畢業(yè)論文外文翻譯-研究住戶行為對建筑能耗影響的系統(tǒng)化程序

1、武漢科技大學本科畢業(yè)設計外文翻譯A systematic procedure to study the inuence of occupant behavior on buildingZhun Yua, Benjamin C.M. Fungb, Fariborz Haghighata, Hiroshi Yoshinoc, Edward G Model ENB-3118; ARTICLE IN PRESS: Energy and Buildings xxx (2011) xxxxxx Contents lists available at ScienceDirect Energy and Bui

2、ldings No. of Pages9研究住戶行為對建筑能耗影響的系統(tǒng)化程序Zhun Yu，本杰明C.M. Fungb，F(xiàn)ariborz Haghighata，Hiroshi Yoshinoc，愛德華MorofskydG環(huán)境局-3118;出版：建筑與能源xxx (2011) xxxxxx; 科學指南建筑與能源第9頁a建筑部，土木工程與環(huán)境工程，康科迪亞大學，蒙特利爾，魁北克H3G的1M8，加拿大b信息系統(tǒng)工程，康科迪亞大學，蒙特利爾，魁北克H3G的1M8，加拿大康科迪亞研究所c建筑部門與建筑科學，東北大學，日本d房地產機構，加拿大公共工程和政府服務，杜Portage III,，8B1，加蒂諾

3、，魁北克K1A 0S5，加拿大摘要我們已經做了住戶行為對建筑能耗影響鑒定的很多努力。由于各種因素影響能耗的因素同時存在，導致我們在鑒定住戶個人行為影響時缺乏精確性。本文敘述了檢驗住戶行為對建筑能耗影響的一種新方法的發(fā)展；這是基于基本的數(shù)據(jù)挖掘技術（聚類分析）的一種方法。它主要用來處理數(shù)據(jù)的不一致，在聚類之前，最小最大的常態(tài)化被當成一種數(shù)據(jù)處理步驟。灰色關聯(lián)度，是兩個因素之間關聯(lián)的尺度，被用來權衡在聚類分析中各種因素的作用大小的系數(shù)。為了證明該方法的適用性，將該方法應用于一個住宅樓宇的測量數(shù)據(jù)。結果表明，該方法通過改善住戶行為減輕了建筑節(jié)能評估潛力，并提供多方面有關住戶行為的建筑能源最終使用模式

4、的見解。得到的這種結果可以幫助住戶為了降低建筑能耗調整優(yōu)先努力，并有助于改善數(shù)值模擬住戶行為。 2011愛思威爾B.訴保留所有權文章資料文章歷史：2010年10月27日收到2011年 1月11日修訂2011年 2 月 4日審核關鍵詞：住戶行為 建筑能耗 數(shù)據(jù)挖掘 聚類分析 灰色關聯(lián)分析1 簡介對建筑能耗的主要決定因素辨識，具有徹底的能夠共同協(xié)助實現(xiàn)建筑節(jié)能目標，提高性能和減少由于建筑能耗產生的溫室氣體排放量。一般而言，影響因素建筑總能耗可分為七個類別：（1）氣候（如室外空氣溫度，太陽輻射，風速度等），（2）建筑有關的特性（如類型，面積，方向等）（3）用戶相關的特征除，社會因素和經濟因素（如用戶

5、的存在等），（4）建立服務體系和運行（如空間冷卻或加熱，熱水供應等），（5）住戶的行為和活動，（6）社會和經濟因素（如教育程度，能源成本等）（7） 室內環(huán)境質量要求。在這七個因素，社會和經濟因素部分決定了住戶對能源消耗的態(tài)度，并且他們把這種響表現(xiàn)在日常的活動和行為，從而影響建筑物能源消耗。同時，室內環(huán)境質量可視為基本由用戶決定，從而建筑能耗的影響。從本質上講，這兩種因素，代表住戶對建筑能耗間接影響。因此，他們對建筑能耗的影響已包含在住戶行為的影響，在確定影響因素的影響時也沒有必要把他們納入考慮。 前四個因素的分立與合并的對建筑能耗影響可以通過模擬確定。隨著各種參數(shù)的設置，目前的模擬軟件基于不同

6、的情況下模擬這四個因素是很強大的。然而，由于用戶行為的多樣性和復雜性難以完全通過模擬的確定住戶的行為和活動影響；當前的模擬工具只能模仿一個固定的行為模式。近年來已經建立了幾種模型來整合用戶行為的影響在建筑模擬方案1-4。然而，這些模型只注重典型活動如遮陽設備的控制，而建立現(xiàn)實的用戶行為模型更加復雜。5-7一些研究表明，為了獲得用戶行為的全面影響，其中一個可行的辦法是提取相應的有用信息實測數(shù)據(jù)，因為這些數(shù)據(jù)已經包含了全部影響。例如，Yu et al. 7提出了建筑節(jié)能的決策樹方法，并將此方法用于日本的歷史數(shù)據(jù)住宅樓宇。生成的模型有一個流程圖，像樹結構，使用戶能夠快速提取關于建筑能耗的影響因素的有

7、用信息。這樣的模型隨著得到的信息可能大大有利于改善建筑節(jié)能性能。一般來說，以前的對居住者的行為影響的研究可分為兩大類。第一類是側重于用戶對建筑能耗存在的影響。例如，Emery和Kippenhan 8報道了在四個幾乎相同房子住戶影響存在對家庭能源使用的調查。四間房屋被分成兩對，并且其中一對建筑維護用改善了的熱阻材料建造。對每一個被留下的房子空置，而另一個是由大學的學生家庭使用。研究人員比較了第一個采暖季（1987-88）占用和空置房屋的總能源消耗（即總和取暖，照明和電器）。他們發(fā)現(xiàn)，住戶的存在增加了占用房屋的能源消費總量，并且與改善建筑圍護結構的房子有一個較小的增加。第二類著重于居民的活動對能源

8、消耗的影響。例如，歐陽和Hokao 9通過在中國124個家庭改善用戶的行為調查節(jié)能潛力。在這項研究表明，這些房子被分成兩組：一種是教育，以促進節(jié)能意識的行為，并提出對應的節(jié)能措施，于2008年7月生效，而另一個是必須保持完整的行為。比較兩組2007年7月到2008年7月各個家庭每月用電。研究人員發(fā)現(xiàn)，在平均來說，有效促進節(jié)能意識的行為可以減少超過10的家庭用電量。很明顯，在這些研究中是通過對測量數(shù)據(jù)進行比較分析來確定用戶行為的影響。然而，這種方法有很大的局限性。首先，除了用戶行為，其他四個影響因素也同時導致了建筑能耗的變化，這種方法不能充分去除的這四個因素影響，并確定住戶行為的影響。雖然在這些

9、研究中實施了一些排除措施，例如使用近期相同的住宅的特征和能源數(shù)據(jù)在類似的氣候條件其他年份作為參考，這些措施的影響是被質疑的，因為即使在一些細微差別的建筑特性（如傳熱系數(shù)）和氣象參數(shù)（例如，年平均室外氣溫）會導致建筑能耗的顯著波動。第二，在實際建筑數(shù)據(jù)庫，建筑物通常用混合變量類型（如數(shù)字變量），類別變量（例如，住宅建筑類型分為獨立和公寓），并序變量（例如，建筑物被評為白金，黃金和白銀）?；旌献兞康臄?shù)據(jù)類型很難用統(tǒng)計方法處理，通常用比較分析。這也增加了區(qū)分建住相關影響和用戶相關關影響之間的困難。第三，對于比較分析，建筑物通常被分成不同的組簡化的研究。這種分類是基于建筑的相關參數(shù)，如地板面積。例如，

10、如果建筑面積在100到400平方米范圍，它可用小型，中型，大型取代，對應區(qū)間分別為100，200，200，300，和300，400。因此，所有的建筑分為三組，即小型建筑，中型建筑，大型建筑物，以及每個組可研究的毛皮。在這個過程中，建立相關參數(shù)分區(qū)的決定通常是考慮方便和直觀。為什么各組之間的間隔要200平方米和300 平方米？因此，更合理分組建筑物的分類方法是需要的。此外，建筑物通常同間代表多種典型參數(shù)，如樓齡及樓面面積。所有這些參數(shù)為了簡便可分為不同的層次，如低和高。為了進行全面的調查，研究樣本的必要大小（即樓宇數(shù)目）應取決于所有參數(shù)水平的不同組合。例如，假設選擇7種典型參數(shù)代表，每個都是分層

11、3級（例如小，中，大）。就組合理論來看，它可以計算出至少37= 2187種建筑物比較研究，這可能是相當不切實際的。本文的主要目的是開發(fā)一個方法論通過數(shù)據(jù)分析確定住戶行為對建筑能耗的影響，從而通過改善用戶行為和提供建筑能源消費模式的深刻見解來評估能源節(jié)省的潛力。本文組織如下：第二節(jié)介紹了建議方法，第三節(jié)介紹了應用此方法實地測量數(shù)據(jù)集并討論了有關工作的結果，第四節(jié)總結了這篇文章。2 方法論提出了一種新的檢驗住戶行為對建筑的能源消耗影響的方法?；旧?，它實現(xiàn)了通過依據(jù)四種因素與用戶無關把所有研究的建筑中相似的建筑分組，因此，對于同組的每一個建筑這四個因素對建筑能源消耗具有類似的效果。相應的，住戶行為

12、對建筑能耗的影響可準確地在這些群體確定。此外，只要有足夠的建筑樣本大小并且主題建筑在這四個影響因素中有一個大的分歧，就意味著四個方面的各組影響因素可以足夠相似，由他們引起的能源消耗的不同相對較小，各組建筑物之間能源消費的差異可被認為是僅有住戶行為造成的。很明顯，建筑群的鑒定認為最重要的元素是方法論。這種鑒定的實現(xiàn)主要通過聚類分析。2.1聚類分析聚類分析是把觀察對象分組或簇的進程，使在同一群集中的對象具有較高的相性，而在不同的群集對象具有較低的相似性，圖.1顯示了一個基于假設建筑數(shù)據(jù)表的聚類數(shù)據(jù)。它包含各種能源有關的變量，如戶外空氣溫度（T）和建筑熱損失系數(shù)（亨利法則常量）。數(shù)據(jù)表包括m屬性和n

13、實例。每個屬性表示一個變量，每個實列表示一個建筑物。所有的實例都被歸類到w集群。因此，這些w集群內部同質和不同集群之間異質10。這種內部凝聚力和外部分離的所依據(jù)的是m屬性以及它們的影響；也就是說，這些屬性對同一群集建筑的能源表現(xiàn)具有最相似的整體效果，而在不同的建筑集群具有顯著的差別。因此，住戶行為對建筑能耗的獨立影響可以靠聚類分析更加精確的確定并且四個影響因素與住戶的行為無關。需要注意的是，這四個影響因素靠從現(xiàn)有數(shù)據(jù)庫選擇的相應參數(shù)來呈現(xiàn)。進行聚類分析前，為了處理不同的矛盾屬性，一些預處理步驟是必要的。例如，大部分能源相關的屬性有自己的單位。屬性單位從一個切換到另一個可能顯著地改變屬性值，從而

14、影響了集群的質量和準確性。因此，數(shù)據(jù)轉換技術應用以幫助避免對屬性單位選擇的依賴。另外，數(shù)據(jù)轉換可以用來防止大范圍的屬性超過小范圍的屬性。同時，不同屬性對建筑能耗的貢獻可能會有很大的不同；因此，數(shù)據(jù)標準化之后，每個屬性應與一個反映其意義的重量相關。灰色關聯(lián)分析將用于鑒別這些重量。該程序數(shù)據(jù)轉換和灰色關聯(lián)分析將在第2.2和2.3分別介紹在聚類分析中，從數(shù)據(jù)庫得到的觀察數(shù)據(jù)的不同用他們間的距離計算。在這項研究中，最流行的距離測量，歐氏距離，使用10： 其中k =（xk1，xk2，.，xkn）和L =（xl1，xl2，.，xln）是建筑物。 xk1，xK是n的k參數(shù)kl1，.，xln是n的l參數(shù)。常用

15、的聚類算法，包括K -均值和CLARANS 10。在這項研究中，由于其高效和廣泛的應用，我們采用的K -均值與開源數(shù)據(jù)挖掘軟件WEKA中11，來進行聚類分析。K - means算法是最簡單的解決聚類問題分區(qū)的方法。給定一個含有w對象的數(shù)據(jù)集（D），K - means算法的目標是把w對象分成兩個約束的K集群：1）每個群集中心是所有對象在該組的平均位置，（2）每個對象都被分配到與中心最接近的集群。該算法給定的步驟包括：（1）從表D隨機選擇K觀測結果作為初始聚類中心，（2）計算其余每個觀測中心和每個最初選擇之間的距離，（3）把其余每個觀測結果分配到最近的集群中心，（4）重新計算的平均值，即集群中心，

16、新的集群，以及（5）重復步驟2-4，直到算法回合，這意味著聚類中心并沒有改變。應一提的是K -均值對初始聚類中心是相當敏感的。因此，應該嘗試不同的值，以獲得集群內距離的最小和。與此同時，分群數(shù)應事先指定。2.2 數(shù)據(jù)轉換如前所述，為了應對測量數(shù)據(jù)集的不一致數(shù)據(jù)轉換已應用。具體來說，最小最大正?；?0對值進行縮放，以使他們預定的范圍之內。最大最小正常化優(yōu)勢在于由于對它進行了線性正?；顾軌虮Ａ舫跏紨?shù)據(jù)之間的關系。假設Xmax 和Xmin是原始的最大和最小的數(shù)值型屬性值。通過最小最大正?；粋€值，X，這個屬性可以通過計算 被轉換到X在新的指定范圍內Xmin，xmax在這項研究中，新的范圍定義為

17、0,1。對于二進制屬性，他們的兩種狀態(tài)，如房間空調器的運行狀態(tài)，即開，關，可以直接轉化為0,1或1,0。這個決定根據(jù)是否有一個更好的正值重新編寫這兩種狀態(tài)為0,1或1,0。對于隱序的多值類別屬性往往有必要的先排列它們的有序狀態(tài)，然后通過 在獲得的0,1 范圍內作圖。其中，x：每個狀態(tài)的轉化價值，ranki：每個狀態(tài)對應的排序，rankmax：最大的排序。例如，認證的四個級別在綠色建筑評級制度中能源與環(huán)境設計（LEED）的領導作用，即認證，銀，金，白金，將采用上述方法轉化成0,1 / 3，2 / 3，1。2.3 灰色關聯(lián)分析基于幾何數(shù)學，灰色關聯(lián)分析（GRA）已經提出，以便找到可以用來描述主要相

18、關因素之間關系趨勢的灰色關聯(lián)度和灰色關聯(lián)序（即灰色關聯(lián)度排名），并確定很顯著影響預定目標的重要因素 12。例如，如果建筑能耗是目標因素，GRA可提供各影響因子的灰色關聯(lián)度，如室外空氣溫度和面積。這些灰色關聯(lián)度都是對總建筑能源消費數(shù)值可測有較大的影響因素。與其它類似的多如回歸分析和主因子成分分析方法比較，它的主要優(yōu)點是相對簡單，并能夠處理不具有典型概率分布的小數(shù)據(jù)集。讓y0成為目標序列（測量數(shù)據(jù)的目標因子，如建筑能源消耗），讓yi成為比較序列（實測數(shù)據(jù)的相關因素，如各種影響建筑能耗的因素）： GRA過程的描述如下：第1步：規(guī)范化原始數(shù)據(jù)（最大最小正?；糜谶@項研究中），y0和yi用來表示得到的正

19、常化序列;第2步：計算灰色關聯(lián)系數(shù)。y0和yi之間的i(k)定義為 其中是區(qū)別系數(shù)和0 0.9 表明顯著影響， 0.8表示比較有顯著影響， 0.7表示不可忽視的影響，和 參照最小。關于其他三組，圖.11-13表明，全年客廳的最大溫度維持在大約24C，而參照建筑的客廳溫度和最小值隨室外氣溫變化。顯然，這三種建筑利用空間制冷和加熱的頻率無論在制冷還是取暖季節(jié)都與第一組的排序相同。這些結果表明，住戶追求熱舒適的行為通常會導致高能源消耗。因此，必須有一個人熱舒適度和建筑能耗的權衡，并且有必要達到通過調整住戶行為獲得高舒適度水平和減少能耗的平衡。 4 總結本文的主要目的是通過聚類技術發(fā)展新的數(shù)據(jù)分析方法，確定住戶行為對建筑能耗的影響。它基于與住戶行為無關的四種影響因素，把所有調查建筑中的相似建筑分組，因此對于同一組中的各建筑這四個因素對建筑能耗