2014年第1期（总第376期）
节
能
ENERGY CONSERVATION
福建省高校建筑能耗预测模型研究
方桂春”，陈晓彦
（1.福建农林大学后勤管理处，福建福州350002；2.福州大学节能技术研究中心，福建福州350102）
摘要：通过对福建省高校建筑能耗分析，构建了作为建筑分类依据的综合指标。通过聚类分析，将样本分为2类，以建筑年总能耗为固变量，建筑类型、政工时间、建筑面积、层数、常驻人数、空调区城面积和照明功率7个指标为自变量，采用多元线性国归方法，分别建立了能耗预测模型，并验证了模型
的有效性。模型计算得到的预测值与实际值能较好拟合，模型具有一定的实际应用价值。关键词：高校；建筑；能耗；预测模型
中图分类号：TU111.19*5文献标识码：A文章编号：1004-7948(2014)01-0045-05 doi:103969/j. issn. 1004 7948. 2014. 01. 013
引言
随着福建省高校事业的发展，校园建筑能耗总
量呈现不断增长的趋势。采用科学有效的方法对校园建筑能耗进行预测，不仅有助于掌握能耗的增长趋势，为学校制定未来的能源规划及能源管理策略提供基础依据，并且有利于对建筑能耗水平进行科学地评价，促进福建省高校节约型校园的建设。
1研究方法
1.1能耗预测方法的选择
校园建筑的耗能与多个因素有关，常用的预测方法有：时间序列法、人工神经网络算法和多元统计分析。
时间序列法是利用按时间顺序排列的数据预测未来的方法。这种方法的理论上没有考虑系统的发展不仅有连续性的特点，而且又是复杂多样的，有时的预测结果并不一定与发展规律完全一致。人工神经网络是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络。人工神经网络虽然有计算速度高、容错能力大、适于求解难以求得规律的问题以及和现代多门学科紧密结合的优点，但难以精确分析各项指标，体系结构通用性差，不宜用来求解用数字计算机可以解决的问题。
多元统计分析是统计学的一个重要分支，以概率论和数理统计的理论为基础，是研究数据搜集、万方数据
整理、分析的一门学问。利用统计学和数学方法，将隐含在样本数据中的重要信息集中提炼出来，掌握系统的本质特征，分析系统中的内在规律，利用多元分析中不同的方法，还可以对研究对象进行分类和简化。
本文选取多元统计分析的方法对福建省农林
大学的能耗数据进行分析预测。 1.2能耗预测分析方案
由于校园建筑功能、规模、人员密度和设备运行情况的不同，能耗高低相差很大。在样本数量有限的情况下，建立一个适用于所有建筑的能耗预测模型难度较大。因此，对校园建筑进行分类，并各自建立模型，可以提高模型的预测精度。
本文首先采用相关分析的方法，挑选出与建筑能耗水平关系较为密切的影响因子，组合成一项综合指标，再以综合指标的大小对样本进行聚类分析，采用SPSS专业软件进行统计分析。得到几个层次的建筑群，最后对各建筑群分别建立能耗预测模型。
1.3样本来源及指标的选择
研究的样本来源于一所高校的建筑能耗统计及能源审计。选取2010年50栋建筑的原始数据和信息作为研究基础，并采用相关定量方法对信息进行量化处理与研究。
用于评价校园建筑能耗水平的一个重要指标就是年耗电量，文中选择这一指标作为研究的目标对象，分析不同因素对其的影响。