（地图学与地理信息系统专业论文）基于gis的建筑能耗统计分析研究.pdf

摘要 摘要 随着社会经济的发展和人民生活水平的提高，日益增长的建筑能耗水平，成 为制约社会经济发展的一大因素。为了全面掌握我国建筑能耗的实际状况，加强 能源领域的宏观管理和科学决策，促进建筑节能的发展，建筑能耗统计工作的开 展变得尤为迫切。 由于建筑能耗统计工作所涉及的统计数据复杂多样，g i s 技术既可作为多源 统计数据的载体又可以作为建筑能耗日常管理和分析的重要工具。本文以g i s 为 技术手段，研究基于g i s 的建筑能耗统计和分析方法。并以南京市建筑能耗为数 据基础，探讨并建立建筑能耗的预测模型。 本文的主要研究内容和成果包括： ( 1 ) 查阅了建筑能耗统计和建筑能耗预测模型的国内外研究现状相关资料， 总结其缺点和不足，分析了基于g i s 的民用建筑能耗统计方法优势。 ( 2 ) 在建筑能耗统计需求的基础上，对建筑能耗统计数据的组成、来源和 特点等进行分析。根据数据的特点设计了基于g i s 的建筑能耗统计技术路线。 ( 3 ) 根据建筑能耗统计工作的实际需求，对多源数据进行整合。包括规划 和房产g i s 数据的属性整合，能耗数据与g i s 数据的整合。 ( 4 ) 在国内外建筑能耗研究的基础上，分析了建筑能耗影响因子。确定了 以建筑面积、社会经济和气温变化作为电力预测模型的影响指标；以居民燃气用 户数、城市居民人均可支配收入等作为燃气预测的影响指标。构建基于b p 神经 网络的能耗预测模型。 ( 5 ) 设计开发了建筑能耗统计系统；完成了建设部试点城市南京的建筑能 耗统计工作。 关键词：建筑能耗；多源数据；影响因子；b p 神经网络预测 a b s t r a c t a b s t r a c t w i t ht h ed e v e l o p m e n to fe c o n o m ya n dt h ei m p r o v e m e n to fp e o p l e sl i v i n g s t a n d a r d ，t h eb u i l d i n gc o n s u m p t i o n se v e r - i n c r e a s i n gh a sb e c o m eam a j o rc o n s t r a i n i n g f a c t o rt or e s t r i c tt h ed e v e l o p m e n to fe c o n o m i s t sa n ds o c i e t y t of u l l yg r a s pt h ea c t u a l s i t u a t i o no fb u i l d i n ge n e r g yc o n s u m p t i o ni nc h i n a , t os t r e n g t h e nm a c r o - m a n a g e m e n t o fe n e r g ya n ds c i e n t i f i cp o l i c y - m a k i n g ，a n dp r o m o t et h ed e v e l o p m e n to fb u i l d i n g e n e r g ye f f i c i e n c y , c a r r y i n go u ts t a t i s t i c a lw o r ko fb u i l d i n ge n e r g yc o n s u m p t i o nh a s b e c o m em o r eu r g e n t a st h es t a t i s t i c a lw o r ki n v o l v e di nb u i l d i n ge n e r g yc o n s u m p t i o ns t a t i s t i c sf o r c o m p l e xa n dd i v e r s e ，g i st e c h n o l o g yc a nb eu s e da sac a r r i e ro fv a r i o u ss t a t i s t i c a l d a t a , a n da l s oc a nb eu s e da sa ni m p o r t a n tt o o lf o rd a i l ym a n a g e m e n ta n df u t u r e a n a l y s i so fb u i l d i n ge n e r g yc o n s u m p t i o n t h i sp a p e rr e s e a r c hs t a t i s t i c sa n da n a l y s i so f b u i l d i n ge n e r g yc o n s u m p t i o nb a s eo ng i s a tt h es a m et i m ep r o d u c ep r e d i c t i o n m o d e l so fb u i l d i n ge n e r g yc o n s u m p t i o nb a s eo nn a n ji n g se n e r g yc o n s u m p t i o nd a t a t h i sa r t i c l em a i n l yi n c l u d e st h ef o l l o w i n g ： ( 1 ) c o n s u l tm a t e r i a l sa b o u tb u i l d i n ge n e r g ys t a t i s t i c sa n df o r e c a s tm o d e lo f b u i l d i n ge n e r g yh o m ea n da b r o a d ，s u m m a r i z et h e i rd e f e c t sa n di n s u f f i c i e n t ，a n a l y z e a d v a n t a g e so f t h eg i sb a s e dc i v i lb u i l d i n ge n e r g ys t a t i s t i c sm e t h o d ( 2 ) a n a l y s i so ft h ed a t ac o m p o s i t i o n ，o r i g i na n ds t r u c t u r eb a s eo i lt h en e e d so f b u i l d i n ge n e r g yc o n s u m p t i o ns t a t i s t i c s d e s i g nt h et e c h n i c a lr o u t eo fs t a t i s t i c sb a s eo n g i s ( 3 ) a c c o r d i n gt ot h ea c t u a ln e e d so ft h eb u i l d i n ge n e r g yc o n s u m p t i o ns t a t i s t i c s ， t oi n t e g r a t et h em u l t i p l es o u r c ed a t a i n c l u d i n gp r o p e r t yi n t e g r a t i o no fp l a n n i n gg i s d a t ea n dp r o p e r t yg i sd a t a , e n e r g yc o n s u m p t i o nd a t aa n dg i sd a t ai n t e g r a t i o n ( 4 ) a n a l y s i so fb u i l d i n ge n e r g yc o n s u m p t i o ni m p a c tf a c t o rb a s e do nt h er e s e a r c h o fb u i l d i n ge n e r g yc o n s u m p t i o na th o m ea n da b r o a d f i n a l l y , t a k i n gt h ec o n s t r u c t i o n a r e a ，s o c i o e c o n o m i ca n dc l i m a t ec h a n g ea st h ei m p a c to fp o w e rp r e d i c t i o nm o d e l ； t a k i n gt h er e s i d e n t so fg a su s e r s ，t h ep e rc a p i t ad i s p o s a b l ei n c o m eo fu r b a nr e s i d e n t s a st h ei m p a c to fg a sp r e d i c t i o nm o d e l ( 6 ) d e s i g n e d a n dd e v e l o p e dt h es t a t i s t i c a l s y s t e m o fb u i l d i n g e n e r g y c o n s u m p t i o n ；c o m p l e t e dn a n ji n g sb u i l d i n ge n e r g yc o n s u m p t i o ns t a t i s t i c s ，w h i c hi s p i l o t sc i t yo f t h em i n i s t r yo fc o n s t r u c t i o n a b s t r a c t k e yw o r d s ：b u i l d i n ge n e r g yc o n s u m p t i o n ；m u l t i s o u r c ed a t a ；i m p a c tf a c t o r ；b pn e u r a l n e t w o r k 图目录 图目录 图1 1 技术路线图6 图2 2 某建筑规划g i s 数据9 图2 3 电力能耗原始表9 图2 4 规划g i s 数据与房产g i s 数据配准效果1 0 图2 5 形状相近的图形1 2 图2 6 形状不相近但唯一对应1 2 图2 8 规划g i s 数据合并结果。1 3 图2 9 规划g i s 数据中建筑和房产6 i s 数据中建筑都被分成多块1 3 图2 1 0 建筑能耗统计技术路线图1 5 图3 12 0 0 5 年南京市建筑能耗的能源结构图1 9 图3 2 南京市建筑用电量逐年变化图。1 9 图3 3 南京市住宅建筑用电量逐年变化图2 0 图3 4 南京市公共建筑用电量逐年变化图2 0 图3 5 南京市非农业、农业及总人口逐年变化图。2 1 图3 6 南京市建筑面积、人均建筑面积逐年变化图。2 1 图3 7 南京市住宅建筑面积、人均住宅建筑面积逐年变化图。2 2 图3 8 南京市公共建筑面积、人均公共建筑面积逐年变化图。2 2 图3 9 南京市建筑用电量、人均建筑用电量逐年变化图。2 2 图3 1 0 南京市住宅建筑用电量、人均住宅建筑用电量逐年变化图2 3 图3 1 1 南京市公共建筑用电量、人均公共建筑用电量逐年变化图2 3 图3 1 2 南京市住宅建筑、公共建筑及建筑单位面积用电量逐年变化图2 4 图3 1 3 居住建筑折天然气用量逐月变化图2 4 图3 1 4 公共建筑燃气用量逐月变化图2 5 图3 15 建筑折天然气用量逐月变化图2 5 图3 1 6 不同类型建筑燃气用量比例结构逐年变化图2 5 图3 1 7 燃气家庭用户逐月变化图2 6 图3 1 8 小区分月用电情况2 6 图3 1 9 户均用电量变化趋势对比图2 7 图3 2 0 单位面积用电量变化趋势对比图2 7 图3 2 1 基于6 输入l 输出的三层b p 神经网络的建筑用电量预测模型结构图 31 图3 2 2 长期预测流程示意图3 2 图目录 图3 2 3 神经网络集成预测流程示意图3 2 图3 2 4 建筑用电量预测值与实际值对照图3 3 图3 2 5 不同方法建筑用电量预测误差对照图3 4 图3 2 6 基于b p 神经网络预测分析的南京市建筑用电量变化趋势图。3 5 图3 2 7 基于b p 神经网络预测分析的南京市建筑用燃气量变化趋势图一3 5 图3 2 8 建筑面积和剔除单位面积建筑用电量增长因素的建筑用电量相对数 变化趋势预测分析图3 6 图3 2 9 社会经济状况对建筑用电量的影响3 7 图3 3 0 不同季节的建筑用电量对照变化图3 8 图3 3 1 夏季不同围护结构的建筑能耗对比图3 8 图3 3 2 户均每月用人工煤气量逐月变化图3 9 图3 3 3 户均每月用天然气量逐月变化图4 0 图3 3 4 ：燃气用户数相对值逐月变化图4 0 图3 3 5 公共建筑用燃气量和人均可支配收入变化对照图4 1 图4 1 建筑能耗统计系统主界面4 3 图4 2 规划与房产g i s 数据整合模块4 4 图4 3 能耗异常值检查模块4 5 图4 4 建筑能耗和基本信息联动查询4 5 图4 5 建筑能耗分布图子窗体4 6 图4 6 建筑能耗分布显示4 6 图4 7 表格填写界面4 7 图4 8 电力能耗数据表关系图。5 0 图4 9 天然气数据表关系图5 2 表目录 表目录 表2 1 户均住房面积、人均住房面积1 7 表2 2 成套住宅实际户数与推算户数。1 7 表3 11 9 9 0 2 0 0 4 年南京市城市居住建筑用液化石油气量统计表2 4 表3 2 各小区围护结构状况与能耗2 7 表3 3 各种预测建模方法性能及适用场合对照表2 9 表3 4 各指标与建筑用电量的相关系数对照表。3 0 表3 5 各指标与建筑用电量的相关对照表3 0 表3 6 不同指标的常数c 的取值3 l 表3 72 0 0 7 - 2 0 1 0 年南京市建筑用电量预测值及影响因素取值对照表3 2 表3 82 0 0 7 2 0 1 0 年南京市建筑用燃气量预测值及影响因素取值对照表3 4 表4 1 建筑图层表结构4 8 表4 2 基础能耗统计单元信息表( j z x x ) 4 9 表4 3 基础能耗统计单元与电力表号对应关系表( d l h h b ) 5 0 表4 4 电力专业能耗统计单元与基础能耗统计单元对应关系表( d l x n w b m ) 5 0 表4 5 电力专业能耗统计单元信息表( d l w b m x x ) 5 0 表4 6 电力能耗表( d l n h ) 51 表4 7 能耗统计单元与天然气表号对应关系表( m q h h b ) 5 2 表4 8 天然气专业能耗统计单元与基础能耗统计单元对应关系表( m q x n w b m ) ! ；：! 表4 9 天然气专业能耗统计单元信息表( m q w b m x x ) 5 2 表4 1 0 天然气能耗表( m q n h ) 5 2 表4 1 1 瓶装液化气户均用量表5 3 第一章绪论 1 1 引言 第一章绪论 近年来，随着经济高速发展和人民生活水平的迅速提高，能源消耗日益增加， 而由此造成的能源短缺问题也日益突出，对经济可持续发展形成了不良影响。目 前，中国已成为仅次于美国的世界第二大能源消耗国，而在诸多能耗当中，建筑 能耗约占全国总能耗的四分之一，居全国各类能耗之首，我国城市单位建筑面积 能耗是发达国家的2 至3 倍以上，建筑能耗浪费严重，已引起中央政府的高度重 视。 建筑能耗是指建筑使用能耗，即建筑物使用过程中用于供暖、通风、空调、 照明、家用电器、输送、动力、烹饪、给排水和热水供能等的能耗。它与工业、 农业、交通运输能耗并列，属于民生能耗【l 】。建筑能耗统计属于能源统计中的能 耗消耗统计，由于我国的能源统计是从工业统计和物资统计中分离出来的，且我 国过去的能源主要消耗在工业企业的生产上，所以能源统计的内容多集中在工业 企业的生产用能和能源作为物资的宏观流通领域，再加上我国过去对建筑能耗的 概念不明确以及建筑物本身的分散性和能耗的多样性使统计工作困难重重，我国 的建筑能耗统计工作一直没有正式地、全面地开展过。在能源问题日益严重的形 势下，建筑能耗的统计和预测工作显得尤为重要和难以把握，需要探讨更科学、 更符合市场规律的思路和方法。设计一个建筑能耗的统计工作的实施方案变得迫 在眉睫，且该工作方案既要保证统计数据的准确性也能保证统计工作的效率及延 续性。建筑能耗的预测模型能够为建筑的节能潜力提供参考意义，因此建立建筑 能耗预测模型也是一项重要工作。 1 2 研究意义 ( 1 ) 由于此次调查是我国首次正式的、全面的开展建筑能耗统计工作，从 而也就没有相应的针对大范围建筑能耗统计方案的系统研究。如果采用传统入户 式人工调查的方式进行统计工作，由于数据多源、海量和复杂性，将会带来庞大 的工作量，并且工作效率低、数据错误率较高。基于g i s 空间数据平台和强大的 空间分析统计功能，整合规划、房产、电力、燃气等多专业数据开展能耗统计， 具有数据可持续更新、统计成果多样、高效、精准和直观等特点。 ( 2 ) 采用g i s 技术开展建筑能耗统计在我国尚无先例，具有明显的创新性 第一章绪论 和示范性。通过对基础地理数据集成和挖掘，基础地理数据将在国民经济和社会 发展中发挥愈来愈大的作用，将对城市数据的共享产生重大而深远的影响。 ( 3 ) 建筑能耗统计的目的旨在全面掌握我国建筑能耗的实际状况，加强能 源领域的宏观管理和科学决策，促进建筑节能的发展。建筑能耗预测模型的建立 对于城市能耗使用和节能管理起到一定的借鉴意义。 1 3 国内外研究概况 1 3 1 建筑能耗统计的国内外研究现状 在我国建筑能耗调查统计属于能源统计的范畴。早在建国初期，在工业统计 里就建立了原煤、原油、电力、天然气的产量统计；随后，又在物资统计里建立 了以反映各种能源在生产、销售平衡和能源收入拨出、消费为主要内容的以实物 为主的单项能源统计。2 0 世纪8 0 年代以来，建筑能耗的调查统计作为能源统计 中的一个消费环节，长期被分割混杂在能源消耗的各个领域。比如住宅的能耗被 归入城乡人民生活能源消费，而其他各类建筑能耗被归入非物质生产部门的能源 消费。近些年来，建筑能耗在全国总能耗中比例逐年增加，建筑节能被广泛重视， 不少业内人士进行了些建筑能耗调查以及相关的节能潜力研究工作。某些城市 进行了小范围的单体建筑的能耗调查与节能潜力分析【2 】。 1 9 8 9 年开始，以涂逢祥为首的“中国建筑节能经济技术政策研究”组，开 展了以“系统掌握我国建筑能耗、建筑热环境、建筑节能工作进展的实际情况 为目的的调查工作，调查覆盖我国北方采暖地区和长江沿岸的重庆、宜昌、武汉、 南京四城市的各种建筑类型，目的在了解我国城市热环境与能耗状况，完善我国 建筑节能政策、计划。通过本次调查得到了调查城市单位建筑面积能耗数据，为 建筑节能法规政策的制定提供了强有力的数据基础，是我国历史上最早的全方位 建筑能耗调查1 3 】。 近些年来，建筑能耗在全国总能耗中比例逐年增加，建筑节能被广泛重视， 不少业内人士进行了一些建筑能耗调查以及相关的节能潜力研究工作。某些城市 进行了小范围的某类建筑的能耗调查与节能潜力分析。 龙惟定等对上海公共建筑能耗现状进行了调查分析，提出用能量效率作为建 筑节能的评价指标较之用单位面积平均一次能耗更为合理1 4 j 。 清华大学的李世朋等曾对北京5 座具有典型意义的旅馆类建筑能耗现状进 行了调查与分析，在他们的分析中把能耗费用分为电费与燃料费，并对各建筑的 分支用电进行了比较p j 。 清华大学的武海斌等曾对北京市的4 1 0 户城市居民家用空调器的耗电量进 2 第一章绪论 行了调查与研究，得出了以建筑面积为自变量的空调用电量的概算指标计算公 式，并对未来家用空调器耗电量进行了分析预测1 6 j 。 广州大学对广州八个区6 3 3 户住宅建筑能耗现状进行调查与分析。根据广州 的气候特点，调查分为空调期与非空调期进行1 7 j 。通过调查得到了广州市住宅单 位面积能耗、人均能耗、户均能耗指标，并提出了该地区住宅建筑可行的节能措 施。 建设部科技发展中心与哈尔滨工业大学合作对哈尔滨市建筑物基本情况、单 体建筑能耗、居民住宅的能耗总量、采暖区煤耗量进行调查，并编制建筑能耗统 计软件，为建筑能耗统计在全国范围内开展提供有力的工具i 羽。 国外，发达国家国家的统计数据非常系统、详细，能源消费统计数据中包括 建筑能耗总量，以美国为例，总建筑能耗基本上有两部分组成：燃料和电，这些 数据有相关统计部门获取，比如美国能源处的能源信息中心、纽约爱迪生电力研 究所、美国燃气协会等。不过这些数据均为总数，没有具体到建筑物上，也就没 有不同类型建筑的建筑能耗情况。随着建筑能耗的不断增大和能源危机。自2 0 世纪7 0 年代开始，西方国家开始广泛的建筑节能工作，更详细地了解建筑物的 能耗状况成为建筑节能的一个关键。 1 9 7 6 年英国开始对建筑物的能耗进行调查，而美国那时已经由华盛顿的国 家标准局开始对建筑能耗进行调查。这种详细调查的目的主要是对已经存在的建 筑进行建筑节能改造，也就是最原始的节能潜力研究，这种技术被称为能源审计 ( e n e r g ya u d l t ) 。e n e r g ya u d l t 涉及的内容非常详细，主要调查的项目有：建筑物 的分类、所属关系、特征、围护结构状况、采暖空调系统情况、人员、照明、 太阳辐射状况、燃料、年总能耗、成本，运行维护的程序以及推荐的节能措施与 潜力。由于调查的内容非常详细繁杂且一般情况下与节能措施相结合，因此，该 项工作经常需要较长的时间1 9 。1 引。近些年来e n e r g ya u d i t 在其他国家也非常的普 遍，它几乎成了建筑节能的关键所在。希腊用了5 年的时间对1 2 0 0 栋建筑进行 e n e r g ya u d i t ，其中包括宾馆、办公楼、商业建筑、学校、康复中心【1 3 1 ；印度对 首都新德里的5 0 余栋5 1 0 层的办公楼进行e n e r g ya u d l t 后提出了节能的措施； 美国则已经建立建筑能耗统计数据库，并尽可能用简单的方式使能耗数据一目了 然【1 4 】；加拿大于1 9 9 3 和1 9 9 7 年搞了两次家庭用能的抽样调查。调查采用电话 信件方式在全国范围内进行抽查，其调查对象是在加拿大占6 0 的住宅单体， 目的是通过调查得到住宅末端用能分布、能源结构、住宅末端用能所带来的总温 室气体排放量、能耗影响因素与发展趋势，并在5 年内提交“加拿大照明用能”、 “主要设备单位能耗”等1 8 份报告，并以调查数据为基础，得到了加拿大能耗 趋势估算公式1 2 j 。 3 第一章绪论 1 3 2 建筑能耗预测模型国内外研究现状 建筑能耗预测模型通过分析建筑能耗的影响因子，模拟预测建筑的能耗使用 情况，分析建筑能耗的节能潜力。国外关于建筑能耗预测模型的研究已经有了相 对成熟的研究。建筑能耗宏观上受到国民经济、人口密度、气候温度等因素的影 响。微观上受建筑本身的住户数、形体系数、朝向、墙体机构、建筑年代、空调 形式等方面的影响。 目前国外已有一些成熟的建筑能耗模拟软件，比如美国2 0 世界8 0 年代开发 的b l a s t ，d o e 一2 ，1 9 9 6 年推出的e n e r g y p l u s 以及英国的e n e r g y 都是功能完善 的建筑能耗模拟软件。利用能耗模拟软件可以对实际的建筑进行模拟计算，也可 以通过建立能耗分析模型对虚拟的建筑物进行能耗模拟计算。 斯坦福大学的c a r o l i n em c l e v e n g e r 和j o h nh a y m a k e r 等人提出了基于建筑 入住者及活动对建筑能耗影响的建筑能耗预测模型1 1 5 】。 卡迪夫大学威尔士建筑学院的p j j o n e s ，s l a n n o n 和j w i l l i a m s 提出了 e e p ( t h ee n e r g ya n de n v i r o n m e n t a lp r e d i c t i o nm o d e l ) 。该模型是以g i s 为技术支 撑组合了若干个子模型，分别分析了城市中民用住宅、公共建筑、工业等建筑的 影响因子，对城市的建筑能耗和环境变化进行了预测分析【1 岳1 纠。 s k a r a t a s o u 基于神经元网络预测模型建立了建筑能耗预测模型1 2 0 。 国内关于建筑能耗预测模型的研究还不太成熟，但是也有不少关于建筑能耗 影响因素方面的研究。 香港理工大学的杨洪兴和吕玲等人从典型气象年和典型代表年的选择角度 分析了不同气象参数的加权因子和气象数据对建筑能耗的影响偏差1 2 1 1 。 武汉科技大学的文远高和上海交通大学的连之伟，从气候变暖的角度对建筑 能耗做了相应研究。利用度日数等气候指标分析了气候变暖对建筑物供暖能耗的 影响矧。 湖南大学的谢念群等长沙市7 0 栋建筑进行能耗调查并分析了家庭人口、家 庭收入、建筑面积、建筑朝向和供暖方式等因素与建筑能耗的相关性【2 引。 重庆大学的操雪荣分析了建筑形体系数与建筑能耗的影响关系【2 4 1 。 1 3 3 小结 综上所述，我国目前许多业内人士正在积极的探索尝试建筑能耗的统计调查 工作，试图掌握建筑能耗的更多信息，为建筑节能工作进行基础资料的积累。 但是也可以看到，国内外在建筑能耗调查与能耗预测模型的研究方面都还存 在一些问题，主要表现为： ( 1 ) 建筑能耗缺乏直接的统计渠道和科学实用的调查方法。尽管加拿大等 4 第一章绪论 国家的建筑能耗统计采用了较为先进的科学方法，保证了数据的真实性，但这种 全国范围内的抽查方式，工作量较大； ( 2 ) 、建筑能耗的调查停留在特定类型的建筑上，内容单一、数据缺乏深入 研究。就住宅建筑而言，我国的建筑能耗调查多集中在能耗总量上，调查数据不 能反映单体建筑的能耗值，不能反映建筑能耗与其影响因素( 社会经济水平、建 筑面积、气候、能效) 之间的关系； ( 3 ) 以往的统计多数只是反应单体建筑的能耗状况，缺乏城市层面的宏观 能耗的统计，不能反应城市的能耗水平、能耗的影响因素及其影响力，这对开展 建筑节能工作是十分不利的： ( 4 ) 关于建筑能耗预测模型的相关研究也较鲜见，因此建筑能耗统计的技 术方案及预测模型的建立尚需进一步探讨完善。 1 4 研究内容和技术路线 1 4 1 研究内容 ( 1 ) 面向建筑能耗统计的多源数据整合 建筑能耗统计要求以“栋 为单位对建筑的基本信息和电、天然气、液化气 等能耗进行统计。其中建筑的基本信息来源于规划和房产的g i s 数据，能耗数据 来源于各能耗提供单位提供的文本型数据。由于规划数据和房产数据自身的特 点，对建筑的划分不同。根据建筑的结构特点，制定空间数据的整合标准。以整 合的空间数据为载体，设计建筑能耗的分摊计算模型，并将g i s 空间数据与建筑 的能耗数据进行整合。 ( 2 ) 建筑能耗预测模型 此次统计工作统计了南京市2 0 0 7 和2 0 0 8 这两年的建筑能耗数据，收集整理 了1 9 9 0 2 0 0 5 年南京市全社会总用电量、建筑用电量、住宅建筑用电量等三种分 类用电量，南京市居住建筑和公共建筑的燃气量及它们的主要相关因素的历史数 据。以此作为研究数据，探讨建筑能耗预测模型。 1 4 2 拟解决的关键问题 ( 1 ) 基于g i s 的能耗统计分摊模型研究 建筑能耗的原始底层数据以建筑的使用户为单位，以建筑的g i s 空间数据为 载体，建筑的属性为依据，建立建筑能耗数据分摊计算模型的研究，将“户 整 合分摊至“栋”。 ( 2 ) 建筑能耗预测模型建模影响因子分析 5 第一章绪论 在现有用于预测的建模方式中选择适用与建筑能耗预测的建模方法，并给出 建筑能耗影响因子( 建筑面积、社会经济、气温条件等) 相关系数，建立建筑能 耗预测模型。 1 4 3 研究技术路线 ( 1 ) 阅读相关文献，研究当前关于建筑能耗统计方法和建筑能耗预测模型的 成果。 ( 2 ) 分析南京市建筑能耗数据统计工作中设计的多源异构数据。研究面向建 筑能耗统计数据整合方式和建筑能耗分摊模型。 ( 3 ) 开发面向建筑能耗统计功能的g i s 原型系统及建筑能耗数据库的设计， 完成建筑能耗数据及基本信息的统计工作。 ( 4 ) 分析南京市建筑能耗使用情况，得出能耗数据确定主要影响因子，探讨 建筑能耗统计模型，并结合调查数据进行模型的校验。 ( 5 ) 结合建筑能耗预测模型，进一步完善g i s 原型系统，系统需数据的采集、 查询、报表填写和建筑能耗管理分析等功能。 能 耗 统 计 分 摊 模 式 图1 1 技术路线图 6 第一章绪论 1 5 论文结构 论文分为五个章节，各章节内容如下： 第一章：绪论。主要包括论文选题的背景及意义，国内外民用建筑能耗统计 及分析预测研究进展，论文的主要研究内容，研究的技术路线，论文的组织结构。 第二章：面向建筑能耗的统计方法设计。对各类建筑能耗数据进行分析，总结 各种能耗数据的特点，分析各类能耗数据的多源异构性。设计以g i s 数据为媒介 整合能耗数据的建筑能耗统计方法。 第三章：分析南京市的建筑能耗现状，探讨建筑能耗预测模型，分析国民经济、 建筑面积和气温等对建筑能耗的影响。 第四章：建筑能耗统计系统实现，介绍能耗数据库的设计。 第五章：结论与展望。主要是论文研究结论与成果，论文研究中的展望。 7 第二章基于g i s 的建筑能耗统计方法研究 第二章基于g is 的建筑能耗统计方法研究 2 1 建筑能耗多源数据分析 2 1 1 多源gis 数据分析 根据民用建筑能耗统计报表制度( 下简称报表制度) 要求，民用建筑 能耗统计工作需要以栋为单位统计民用建筑的基本信息数据和建筑能耗数据 2 6 】。建筑基本信息数据来源主要分为g i s 数据和部分人工调查文本型数据。 需要统计的建筑基本信息可以从规划g i s 数据和房产( 3 i s 数据中获取，由 于这两种g i s 数据都不能完全满足建筑能耗统计的需求。所以需要将这两种g i s 数据进行集成，得到满足需要的g i s 数据。规划g i s 数据与房产g i s 数据具有 各自的专业特征： l 、这两个g i s 数据具有能耗统计所需要的属性，有些属性两种g i s 数据都 有，如建筑地址，单位名称等，有些属性只在一方g i s 数据中存在，如规划g i s 数据中有建筑类型，而房产g i s 数据中不存在；房产g i s 数据中有建筑面积、建 筑年代等而规划g i s 数据中不存在。 2 、规划g i s 数据对建筑的外形、结构的表达比较详细，而房产g i s 数据对 房产权属、面积方面信息比较详细。 由上述可见，能耗统计对这两种数据g i s 数据的属性都有所需求。因此， 需将这两种g i s 数据属性进行整合。 2 1 2 多源g i s 数据属性整合需解决的问题 本次需要整合的g i s 数据是规划g i s 数据和房产g i s 数据，由于规划g i s 数据和房产g i s 数据是由不同部门为了各自功能需求生产的数据，其必然存在 很多差异。归纳起来主要存在下列需要解决的问题： 1 、坐标系统不一致。 由于规划和房产部门从各自生产和数据保密考虑，采用了不同的坐标系统， 这就造成同时加载两部门g i s 数据的时候无法重合问题，给数据集成造成不便。 2 、建筑表达原则不一致。 由于规划g i s 数据和房产g i s 数据是按照不同数据标准进行生产加工的， 其对建筑测量和绘制的要求也不一致。如一栋高层建筑如果存在分层面，那么在 规划g i s 数据中，这栋建筑会用两个图形来表示，而房产部门对分层面并无需 求，只关心该建筑整体图形和权属等信息。由于划分原则不同，给数据整合也造 8 第二章基rg i s 的建筑能耗统计方法研究 成不便。图2 1 和图2 2 显示了同一栎建筑的房产和规划g i s 数据。 图2 1 某建筑房产g i s 数据 图2 2 某建筑规划g i s 数据 2 1 3 能耗专业数据分析 能耗数据包括电力数据、天然气数据、液化，三种数据。这三种能耗数据分 属于多个公司多个系统管理，由于 f , j k 和标准的问题，获取的各类数掘规范性较 差，地址匹配效率低下。 根据报表制度的要求，建筑能耗统计工作需要以“栋”为单位对建筑的 电力、天然气、液化气等能耗进行统计。但是从各能耗管理单位获取的能耗数据 是以“户”为统计对能耗进行统计，每“，_ ”对应一个“表号”。因此如何将“户” 转换为“栋”是统计工作的重点。图2 3 为电力部门提供的原始电力数据，电量 均以“户”作为统计单位。 图2 3 电力能耗原始表 2 2 多源gis 数据属性整合 空问数据集成的目标足获得套能满足报表制度中进行能耗统计要求的 g i s 数据。空i 、n j 数据集成包括属性数据集成和图形数据集成两部分。属性数据集 9 第二章基于6 i s 的建筑能耗统计方法研究 成目标是使得得到的g i s 数据属性信息满足报表制度要求，图形数据集成 是由于规划g i s 数据和房产g i s 数据图形表达不一致，为了属性信息集成的方 便，需要将二者进行统一。 2 2 1 图形预处理 1 、统一坐标系统 由于房产g i s 数据和规划g i s 数据采用不同的坐标系统，所以数据集成的第 一步就是要将二者坐标系统进行统一。考虑到规划g i s 坐标系统采用9 2 南京地 方坐标系，使用范围较广，故选用规划g i s 数据作为标准，将房产g i s 数据的 坐标系统统一到规划g i s 坐标系统中。 在作业过程中采用在图上选取特征控制点的方式进行坐标转换，这种坐标转 换方式虽然不严密，但是仍然能满足我们能耗统计中数据集成的要求。原因有两 点：一方面由于考虑到两坐标系统没有严密的换算关系可以利用，而求取两坐标 系统的严密转换参数工作量比较大；另一方面由于即使两种数据没有进行严密的 坐标转换，以规划g i s 数据为准，将房产g i s 数据进行大致的配准后，能方便 的将房产g i s 数据的属性信息通过人工干预的方式赋给规划g i s 数据，也同样 能达到数据集成的目的。图2 4 为配准后结果。 图2 4 规划g i s 数据与房产g i s 数据配准效果 2 、统一图形对应关系 1 0 第二章基于g i s 的建筑能耗统计方法研究 由于规划g i s 数据和房产g i s 数据对建筑表达标准的不同，导致规划g i s 数据和房产g i s 数据对应关系复杂，具体可以归纳为以下几类对应关系： 1 ) 一个房产g i s 图形对应一个规划g i s 图形。 2 ) 一个房产g i s 图形对应多个规划g i s 图形。 3 ) 多个房产g i s 图形对应一个规划g i s 图形。 4 ) 多个房产g i s 图形对应多个规划g i s 图形。 5 ) 房产g i s 中有而规划g i s 中没有。 6 ) 房产g i s 中没有而规划g i s 中有。 空间数据整合的过程应该是先整合图形数据，也就是统一图形对应关系，将 规划g i s 数据和房产g i s 数据图形对应关系统一为1 ：1 以后，才能进行下一步 的属性数据集成。 在整合图形数据的时候，根据规划g i s 数据和房产g i s 数据自身特点和我们 对他们的需求，结合他们的对应关系，我们制定了图形数据集成的步骤，图形数 据集成步骤结合属性数据集成在下一节中讲述。 2 2 2 属性数据集成 报表制度中要求统计的建筑基本信息有：建筑名称、建筑详细地址、竣 工时间、建筑类型、建筑功能、建筑层数、建筑面积、供热方式、供冷方式。其 中规划g i s 能提供的信息有：建筑名称、建筑详细地址、建筑功能、建筑层数。 房产g i s 数据能提供的信息有：建筑名称、建筑详细地址、竣工时间、建筑功 能、建筑类型、建筑面积。其中建筑的供冷供热方式通过后期补充调查，在此不 予赘述。在数据集成成果中，保留了规划g i s 和房产g i s 数据所能提供的上文 提及的所有字段，虽然可能出现冗余信息，但是由于原始数据质量的关系，并不 能保证原始g i s 数据每个字段都有值，将重复字段都保留，目的是可以相互补 充。 如果在房产数据中存在建筑面积缺失的情况下，则采用规划建筑面积。规划 建筑面积的计算方法为： 规划建筑面积= 图形面积木层数 规划g i s 数据与房产g i s 数据集成的目的就是使生成的数据同时具有规划 g i s 和房产g i s 数据的属性。虽然由于规划g i s 和房产g i s 图形表达的差异， 导致属性匹配的困难，尽管形式多样，但是目的只有一个，就是首先将规划g i s 和房产g i s 图形形成一一对应关系，然后再进行属性匹配。下面根据房产g i s 数据和规划g i s 数据对应关系，探讨集成步骤： 1 、规划原始数据与房产原始数据属性匹配 1 1 第二章基于g i s 的建筑能耗统计方法研究 适用情况：规划g i s 原始数据和房产g i s 原始数据中的图形形状相近或形 状不相近但对应唯一，如图2 5 、图2 6 所示。 ：、一 ： ；延篓if 簟?： ” ；兰薹j ：| 规划g i s o _ 恩籀鎏$ 篱据 一 | | 。? j - 。5 ：t 。_ ：、，j i 。 二_ 。 一 - l 一 两卜，| 簪薯：攀喜 跫，、l 二二一，一7 0 ；= _ ： 。锸j 黪。舞z ，f ：鼍 t 冉h t f 、一 ： 1 7 i 矗j 。j 。 霉? 。j o k 一 h 。， 一仂，u o ： _ i 。? j = _ ，j 厉产一6 心：甄硒 j 一 、 l i 。，基毒。i 0 ；+ 。一 。叠i 。瓢o j 鲞毒 。，。一、 e 1 0 、一0 。0 0 4 。 图2 5 形状相近的图形 图2 6 形状不相近但唯一对应 这类对应关系的数据，已经满足规划g i s 数据和房产g i s 数据中图形的一 一对应原则，可以直接将规划房产g i s 数据属性集成，图形使用规划g i s 数据， 集成后的数据放入g f p p l 图层。 2 、规划原始g i s 图形融合之后与房产g i s 数据进行属性匹配 使用情况：一栋建筑在房产g i s 数据中是一个整体，而在规划g i s 数据中 被分为多个部分，如图2 7 所示，根据其属性( 建筑名称、建筑地址、权属) 判 断其是一个整体，则依据房产g i s 数据，将规划g i s 数据中对应图形合并生成 一个整体，即外包，并存放到g h w b 2 图层中，如图2 8 所示。合并后的数据，其 规划属性的处理方法是按照规划数据合并图形中面积最大的为准，合并后的规划 建筑面积为各分图形的规划建筑面积之和。再将融合后的规划g i s 数据与房产 g i s 数据进行属性匹配。 瑟一一：f # 羽禽荤 i = 皇_ 。 t 等塔： 一 o 第二章基于g l s 的建筑能耗统计方法研究 图2 7 规划g i s 中矧形被分为多块 图2 8 规划g 1 s 数据合并结果 3 、规戈t j g i s 数据与融合后的房产g i s 数据进行属性匹配 适用情况：如果建筑在房产g i s 数据和规划g i s 数据中划分不同，而依据属 性可以判断其为一个整体，则规翅