离散布谷鸟算法的建筑能耗数据智能监测系统

贾政方,贾宏俊

(山东科技大学泰安校区 资源与土木工程系,山东 泰安 271000)

0 引 言

工业化进程的加快和城市文明的深化使得建筑能耗量逐年增加,对能源持续供应和环境保护产生了巨大阻力[1]。据估计,截至2020年末,我国新增建筑面积将达到300 亿m2,增加量为目前城镇建筑面积的四分之三,快速增加的建筑面积将导致建筑耗能的激增。在这一背景下,实施建筑能耗监测、统计和管理成为缓解社会发展与能源短缺矛盾的有效措施之一。对建筑能耗数据进行监测,能够实时统计建筑用能情况，发现建筑使用过程存在的问题,及时改善能耗设备的运行状况，有效提高能源利用率,对保证建筑能耗系统的平稳、高效运行具有重要意义[2]。

文献[3]设计了一种基于决策树方法的建筑能耗数据监测分析系统,将决策树方法与C4.5算法相结合,通过学习信息熵建立决策树,利用关联信息对大量建筑能耗数据进行监测。文献[4]设计了一种基于传感器的建筑能耗智能监测系统,结合LM算法,通过全局寻优过程实现对建筑能耗信息的智能监测,为建筑能耗控制提供数据支持。文献[5]设计了一种基于RIA技术的建筑能耗监控系统,利用Wed技术和X3D技术对大型公共建筑能耗信息进行三维可视化采集,实现对建筑节能监控信息的管理。然而上述系统在运行过程中,对监测指令的传输周期较长,导致监测时效性较差。

文献[6]设计了一种建筑能耗数据分项监测管理系统,将原本的总控方法转变为专项能耗控制,在建筑内设置分项能耗计量装置,为实现能源消费强度和消费总量双控制提供数据参考。文献[7]设计了一种公共建筑能耗特征采集监测模型,选取温度系数、人口稀疏和能源消费弹性系数等指标作为解释变量,结合多元线性回归分析法建立建筑能耗监测模型。文献[8]设计了一种利用BIM模型的建筑能耗静态数据提取监测系统,通过扩展BIM模型中的IFC标准构建基于IFC标准的建筑能耗监测静态数据模型,实现对建筑能耗静态数据的监测。然而上述系统对建筑监测数据连接的精准性较差,在对多项能耗数据进行监测的过程中易出现数据丢失、监测不全面的现象。

文献[9]设计了基于Wifi的建筑能耗监测系统,利用模块组织,通过全桥电路实现能耗信息采集,并将信息传输至智能监测分析模块中进行数据分析处理。模块间通过TCP/IP协议实现数据互通,完成对能耗信息的有效监控。文献[10]设计了基于遗传优化决策树的建筑能耗监测系统,采用遗传算法优化梯度提高决策树子树的生成质量,构建线性回归模型,利用决策树获取各状态节点的能耗数据,从而达到对建筑能耗数据监测的目的。然而上述系统同样也存在数据连接精准性差的问题,且数据传输的耗时较长,导致整体监测效率较低。

由于离散型布谷鸟算法涉及到的参数量较少,对随机搜索路径和新解的寻优能力强,因此,离散型布谷鸟算法在工程优化、信息调度和数据处理领域得以广泛应用[11-12]。为此,针对传统建筑能耗数据监测系统中存在的监测指令传输周期长、监测数据连接精准性差的问题,引入离散型布谷鸟算法,设计一种新的建筑能耗数据智能监测系统,并通过对比实验证明了该监测系统的实用性。

1 系统硬件设计

离散布谷鸟算法的建筑能耗数据智能监测系统的硬件执行环境由离散拓扑结构、数据采集器、控制传输端3部分构成,具体搭建方法如下。

1.1 离散型监测拓扑结构设计

离散型监测拓扑结构由建筑能耗数据监测控制中心、检测数据传输层、监测设备控制层和设备元件层4部分构成,具体结构如图1所示。

图 1 离散型监测拓扑结构图

图1中,建筑能耗数据监测控制中心含有多种控制元件,可按照监测投影设备中建筑耗能的变化情况更改控制局域网内的数据传输形式。监控网络下属的建筑监测终端通过对监测设备的控制,实现对设备元件层反馈信息的整合,并生成独立的智能化建筑能耗数据,按照监测控制机的监测部署标准将智能化建筑能耗数据逐级传输回监测控制中心,进而生成监测系统所需的监测执行指令。

1.2 建筑能耗数据采集器设计

在上述离散型监测拓扑结构中,根据其连接需求布置建筑能耗数据采集器并设计智能传输端结构,实现对系统硬件环境的搭建。

建筑能耗数据采集器以Campbell Scientific CR6芯片为核心设计元件,是离散型监测拓扑结构的下属装置设备。利用RS485采集模块连接智能控制传输端与核心指挥控制中心[13],并通过监测端接口将监测到的建筑能耗数据信息及时传输至各级应用设备。其中的智能化模拟器可直接控制数据开关的“闭合”与“断开”状态,并借助信息分析器消耗监测系统中与建筑能耗设备相关的信息记录,利用数据接入节点建立与系统下一层应用设备的物理连接[14-15]。

1.3 能耗监测数据智能传输端设计

能耗监测数据智能传输端由NEC D720200F1芯片、数据传输控制模块、数据智能存储模块3部分构成。其中,NEC D720200F1芯片负责与建筑能耗数据采集器建立物理连接,并将采集到的能耗数据信息整合成可独立存储的物理结构,以达到缩短监测指令传输周期的目的。数据传输控制模块与建筑能耗数据监测控制中心的核心计算机相连,可通过直接调取监测指令信息的方式对整个建筑能耗设备实施目的性监测,进而提升系统监测过程数据连接的精准性。数据智能存储模块与系统监测数据库相连,但因受到容量额度条件的限制,该设备结构只能存储可供智能控制传输端利用的数据信息[16-17],并在接收到系统监测指令后释放信息参量,以保证系统监测行为无障碍实施。

2 系统软件设计

在上述硬件执行环境的支持下,按照建筑能耗数据解码、监测数据库搭建、智能监测节点配置的流程实现软件执行环境的搭建,将软、硬件执行环节相结合,实现对离散布谷鸟算法的建筑能耗数据智能监测系统的整体设计。

2.1 建筑能耗数据解码

建筑能耗数据解码过程需按照离散布谷鸟算法对能耗数据进行拆卸处理,在最大化保留建筑能耗监测数据完整性的同时,在监测指令信息的指导下通过分项设计的方式设计监测节点。

引入离散布谷鸟算法,假设β0和β分别代表建筑能耗数据的原始序列和解码后的序列,y代表离散布谷鸟算法的偏移权重。联立上述变量,将离散布谷鸟算法的建筑能耗数据解码过程表示为

(1)

式中:f代表监测指令实施系数,取值范围为[0,1];P代表离散布谷鸟算法下监测指令寄生巢选择概率的实际偏移量;χ代表各指令信号的频率分量;μ代表序列长度。

由于原始建筑能耗数据与解码后建筑控制数据具有不同的序列形式,因此,建筑能耗数据信息在智能化通信节点中可自由传输,故监测数据库的存储行为不会随数据序列形式的改变而产生变化[18-19]。即利用离散布谷鸟算法对建筑能耗数据进行解码仅会影响监测节点的趋近行为,并不会引起数据序列形式内容的变化。

2.2 监测数据库的搭建

建筑能耗监测系统数据库由本地存储、集中式存储、分布共享式存储3种模式构成,具体结构如图2所示。

图2中,本地存储主要面向系统中的建筑能耗监测数据与监测指令,可承接由传输控制端反馈回来的建筑能耗信息[21]。集中式存储主要针对系统中的建筑能耗解码数据与解码过程占用的信息节点,可按照系统的监测控制需求具体安排其数据结构所处的位置,以此增强建筑能耗数据在硬件结构间传输过程连接的精准性。分布共享式存储主要针对系统中的监测指令执行元件,可在离散式布谷鸟算法的支持下实施建筑能耗数据信息的计算处理,进而求取到满足连接标准的传输应用指令[21-23]。

图 2 监测数据库构成图

2.3 智能监测节点的配置

智能监测节点的配置是基于离散布谷鸟算法的建筑能耗数据智能监测系统设计过程的末尾环节,可根据智能传输控制端内建筑能耗数据的传输情况选取局域网络内的就近节点组织,并按需分配给相关硬件设备结构。未被分配的节点结构暂存于监测数据库中,同时,也可根据监测指令的上行答复与下行通知结果，将暂时保持传输状态的建筑能耗数据推送至数据采集器内,再联合系统内部所有处于空闲状态的节点组织,完成由建筑能耗数据监测控制中心计算机生成的监测指令,实现一次完整的智能监测节点配置处理[24-25]。智能监测节点配置的详细操作过程如图3所示。

图 3 智能监测控制节点配置过程示意图

综上所述,完成所有软、硬件执行环境的设置,实现离散布谷鸟算法的建筑能耗数据智能监测系统的设计。

3 检测与分析

为突出说明所提的离散布谷鸟算法的建筑能耗数据智能监测系统的实用性,将文献[5]的基于RIA技术的建筑能耗监控系统、文献[8]的利用BIM模型的建筑能耗静态数据提取监测系统、文献[10]的基于遗传优化决策树的建筑能耗监测系统作为对照,从监测指令传输周期和数据连接精准性2个角度,将3种传统系统与本文系统进行性能对比。

3.1 环境搭建

实验在Microsoft Visual环境下进行,硬件环境为3.54 GHz CPU,5.00 Byte RAM,通过串口协议实现参数修改及数据读取统计等功能。监测过程中的建筑能耗数据可通过云环境反馈至核心主机,并根据一定的整合分析标准生成所需的指标变化曲线及表格。

3.2 监测指令传输周期

监测指令传输周期的长短可影响整个监测过程的耗时,可用于判断监测系统的时效性。测试在建筑监测数据总量不断增加的情况下,统计不同系统监测指令传输周期的变化情况,结果如表1所示。

表 1 监测指令传输周期统计对比结果

从表1可知,文献[8]和文献[10]系统的监测指令传输周期较接近,基本维持在11.2～13.7 s之间,相比之下,文献[5]系统的监测指令传输周期较长,最短的传输周期也达到了14.6 s,在随后的测试中，传输周期持续上升。而本文系统的监测指令传输周期在整个实验过程中整体呈现下降趋势,但在中间出现小范围的稳定,监测指令传输周期平均值为8.2 s,全局最大监测指令传输周期仅达到8.8 s,明显少于这3种传统监测系统。综上可知,本文系统的建筑能耗数据智能监测系统具有缩短监测指令传输周期的能力,有效提高了监测系统的时效性。

3.3 数据连接精准性

对建筑能耗监测数据进行精准连接，能够有效避免监测过程中出现数据丢失、监测不全面的现象。为此,测试在实验数据不断增加的情况下,不同系统的监测数据连接精准性,结果如图4所示。

图 4 数据连接精准性对比结果

如图4所示,随时间的不断增加,不同系统的数据连接精准性也在不断变化。文献[5]系统的数据连接精准性较稳定,基本保持在85.0%～87.5%之间,相比之下,文献[8]和文献[10]系统的数据连接精准性较低。而本文系统的数据连接精准性先呈现小幅度的下降,随后逐步上升,在第60 min时,达到最大值92%,明显高于这3种传统系统。综上可知,应用本文系统的建筑能耗数据智能监测系统能够提升检测数据连接的精准性,有效避免了在监测过程中出现数据丢失、监测不全面的现象。

4 结 语

在研究中发现,在芯片与能耗数据采集器之间建立物理连接,并将数据信息整合成可独立存储的形式可有效缩短监测指令的传输周期;通过直接调取监测指令的方式可实现对整个建筑能耗设备的分项监测,同时,若结合监测需求具体安排监测数据的储存位置,可使得系统监测数据连接的精准性大大提升。此外,为提高系统监测过程的无障碍性,应及时在系统接收监测指令后释放信息参量,保证数据库容量充足。然而,本文系统目前仅能对建筑能耗数据进行有效采集监测,难以完成对建筑能耗设备的调节和控制。因此,在未来的研究阶段,将进一步对本文系统进行优化,以期实现对建筑能耗的监测和调控,有效改建筑善能耗设备的运行状况,提高能源利用率。