基于神经网络的建筑电气节能控制与节能效果研究

刘爱平

（甘肃建总置业发展有限公司，甘肃 兰州 730050）

在深入研究中发现，建筑行业作为全球能源消耗的重要领域之一，建筑产业在市场运营中所产生的能耗，占全球总能耗的30%，同时，电气耗能又是建筑耗能中的主要构成。因此，建筑电气节能控制对于降低建筑能耗、减少碳排放具有重要意义[1]。为落实此项工作，各国政府纷纷出台建筑节能政策，推动建筑电气节能控制的发展。例如，中国政府在“十四五”规划中明确提出要大力推广可再生能源、节能环保等绿色低碳技术，加强建筑电气节能技术创新和应用。

建筑电气节能控制可以提高能源利用效率，减少能源浪费。通过优化电气系统设计、选用高效节能设备、实施能源管理措施等手段，可以显著降低建筑电气的能源消耗量，提高能源利用效率。同时，建筑电气节能控制可以降低碳排放量，减轻环境污染[2]。为促进经济效益和技术创新，建筑行业必须采取措施加强建筑电气节能控制，降低能源消耗量和碳排放量，为可持续发展作出贡献。

1 应用自适应预测控制器

根据建筑电气的节能控制要求，本文设计的控制流程如图1 所示。

图1 建筑电气节能控制流程图

其中初始化包含对控制器参数的设定、温度给定值的设定以及风道压力的设定。在上述流程中，控制器是其核心部分。通过控制器根据风道静压、总温度差等参数的变化，结合预测器的预测得到下一时刻输出，调整控制器控制策略实现控制[3]。本文设计的节能控制方法中，将神经网络预测器与T-S 递归模糊神经网络控制器相结合，通过预测能量需求实现对建筑电气的实时调节控制，以此确保所需能量与建筑电气输出能量相匹配[4]。图2 为自适应预测控制器的基本结构示意图。

图2 自适应预测控制器的基本结构示意图

图2 中，通过预测器中被控对象的输出、室内外温度和湿度的变化等参数，对建筑电气的载荷进行实时地跟踪与辨识[5]。同时，根据预测得到的结果对控制器的运行参数进行适时调整，并改变控制器的控制策略。在控制器中，其T-S 模糊模型规则可表示为公式（1）。

2 建筑电气模糊神经网络预测节能控制

建筑电气能耗是建筑能源消耗的主要部分，因此，通过预测建筑电气的能耗并实施有效的节能控制策略，对于降低建筑能源消耗、减少能源浪费以及提高建筑能效具有重要意义[6]。模糊神经网络是一种以模糊逻辑为基础，以神经网络为基础的预测模型，能够根据历史数据预测未来的能耗。在建筑电气节能控制中，模糊神经网络可以用于预测建筑电气的能耗、温度、湿度等参数，为节能控制提供依据。为了提高建筑电气预测器的预测精度，采用具有强大记忆功能的Elman 神经网络。Elman神经网络具有动态特性和递归作用。这种方法可以将预测结果和输入变量进行有机地整合，增强动态存储能力，并提高预测的准确性。

Elman 神经网络是一种递归神经网络，具有自反馈机制，能够将先前的输出反馈到网络的输入端，以便在新的输入到来时，网络能够利用先前的记忆来处理新的输入。这种记忆特性使得Elman 神经网络在处理具有时序关系的输入数据时具有优势。

在建筑电气预测中，Elman 神经网络可以用来预测建筑电气的能耗、温度等输出。通过将过去的输入数据作为网络的反馈输入，Elman 神经网络可以学习到建筑电气的动态特性，并利用这些特性来预测未来的输出。此外，Elman 神经网络的动态记忆功能还可以在预测过程中考虑到建筑电气在运行中的动态变化，从而提高预测精度。图3 为Elman网络的基本结构示意图。

图3 Elman 网络的基本结构示意图

该方法充分利用 Elman 神经网络预报器对动力学特性进行映射的特性，使得控制器能够对时变特性进行自适应。从而提高控制器的学习速度，增强其逼近能力。此外，这种方法还可以避免控制器陷入局部极小值，显著提高控制器的动态性能和稳态性能。在神经网络中，误差函数可表示为公式（3）。

式中，E n(τ)代表网络误差；P代表样本数量；ydk代表输出层各个节点的期望值；yk代表输出层各节点实际输出。

根据预测结果，可以实施一系列相应的节能控制策略，以达到有效降低建筑电气能耗的目标。例如，可以通过调整空调的温度设定，使得在满足舒适度需求的前提下，尽量减少冷暖空调的能耗。另外，还可以调整照明系统的亮度，使用更高效的照明设备，或者根据实际需要，智能化地控制照明系统，避免不必要的能源浪费。

在实施这些节能控制策略后，需要对建筑电气的能耗等参数进行密切地监测。这些监测数据可以提供实际节能效果的反馈，明确哪些控制策略更有效，哪些需要改进或优化。例如，如果在实施空调温度调整策略后发现能耗并未明显下降，可能需要进一步分析原因，可能是由于空调设备老化或维护不当导致的能耗不降反升。在这种情况下，需要根据监测结果对控制策略进行调整和优化。例如，可能会对空调设备进行维护或更换，以更有效地降低能耗。

3 节能效果分析

随着全球能源短缺和环境污染问题的日益严重，建筑行业的能源消耗和碳排放量已成为人们关注的焦点。建筑电气节能控制作为其中的重要环节，其必要性日益凸显。根据大量的研究与实践可知，建筑电气节能控制可以促进技术创新和产业升级。为了实现建筑电气节能控制目标，需要不断研发新的节能技术和设备，推动相关产业的发展和创新，此项工作不仅可以提高企业的竞争力，还可以为国家的经济发展注入新的动力，为深化此项工作，本文结合神经网络的应用，对此展开了全面的设计与研究。

为检验提出的节能控制方法是否能在应用中达到预期效果，参照塔式结构，设计节能效果分析指标，其中塔式结构如图4 所示。

图4 建筑电气节能控制效果分析指标的塔式结构

图4 中各符号解释见表1 所示。参照上述图4 所示的结构，在进行节能控制效果分析指标的设计中，应基于科学原理，能够客观、真实地反映建筑电气节能控制的实际情况和效果，同时，所选用的指标应具有系统性，能够涵盖建筑电气节能控制的各个方面，如能源消耗、碳排放、经济效益等。为确保分析的客观性，指标的选择应遵循动态性原则，能够适应建筑电气节能控制的发展变化，及时调整和完善指标体系，反映实际情况。参照上述标准，从技术层面、经济层面、功能层面，进行节能效果分析指标的选用，如表1 所示。

表1 建筑电气节能控制效果分析指标的选用

对上述表1 中的内容进行赋值，以指标选用宏观层面中的技术层面为例，对其中的4 个指标在不同情况下的取值或得分情况进行分析，相关内容如表2 所示。

表2 宏观层面中的技术层面指标赋值

参照上述方式，对经济层面8 个指标与功能层面8 个指标进行赋值，通过此种方式，初步掌握不同指标在建筑电气节能分析中的取值。

在上述内容的基础上，建立模糊模型，根据建筑的实际节能情况，进行试点工程节能控制设计前、后，基于不同层面分析的控制效果。通常情况下，将建筑电气节能控制效果划分为3 种分类，分别为“节能级”“一般节能级”和“不节能级”。参照表2 中的内容，“节能级建筑电气”的得分基于宏观角度分析应为80～100 分，“一般节能级建筑电气”的得分基于宏观角度分析应为60～80 分，“不节能级建筑电气” 的得分基于宏观角度分析应＜60 分。经过专家组与技术人员的综合评定与分析，试点工程节能控制设计前的得分为75 分，而节能控制设计后的得分为94 分。

4 结语

全球能源资源日益紧张，石油、煤炭等传统能源储备量有限，同时能源开采和使用对环境造成了严重破坏。为了应对能源短缺和环境问题，世界各国纷纷提出节能减排的政策措施，以促进可持续发展。为落实并推进此项工作，本文以某建筑工程项目为例，开展了电气节能控制方法的设计研究，得到如下所示的结论：本研究的设计方法，可以提高建筑电气节能控制水平，根据建筑实际情况，按照规范引进神经网络对其进行节能设计，可以保障建筑电气设计达到“节能级”。以此种方式，为建筑电气节能设计与规划指示全新方向。