| 标题 | 物联网技术在大型公共建筑能耗数据采集中的应用 |
| 范文 | 于秋红 摘 要： 针对传统基于时间序列的建筑能耗数据采集方法对数据量以及采样周期的要求较高，存在采集效率低以及数据丢包率高等弊端，提出基于物联网技术的大型公共建筑能耗数据采集方法。设计大型公共建筑能源系统物联网总体架构，并分析其中各层次的详细内容，设计智能数据采集器的硬件结构，以及采集器中的RS 485采集电路，通过轮询措施实现建筑能耗数据的采集流程。通过数据采集器子配置算法解决能耗数据丢失问题，采用变频采样方法对累计运算类能耗数据实施优化采样，通过勒贝格采样方法对系统实时监测类能耗数据进行改進采样。实验结果说明，利用所提方法采集的建筑能耗数据丢包率低，具有较高的采样效率和精度，可长期稳定运行。 关键词： 物联网技术； 大型公共建筑； 能耗数据； 采集电路； 采样精度； 数据丢包 中图分类号： TN710?34； TP393.07 文献标识码： A 文章编号： 1004?373X（2018）11?0139?05 Application of Internet of Things technology in energy consumption data acquisition of large?scale public building YU Qiuhong （The City College of Jilin Jianzhu University， Changchun 130114， China） Abstract： The traditional building energy consumption data acquisition method based on time series has high requirements for data quantity and sampling period， and disadvantages of low acquisition efficiency and high data packet loss rate. Therefore， an IoT?based energy consumption data acquisition method for large?scale public building is put forward. The overall IoT architecture of energy system for large?scale public building is designed. The details of each level are analyzed. The hardware structure of the intelligent data collector and acquisition process of building energy consumption data realized by RS 485 acquisition circuit in the collector by means of polling measures are designed. The sub allocation algorithm of data collector is used to solve the problem of energy consumption data lost. The frequency conversion sampling method is used to implement the optimal sampling for the cumulative operation energy consumption data. The Lévesque sampling method is used to improve the sampling of energy consumption data monitored by the system in real time. The experimental results show that the proposed method has low packet loss rate for the acquired building energy consumption data， high sampling efficiency and accuracy， and can operate stably for a long time. Keywords： Internet of Things technology； large?scale public building； energy consumption data； acquisition circuit； sampling accuracy； data packet loss0 引 言 随着经济的快速发展，当前我国建筑行业也呈现日新月异的发展态势，建筑节能问题成为人们关注的重点。建筑节能的目标是增强建筑能源的使用效率。对大型公共建筑能耗数据实施准确采集以及分析，为相关管理人员提供可靠的建筑能耗分析数据，对于提高建筑能源使用效率、降低建筑污染物排放量、确保建筑能源环境的可持续发展具有重要作用。由于物联网技术具有使用范围广、深层处理效果优等优势，其在大型公共建筑能耗数据采集过程中的应用价值较高。传统基于时间序列的建筑能耗数据采集方法对数据量以及采样周期的要求较高，存在采集效率低以及数据丢包率高等弊端。因此，本文提出基于物联网技术的大型公共建筑能耗数据采集方法，提高能耗数据采集效率以及质量。1 物联网技术的大型公共建设能耗数据采集方法1.1 大型公共建筑能源系统物联网总体架构 基于物联网技术塑造的大型公共建筑能源系统物联网（Internet of Building Energy Systems，iBES）可对建筑节能工作实施量化分析，为建筑能效评估以及节能改造提供可靠的数据分析依据[1]。本文设计的大型公共建筑能源系统物联网的总体架构用图1描述。其中不同层间通过接口程序实施数据传输。 图1中，感知控制层采用RS 485总线塑造iBES能耗数据采集系统以及管理系统，由不同的检测传感器、计量仪表和控制器构成，是大型公共建筑系统的末端部分；网络传输层是数据采集器同服务器间实施数据传递的通道，通常采用有线的Ethernet传递措施传输数据；信息汇聚层可采集数据采集器传递的能耗数据[2]，并向能耗数据库内存储数据；数据加工层对信息汇聚层获取的能耗数据实施加工、运算以及分类等操作；诊断决策层对加工后的能耗数据实施深层次的数据挖掘，完成能耗分析和诊断；信息输出层将能耗信息通过网页的方式呈现给用户，并采用决策层的节能改进算法产生有效的节能方案。1.2 iBES智能数据采集器的设计与实现1.2.1 iBES数据采集器总体结构 系统中数据采集器的硬件电路可划分成电源管理模块、存储电路模块、数据采集电路模块、核心处理器模块以及网络传输电路模块等，如图2所示。1.2.2 采集模块设计与实现 图2中数据采集器中的采集模块是RS 485采集电路，其采用轮询措施采集大型公共建筑末端不同计量仪器内的数据。通过拥有隔离性能的RS 485收发器——ADM2483完成数据的采集。RS 485总线是半双工通信，只允许一个设备的状态是发送状态，ADM2483中的电源检测引脚PV确保总行通信的有序性。如果PV引脚电平状态较低，则ADM2483不再运行；否则ADM2483运行。RS 485软件设计时考虑到服务器传递的配置包内存在较多的iBES系统中末端仪表通信信息，基于通信地址轮询采集建筑系统能耗数据，详细的采集程序用图3描述。应先对iBES系统末端仪表信息实施解析[3]，基于不同仪表种类采用合理的通信波特率和通信协议，采集建筑能耗数据时将正常通信时间的3～5倍当成超时时限，如果采集时间到达该时限，末端仪表未反馈数据，则此次能耗数据采集过程不再进行，再次传递出新的能耗数据采集指令[4]；若仪表3次都不存在数据，则说明该支路存在通信故障，将该支路信息存储后向外反馈。 数据采集器运行时需要先配置信息，配置数据采集器的IP地址、数据中心服务器的IP地址以及建筑ID等信息。通过网络调测辅助工具将配置信息输入，在配置芯片AT24C02内存储配置信息。通过TCP措施完成数据采集软件同数据采集器间的通信。服务器通过固定的公网IP地址和通信端口同客户端的数据采集器塑造连接。数据采集器同服务器间的通信流程用图4描述。服务器驱动数据采集软件程序，通过合理的端口实施TCP监听；数据采集器向数据中心传递出TCP连接申请，塑造连接后服务器对数据采集器实施身份验证，通过验证后服务器将配置包传输给数据采集器，主要包括采集器末端仪表地址、编号等相关信息。数据采集器完成配置包的解析后，实施数据采集、数据保存以及数据传输的循环过程。数据采集器将心跳包检测到的网络连接状态反馈到服务器[5]，如果连接关闭，则需要再次连接。1.2.3 自配置功能 系统正常运行状态时，数据采集器同数据中心间的网络连接状态应具备较高的平稳性，若网络出现故障或服务器进行升级，会导致固定周期中的数据采集器不能同服务器实施通信。该种状态下的数据采集器不能准确定位到故障，其需要进行重启以及自检，检测出故障出现的原因。如果重启后的数据采集器不能同服务器相连，就无法获取服务器反馈的配置信息，数据采集工作受阻，导致能耗数据丢失。本文采用数据采集器子配置算法解决能耗数据丢失问题，该算法的流程图用图5描述。数据采集器同服务器间塑造连接并且通过身份认证后，在SD卡内保存配置信息，对这些信息实施CRC检验，在E2PROM内保存校验码。若网络存在故障，则重启数据采集器不能同服务器相连，可从SD卡内获取原配置信息，同时实施数据的采集以及保存等工作；若网络故障解除[6]，数据采集器同服务器相连，对采集的配置信息实施CRC校验，若结果相同，不再实施操作，否则，在SD卡内保存新的配置信息。本文通过数据采集器中的子配置算法完成数据采集器的自配置，解决网络传递中断产生的建筑能耗数据丢失问题。1.3 能耗数据采样方法改进 对于iBES系统中感知层能耗数据采集时存在采样周期设置不合理的弊端，通过能耗数据幅频特性设计了改进的能耗数据采样方法，采用变频采样措施对累计运算类能耗数据实施优化采样，能够降低存储空间，采用勒贝格采样措施对系统电压、功率因素等监测类能耗数据进行改进采样，能够节省存储空间，融合变频采样以及勒贝格采样方法对iBES系统电流、功率等监测数据实施优化采样[7]，能够大大节省数据存储空间。 iBES系统的采样周期越高、采样间隔越小，可减小数据传输频率，采集更多的数据。本文采用变频采样方法检测当前能耗数据的幅频属性，塑造能耗数据属性模型，通过低频采样措施以及高频采样措施[8]，分别采集能耗数值变化小以及变化大采样周期的数据。大型公共建筑能耗数据包括无需计算的实时监测数据以及需要进行运算的累积运算类数据，针对两种类型的数据采用不同的改进采样方法。1.3.1 累积运算类数据改进采样方法 iBES系统能耗数据具有周期波動属性，采用小波变换方法对其实施拟合。如图6所示，[t1～t2，t3～t4]时期中数据在较小区域内波动，[t2～t3]周期中数据存在较高的波动性，对这些数据实施变频采样和优化操作[9]，通过低频率采样方法以及高频率采样方法，分别对数据波动稳定的[t3～t4]以及数据波动较高的[t4～t5]中的数据实施采集。 改进前采用等周期采样措施的采样周期是5 min，每天反馈的数据量是[Q=]24 h*60 min/5 min=288个。改进后通过变频采样，在上午6时到下午18时通过5 min采样周期实施数据采集，下午18时到次日上午6时通过30 min采样周期实施数据采集，则每天反馈的数据量是[Q=]12 h*60 min/5 min+12 h*60 min/30 min=168个。未采用改进采样方法在不同时段采集建筑能耗数据时无法提高数据采集精度，而采用改进采样方法后数据不仅保持原信号特征，还节省了41.67%的数据量。1.3.2 实时监测类数据改进采样方法 改进前实施等周期采样，每天反馈数据量同累积运算类能耗数据相同，是288个。改进后采用勒贝格采样方法对某天电压信号进行采集，设置采样精度是1 V，改进后采样数据点是155个，比等周期采样措施节省了46.18%的存储空间。如果采样精度是2 V，则改进后采样数据点是85个，比等周期采样措施节省70.49%的存储空间。因此能够看出，设置有效的采样精度，在遵守原信号波动趋势的前提下，能够节省大量的存储空间。2 实验结果与分析2.1 建筑能耗数据丢包率检测 实验检测采用本文数据采集方法前后对某城市不同大型公共建筑能耗数据采集过程中的丢包率情况，分别用表1和表2描述。能够看出，未采用本文数据采集方法前不同大型公共建筑能耗数据采集的丢包率较高，其中，邮电大厦的丢包率最高，3月份的丢包率高于10%，对建筑能耗数据分析产生较大的干扰[10]；而采用本文数据采集方法能够降低建筑能耗数据的丢包率，具有较高的数据采集精度。2.2 方法性能檢测 实验对本文建筑能耗数据采集方法的长期运行性能实施检测，给出本文方法1 h采集到的实验建筑能耗数据，用表3描述。其中0001表示采集的是2台计算机以及小型电器，0002表示电热器。能够看出它们的能耗价值、能耗数据波动较小，分析本文数据采集方法长期运行检测结果可得，本文方法可长时间稳定运行。2.3 数据采集效率和精度检测 实验统计本文方法以及传统基于时间序列的能耗数据采集方法，对某城市中的大商新玛特建筑2014年3月份能耗数据实施采集过程中的采集效率以及精度情况进行统计，结果如图7，图8所示。从中能够看出，本文方法的采集效率以及精度高于传统方法，并且变化稳定，传统方法的采集效率以及精度出现了大幅度的波动，稳定性差。3 结 论 本文提出基于物联网技术的大型公共建筑能耗数据采集方法，提高了建筑能耗数据的采集效率以及精度，降低了数据丢包率，可为降低建筑能耗、实现建筑能源环境的可持续发展提供可靠的分析依据。 参考文献 [1] 杨石，罗淑湘，钟衍，等.大型公共建筑能耗监测平台存在问题及其初步解决方案[J].建筑技术，2014，45（8）：714?718. YANG Shi， LUO Shuxiang， ZHONG Yan， et al. Problems existed in large?scale public building energy consumption monitoring platform and its preliminary solution [J]. Building technology， 2014， 45（8）： 714?718. [2] 苏会卫，何原荣，聂菁，等.基于物联网的绿色建筑在城市碳减排的应用研究[J].自然灾害学报，2014，23（6）：88?94. SU Huiwei， HE Yuanrong， NIE Jing， et al. Research on the application of green building based on Internet of Things in urban carbon emission reduction [J]. Journal of natural disasters， 2014， 23（6）： 88?94. [3] 王伟栋，薛峰，李婷.零能耗建筑实现的能耗分配控制策略设计研究[J].建筑科学，2015，31（6）：168?172. WANG Weidong， XUE Feng， LI Ting. Research on the design strategy of energy allocation control realized in zero energy consumption building [J]. Building science， 2015， 31（6）： 168?172. [4] 肖赋，范成，王盛卫.基于数据挖掘技术的建筑系统性能诊断和优化[J].化工学报，2014，65（z2）：181?187. XIAO Fu， FAN Cheng， WANG Shengwei. Performance diagnosis and optimization of building system based on data mining technology [J]. Journal of chemical engineering， 2014， 65（S2）： 181?187. [5] MA J， CHENG J C P. Estimation of the building energy use intensity in the urban scale by integrating GIS and big data technology [J]. Applied energy， 2016， 183： 182?192. [6] 冷红，孙禹，田玮.基于空间相关的城市建筑能耗分布量化模型及应用：以伦敦非住宅建筑为例[J].地域研究与开发，2015，34（6）：82?88. LENG Hong， SUN Yu， TIAN Wei. Quantitative model of energy consumption distribution in urban buildings based on spatial correlation and its application： a case study of non?residential buildings in London [J]. Geographical research and development， 2015， 34（6）： 82?88. [7] 高婧，于军琪.基于AHP?Fuzzy的大型公共建筑可持续性评价研究[J].计算机工程与应用，2014，50（13）：252?256. GAO Jing， YU Junqi. Research on sustainability evaluation of large public buildings based on AHP?Fuzzy [J]. Computer engineering and application， 2014， 50（13）： 252?256. [8] 章永洁，蒋建云，叶建东，等.节能环保技术在小型公共建筑中的集成应用及能耗模拟分析[J].建筑技术，2015，46（6）：504?507. ZHANG Yongjie， JIANG Jianyun， YE Jiandong， et al. Integrated application of energy?saving and environmental protection technology in small public buildings and simulation analysis of energy consumption [J]. Building technology， 2015， 46（6）： 504?507. [9] 李冬辉，贾冠龙，姚乐乐，等.基于LPC1768的能耗采集系统的设计[J].仪表技术与传感器，2016（3）：48?51. LI Donghui， JIA Guanlong， YAO Lele， et al. Design of energy consumption acquisition system based on LPC1768 [J]. Instrument technology and sensor， 2016（3）： 48?51. [10] 胡慧，王桂芝，来鹏.基于PLSIM模型的住房建筑物能耗分析[J].数理统计与管理，2016，35（5）：770?777. HU Hui， WANG Guizhi， LAI Peng. Energy consumption analysis of housing buildings based on PLSIM model [J]. Mathematical statistics and management， 2016， 35（5）： 770?777. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。