基于三元组网络的自适应参考日选择方法在概率性建筑能耗节约验证中的应用

《ENERGY AND BUILDINGS》：Probabilistic building energy savings verification via triplet network-based adaptive reference day selection

　　

子伟·肖 | 精张 | 谢晨 | 付晓

摘要

在建筑中实施节能措施（ECMs）已成为一项重要策略。然而，这些节能措施的价值取决于能否准确量化节能效果，以确保由此产生的节能效果能够可靠地证明资本投资的合理性，并支持脱碳努力的评估。尽管如此，由于负荷模式的非线性、运行条件的不可重复性以及设备性能的变异性，建立可靠的节能效果验证基准仍然具有挑战性。为了解决这些挑战，本研究提出了一种新的概率框架用于节能效果验证。该框架的核心是首先采用基于三元组网络（Triplet network）的相似性学习方法，通过综合考虑气象条件和能源消耗来动态选择参考日。然后使用这些选定的参考日对全局预训练模型进行微调，使预测结果更符合特定的本地条件。最后，通过结合确定性校准的核密度估计（kernel density estimation）生成完整的概率分布，从而实现对节能效果的全面不确定性量化。当将该方法应用于实施暖通空调控制升级的政府办公楼时，该方法不仅提供了准确的确定性能源基准预测（平均绝对百分比误差（MAPE）在7.1%至7.5%之间），还提供了概率性的节能效果分布，以量化实现特定节能目标的可能性。该方法不仅估计出了24.7%的能源减少量，还量化了实现特定节能水平的概率，为决策提供了基于风险的依据，这是确定性方法所无法提供的。通过将准确预测与不确定性量化相结合，这项工作为验证节能措施的性能提供了实用且高效的工具，并加强了概率能源管理的方法论基础。