)絡模型的輸入節(jié)點數(shù)量是評價指標數(shù)量，輸出節(jié)點的多層神經(jīng)網(wǎng)絡與網(wǎng)絡安全系數(shù)函數(shù)相逼近。在網(wǎng)絡的輸入層輸入指標體系指標層中各指標值，通過隱藏層內(nèi)各節(jié)點及其之間的連接模式，經(jīng)輸出層輸出指標體系的綜合評價結果。

(4)明確訓練樣本數(shù)據(jù)。依據(jù)節(jié)能隸屬度理念，設置節(jié)能效果評價數(shù)值的取值范圍，基于取值上下限，利用線性函數(shù)均分算法[19-20]，將均分目標值分別作為輸入樣本與網(wǎng)絡的期望輸出，完成神經(jīng)網(wǎng)絡模型訓練，為準確評價電力節(jié)能效果奠定基礎。

4 仿真實驗分析

為了進一步驗證本文提出的基于BP神經(jīng)網(wǎng)絡的居住建筑電力節(jié)能效果評價方法在實際應用中的性能，采用Matlab仿真軟件進行一次仿真對比實驗分析。

4.1 神經(jīng)網(wǎng)絡模型相關設置

根據(jù)反向傳播神經(jīng)網(wǎng)絡評價模型，做出網(wǎng)絡層數(shù)等相關設定。反向傳播神經(jīng)網(wǎng)絡評價模型參數(shù)：隱藏層個數(shù)為1，輸入層神經(jīng)元個數(shù)為35，輸出層神經(jīng)元個數(shù)為1，隱藏層神經(jīng)元個數(shù)為56。

4.2 數(shù)據(jù)處理

針對目標建筑的35個電力節(jié)能效果評價指標，設定網(wǎng)絡訓練樣本為前10個指標值，網(wǎng)絡測試數(shù)據(jù)為后5個指標值。根據(jù)指標體系內(nèi)的正指標與負指標，對初始數(shù)據(jù)進行歸一化處理，取得神經(jīng)網(wǎng)絡的訓練與測試數(shù)據(jù)子集。為提升本文方法評價結果的可靠性，檢驗神經(jīng)網(wǎng)絡模型精準度，曲線如圖1所示。通過圖1可以看出，構建的神經(jīng)網(wǎng)絡評價模型具有極小的相對誤差值，且最大值未超過0.5，幾乎可以忽略不計，表明該模型因網(wǎng)絡參數(shù)調(diào)整，最小化了均方誤差，故學習能力較強。

圖1 神經(jīng)網(wǎng)絡模型精準度示意Fig.1 Schematic diagram of accuracy of neural network model

4.3 居住建筑電力節(jié)能效果評價性能分析

邀請該領域中的多名專家，對10棟居住建筑的電力節(jié)能效果合理給出分值，并以此作為對比依據(jù)，驗證本文方法的評價性能。為有效說明該方法的評價質(zhì)量，分別從相對誤差、均方根誤差、標準差3個角度，全方位檢驗本文方法與專家分值的離散程度，如圖2所示。

圖2 評價方法性能示意Fig.2 Schematic diagram of evaluation method performance

由圖2知，各評估指標曲線變化幅度較小，且始終處于可接受范圍中，這表明本文方法與專家評分的擬合度較高，且具有一定的穩(wěn)定性。究其原因是根據(jù)居住建筑的常用電種類，建立了由建筑節(jié)能設計參數(shù)等類別組成的電力節(jié)能效果評價指標體系，采用層次分析法明確了各指標權重，基于一般的反向傳播神經(jīng)網(wǎng)絡，構建出用于評價電力節(jié)能效果的網(wǎng)絡模型，經(jīng)結合居住建筑電力節(jié)能效果評價指標，精準實現(xiàn)電力節(jié)能效果評價。

4.4 居住建筑電力節(jié)能措施

根據(jù)上述居住建筑電力節(jié)能效果評價結果，提出居住建筑電力節(jié)能措施。選取某市的10棟居住建筑，對其進行電力節(jié)能改造，主要改造措施如下。

(1)建筑外圍護部分。利用無機保溫砂漿改善建筑外觀，減小外墻的導熱系數(shù)；采用外窗貼膜策略，減小外窗形成的空調(diào)負荷。

(2)空調(diào)系統(tǒng)。強化冷凍水管路保溫隔熱效用，清洗系統(tǒng)管路，檢修設備及閥門，減小能耗。

(3)針對所選居住建筑的多層特點，依據(jù)建筑公用電梯的運行時間，設置高峰時段開啟、無人時段停運的機制，減小電梯待機的電力消耗。

(4)合理優(yōu)化居住建筑的配電線路，匯總低配電功率區(qū)域，減小三相不平衡程度。

對于其他更專業(yè)的節(jié)能改造措施，由于篇幅限制，本文不做贅述。

5 結論

城市作為整個社會節(jié)能減排的主要源頭，多元化的建筑是源頭中最具影響力的領域之一。以實現(xiàn)國家可持續(xù)發(fā)展為戰(zhàn)略目標，諸多有關部門均面向建筑行業(yè)的可再生能源利用、環(huán)保施工等方面，不斷制定有關城市規(guī)劃建設的綠色政策，并確立“低碳城市”的未來規(guī)劃目標。節(jié)能減排是開啟低碳模式的唯一途徑，這樣才能確保有限能源得以充分利用，從根本上保證生態(tài)平衡。為此，本文基于神經(jīng)網(wǎng)絡，提出一種基于反向傳播神經(jīng)網(wǎng)絡的居住建筑電力節(jié)能效果評價方法。居住建筑美感不足，最大化建筑美感與能耗間的綜合效應是今后要研究的一個主要方向；電力節(jié)能效果評價指標體系的建立缺乏一定的專業(yè)性與理論性，應從規(guī)定性與性能性兩個方面展開評價，使結果更具科學性與嚴謹性；需將本文方法應用于其他類型的建筑電力節(jié)能效果評價中，提升該方法的應用性與適用性；下一階段需要探討的課題是基于該評價方法創(chuàng)建一種軟件，貼合當前應用需求，實現(xiàn)智能化與自動化。