英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
内容列表可在ScienceDirect获得。
应用能源
杂志主页: www.elsevier.com/locate/apenergy
用于建筑能源性能的大数据:从建立一个非常庞大的国家建筑能源使用数据库的经验教训。Paul A. Mathew uArr;, Laurel N. Dunn, Michael D. Sohn, Andrea Mercado, Claudine Custudio, Travis Walter
环境能源技术分部，劳伦斯伯克利国家实验室，回旋加速器之路，邮站:90R2000, Berkeley, CA 94720, USA。
特点
bull;美国最大的建筑能源数据汇编，建筑面积超过75万。
bull;大部分的工作是数据清理和映射到公共数据模式。
bull;论文包括对CBECS和RECS中的数据进行比较——美国国家统计数据集。
bull;数据库支持能源使用和数据驱动的储蓄分析的实证比较。
文章信息
文章历史:
2014年3月14日收到
2014年11月19日收到修改后的2014年11月20日。
2014年12月15日在线。
关键词:
建筑性能数据库性能。
大数据
建立数据收集
数据驱动的决策支持
文摘
建筑能源数据几十年来一直被用来理解建筑物的能源流动和未来能源需求计划。最近的市场、技术和政策驱动因素导致了建筑行业的利益相关者广泛收集数据。独立收集和维护数据集的合并提供了一个具有成本效益的机会来构建一个空前规模的数据库。数据的应用包括对建筑性能的评估，以及数据驱动的算法，这些算法利用经验数据来估算与建筑改造相关的节能。本文以美国能源部建筑性能数据库(BPD)为例，讨论了在编制该数据库时的技术考虑。我们收集了超过75万个住宅和商业建筑的数据。我们描述了来自不同来源的映射和清理数据的过程和挑战。我们在桶分析建筑物的分布相对于商业建筑能耗调查(CBECS)和住宅能耗调查(RECS),评估同辈群体建筑的好与坏代表,和讨论三个数据集的分布差异如何影响数据的用例。最后，我们讨论了当前数据集的实用性和局限性，以及增加其规模和应用的前景。
copy; 2014年爱思唯尔有限公司版权所有。
- 简介
能源效率是控制建筑物能源使用和碳排放的有效资源。以工程为基础的研究预测大型能源和经济储蓄将会随着时间的推移而在建筑存量中进行适度的投资[1-3]。洛基山研究所的一项研究。
缩写:CBECS，商业建筑能耗调查;住宅能源消费调查;对比增强超声、商业最终用途调查;美国能源部,能源部;桶,建筑性能数据库;美国能源信息管理局;行、能源使用强度;建筑能源数据交换规范;能源管理公司、能源服务公司;NBI,新建筑研究所;美国能源效率和可再生能源办公室。
uArr;通讯作者。电话: 1 510 496 5116。
邮箱地址:pamathew@lbl.gov (P.A. Mathew).
据估计，到2050年，建筑行业投资0.5万亿美元可节省1.4万亿美元[4]。其他研究发现，基于工程的分析可能高估了潜在的能源节约[5]，而且更普遍地不准确地预测了实际建筑中的能源使用[6,7]。在建模和测量的能耗和节能之间存在差异，这主要是由于在计算居住者行为方面的困难[8]，建筑系统之间的交互作用[9]，模型输入的不确定性[10]，以及由于建筑系统的维护和操作不当导致的操作建筑物的效率低下[11,12]。
历史上缺乏经验的能源数据，限制了我们验证基于工程预测的建筑节能潜力的能力。然而，近期建筑能耗基准的激增[13]增加了可用建筑能源数据的数量。
http://dx.doi.org/10.1016/j.apenergy.2014.11.042 0306-2619/copy;2014年爱思唯尔有限公司版权所有。
利用大规模数据集进行的实证数据分析在打击犯罪、政治活动[15]和商业[16]等领域具有变革作用。大规模的经验建筑能源数据可能会对整个行业的利益相关者有利，包括决策者、建筑业主和能源效率投资者。几项技术、市场和政策驱动因素，如智能电表和能源信息披露法，已经在整个建筑领域带来了前所未有的数据收集，这推动了一些努力，将数据驱动的决策——向利益相关者提供建筑性能。
数据驱动的算法为预测能源节约和估算能源效率投资的经济回报提供了低成本的替代能源模型[9,17]。一个建筑能源数据库还可以改进目前由小型或过时数据集驱动的分析，例如告知能源效率政策，或规划未来的能源需求[18-21]。
能源部资助的建筑性能数据库[42]试图填补建筑部门“大数据”的需要。在本文中，我们讨论了来自近75万家商业和住宅建筑的能源使用数据，这些数据来自城市、公用事业、能源效率计划和建筑组合所有者等组织收集的小型数据集。本文讨论了生成大型数据库用于构建性能分析的技术考虑。我们第一次评估建筑物能源数据库的必要性,讨论现有的数据库,应用程序和缺点,和机遇进行分析提供一个更大的更全面的数据库(2节)。然后,我们讨论的过程编译桶,包括数据拓展、聚合和质量保证(Sec,3)。然后,我们评估的数量和深度数据中包含的桶(第四节:“数据有多大?”)，将BPD与国家建筑存量进行比较，并讨论数据库中建筑物的结构是如何帮助或阻碍数据分析的前景(第4节:“数据有多大用处?”)。最后，我们通过对BPD的现状进行反思，将其作为决策支持工具，并识别出提高构建数据分析的质量和深度的机会(第5节)。
2.背景:建立能源综合数据库的必要性。
2.1.实证建筑数据的现状。
经验建筑数据在建筑物管理、能源效率、政策评估和能源规划方面具有广泛的潜力。本节讨论现有的建筑能源数据库及其应用。我们强调每个数据集的数据收集方法和显著特征，以及这些数据的影响用例。根据我们对其他数据库的审查，我们将需要建立一个全面的数据库来整合整个行业的数据，以减少数据收集的成本，为分析建筑数据创造新的机会，并在建筑行业内获得更广泛的受众。
包括CBECS和RECS在内的数据库包含了深入的能源使用和资产数据，用于国家通信和住宅建筑股票的代表性样本[22,23]。这些数据集是为能源规划和预测目的收集的，但也提供了国家建筑库存的汇总统计数据(NBI, 2014)[24-26]。EIA的年度能源展望严重依赖CBECS和RECS来评估建筑行业的能源使用趋势[40]。加州能源委员会(CEUS)编制的一个类似的数据库，分析了加州商业大厦的能源使用情况[27,39]。CBECS和RECS都是非常昂贵的收集，导致较小的样本大小和不频繁的数据更新[19]。同时在某种程度上，开发了低成本的数据收集方法，以响应行业需要比RECS和CBECS提供的更大、更先进的数据。此外，在CBECS和RECS内部的建筑物抽样，部分是为了获得国家规模的建筑股票的代表性观点。虽然重要的是，特别是对于国家规模的能源分析，这样的数据库可能无法在区域空间尺度上提供精细的细节或分辨率。
其他数据库针对构建股票或特定用例的某些子集。这些数据集包括实验室21、能源之星投资组合经理和新建筑研究所(NBI)等。实验室21在全国范围内收集实验室评估数据，重点是实验室特定的能源驱动因素[28]。投资组合经理收集能源基准测试数据，并为几个建筑类型分配EPA能源之星评分。实验室21和Portfolio Manager都收集用户在线提交的数据，导致数据收集成本较低。NBI收集LEED认证建筑的能源使用和设计数据(NBI, 2014)。该数据库已被用于比较LEED认证建筑与国家建筑股票的性能，并评估其性能相对于设计阶段模拟作为LEED认证过程的一部分[6,7]。许多其他数据库为与能源性能无关的应用程序收集构建数据。例如，CoStar和Zillow是私人公司，它们分别收集美国房地产市场和住宅建筑的数据，根据建筑物的大小、特点和位置来监测市场价格。BPD利用在整个行业收集的性能相关数据，包括但不限于为其他数据库收集的数据;然后将这些不同的数据集聚合到一个数据库中。成功地使用区域尺度，或特定于市场的数据库，意味着需要一个数据库，可以在构建股票的多个尺度上提供一个超视图。即使是一个不完整的国家数据库，就像当前形式的BPD一样，对于各种地方规模的能源分析也是有用的。换句话说，我们不需要等待BPD在重要的能量分析之前“完成”。
BPD数据的一个预期用途是为新的数据驱动算法提供动力，用于估计与建筑改造相关的能源节约，增加基于模型的节能预测。一项研究将设计阶段的能源模拟与使用NBI的LEED认证建筑的数据基础进行了测量，发现实际能源使用偏离了模拟能源使用的25%或更多，超过了数据库中一半的建筑[6,7]。利用经验数据来计算能源节约，而不是基于工程的估计，可能会考虑到一些因素，比如占用人的行为、操作上的不确定性以及在构建能源模型时要考虑的困难或代价高昂的交互效应。
节省能源的数据驱动方法的一个好处是，结果被作为能源节约的概率分布。随着能源服务公司(ESCOs)的兴起，了解能源节约的不确定性正变得越来越重要。计算获得某一特定水平的能源节约的可能性，可以通过量化最大的不确定性来提高投资者对能源效率的信心。
2.2.用于BPD的预期用例。
BPD是一个广泛的数据收集工作，以支持一系列不同的分析用例。表1提供了针对不同涉众的BPD的预期用例的高级总结。
BPD正在面临的挑战之一是，将用例的范围与数据可用性和数据收集工作协调起来。每个用例都有自己的数据收集需求和优先级，如下面的例子所示:
简单的同龄群体基准测试基于整个建筑物能源使用强度(每单位面积能耗)筛选和优化建筑整体效率潜力:对于大多数建筑类型,可以合理有效地与整个建筑年度能源使用,建设规模、气候区,选择两到三个额外的特征如入住率时间表。
不同建筑类型和地理区域的能源效率得分比较:这对城市和各州的能源信息披露法特别有兴趣，例如，纽约市办公楼的能源效率得分如何与旧金山的相比?这种类型的分析也只需要整个建筑年能耗数据和建筑特征。
对能源技术的影响进行组合层次分析:例如，对于有变风量系统和恒定体积系统的建筑物，在能源使用强度方面，是否存在统计上可观测的“位移”?这种类型的分析需要建立系统特性的数据，以及整个建筑的能源使用和特性。
从具体的改造措施节约能源:这种类型的分析将需要预先和后改造的能源使用数据以及关于改造和相关建筑系统的类型的数据。对于大量的建筑物来说，这些类型的数据很难获得一致的格式。
表1
BPD的用例总结。
用例 业主/运营商 政府机构 能源效率计划 金融机构
通过比较类似的建筑来识别高或低的建筑。 p p
通过比较不同建筑特征的群体，确定效率措施和储蓄 p p
范围。
将效率项目绩效与类似项目进行比较。 p p
使公众能够获得关于建筑能源性能的一般统计信息。 p
经验评估和比较不同建筑类型和效率措施的储蓄潜力， p p
以告知效率计划的优先次序。
根据测量的储蓄不确定性和持久性，优化效率方案的 p
测量和验证(Mamp;V)要求。
为效率项目和投资组合进行投资风险分析。 p
3.数据采集、映射和清理。
整个建筑行业的数据收集者自愿提交数据，以便纳入BPD。广泛的数据收集是建筑行业最近的一个现象，这意味着没有广泛使用的标准来格式化数据或质量控制。关键的研究工作是如何将这些不同的数据来源组合在一起，以及如何开发一个能够促进聚合的体系结构，以及如何对数据进行映射，以确保不完整的、错误的或其他可疑的数据在数据库条目或分析结果中不损害完整性。以下各节讨论收集、映射的注意事项和清洁建筑能源数据的BPD。
3.1.数据采集
BPD包含来自30多个数据源的超过75万个建筑的数据，如表2所示。源数据集的大小从10到65万不等，并在每个建筑的详细程度上有很大的差异。BPD获取的所有数据集都映射到一个通用数据格式，以方便导入数据库，这一过程在第3.2节中详细介绍。作为向BPD提交数据的动机，映射和清理的数据将返回给每个数据贡献者，以及数据集的
全文共21595字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15117]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
