《Urban Science》:Developing and Validating Heating Energy Consumption Models for Schools in Osijek-Baranja County, Croatia
Hana Begi? Juri?i?,
Hrvoje Krsti? and
Dino Obradovi?
编辑推荐:
本研究开发并验证了克罗地亚奥西耶克-巴拉尼亚县学校建筑的供暖能耗模型,整合了对法律框架的概述、对学校供暖能耗的回顾以及预测能耗的方法。使用训练数据集和验证数据集测试了三个模型:多元线性回归(MLR)、人工神经网络(ANN)和随机森林(RF)。尽管ANN和RF在
本研究开发并验证了克罗地亚奥西耶克-巴拉尼亚县学校建筑的供暖能耗模型,整合了对法律框架的概述、对学校供暖能耗的回顾以及预测能耗的方法。使用训练数据集和验证数据集测试了三个模型:多元线性回归(MLR)、人工神经网络(ANN)和随机森林(RF)。尽管ANN和RF在训练期间达到了更高的准确性,但其复杂性和计算需求降低了它们在学校日常使用中的适用性。MLR尽管准确性略低(验证集R2 = 0.897),但由于其简单性、透明度和最低的资源需求而被证明是最实用的。对克罗地亚东部学校的额外测试证实了其强劲性能,具有高R2和低平均绝对百分比误差(MAPE)值,反映了主要依赖天然气或区域供热的供暖系统的统一性。相比之下,在沿海地区,当使用电力或取暖油等不同燃料时,预测准确性下降,表明需要区域特定模型。总体而言,研究结果表明MLR是最适用于广泛实施的模型,而ANN和RF在专业案例或未来增强方面具有潜力。
研究背景方面,学校建筑作为提供教育环境的场所,其管理面临建筑老旧、维护不足及能效要求提高等挑战。能源消耗在建筑运营中占比显著,尤其是在供暖需求上,许多学校未达到当前能效标准,导致运营成本高企。现有研究虽有多种预测模型,但多依赖内部验证,缺乏对区域差异(如气候、建筑类型、供暖系统)的评估。研究人员注意到,能源性能差距(EPG)和碳性能差距(CPG)在奥西耶克-巴拉尼亚县学校中显著存在,且该地区供暖系统以天然气或区域供热为主,而沿海地区燃料多样性高。因此,这项研究旨在开发和验证适用于学校建筑的供暖能耗预测模型,并评估其在不同区域的适用性和迁移性。论文发表在《Urban Science》上。
研究人员开展了基于数据驱动的供暖能耗预测模型开发与验证工作。主要关键的技术方法包括:使用多元线性回归(MLR)、人工神经网络(ANN)和随机森林(RF)三种建模方法。数据来源于克罗地亚能源管理信息系统(EMIS)中149所学校的供暖能耗历史数据(2013–2023年)及建筑特征参数(如总用户数TNU、可用加热面积Ak、加热体积Ve)。通过统计显著性分析(p值)和相关系数筛选输入变量,最终确定TNU、Ak、Ve为关键输入。模型训练集包含105所学校(70.5%),验证集包含44所学校(29.5%)。此外,还从克罗地亚20个县各选一所学校(共20所)构成外部验证样本,进一步测试模型在不同区域的泛化能力。
研究结果部分保留原文小标题并总结如下:
**6.1 模型验证**:通过比较训练集和验证集上的性能指标(R
2、MAPE、MSE、RMSE、CVRMSE)发现,在训练集上ANN表现最优(R
2=0.943),MLR次之(R
2=0.913),RF最弱(R
2=0.872)。但在验证集上,MLR的R
2为0.897,下降较小;ANN的R
2降至0.888;RF的R
2大幅降至0.732。MLR虽然MAPE较高(39.93%),但其简单性和透明性使其更适合学校管理者日常使用。
**6.2 外部样本验证**:对全国20所学校的验证显示,所有模型R
2均低于0.2,表明模型在全国范围内不适用。当仅对东部克罗地亚(斯拉沃尼亚地区)10所学校验证时,MLR的R
2达到0.890,而ANN和RF的R
2仅分别为0.314和0.239。这反映出模型仅在供暖系统一致(以天然气或区域供热为主)的区域表现良好,而在沿海地区(使用电力或取暖油等多样燃料)预测精度显著下降。
讨论部分总结:模型性能与训练数据所在区域的高度相似性有关。东部地区供暖系统统一,建筑特征和气候条件接近,因此MLR表现优异;沿海地区气候温和、建筑类型多样、燃料类型不同,导致模型失效。研究人员强调,区域特定模型对于提高预测准确性至关重要。
研究结论部分翻译如下:总之,学校建筑供暖燃料的差异会显著影响供暖能耗预测模型的准确性。为了建立更高效的模型,必须考虑每种燃料的具体特征,并根据克罗地亚不同地区供暖条件的差异调整模型。验证结果表明,所开发的模型仅在建筑特性和供暖基础设施与训练数据集(奥西耶克-巴拉尼亚县及更广泛的斯拉沃尼亚地区)相似的区域表现良好。当在全国范围内测试时,特别是沿海地区,模型性能显著下降(R
2 < 0.2),显示出预测能力薄弱。导致这一情况的几个因素包括:气候差异(沿海冬季温和、湿度高)、建筑类型(学校年代、保温质量和尺寸不同)、供暖系统(多用电或取暖油而非天然气或区域供热)。这些区域差异解释了模型在整个克罗地亚适用性有限的原因。因此,研究结果表明,为了实现准确预测,应使用代表特定区域及其典型供暖系统、建筑特征和气候的数据来开发和校准模型。这种方法确保模型能够捕捉当地供暖能耗模式,并提高其在实际应用中的可靠性。