基于敏感性分析的铁路客站减碳技术评估方法与流程

本发明属于节能减碳的，特别是一种基于敏感性分析的铁路客站减碳技术评估方法。

背景技术：

1、近年来，全球能源危机不断加重，气候也持续变暖，节能减排已经成为研究者最为关注的研究课题之一。

2、建筑碳排放现约占全国碳排放的50％左右，并且还在呈现上升趋势。同时，建筑存量占比20％的公共建筑碳排放竟约占建筑总量的50％，单个建筑能耗远高于居住建筑，且为满足人民生活需要，公共建筑数量增长速度惊人。公共建筑成为我国现阶段建筑节能的重中之重，不合理的公共建筑设计导致了建筑运行能耗的居高不下新版公共建筑节能设计规范(gb50189-2015)的颁布也表明了国家对于提高公共建筑节能水平的迫切要求。

3、目前尚未发现以敏感性分析为基础的减碳技术评估方法，多为对减碳技术的研究，没有对减碳技术对整体能耗影响的分析与评估，容易造成对能源的浪费，行业各个企业也无法针对建筑减碳能力达到统一的共识。为此，本申请提出一种基于敏感性分析的铁路客站减碳技术评估方法，以实现对研究资源和建筑成本的优化利用。

技术实现思路

1、根据上述提出的问题，本发明提出了一种基于敏感性分析的铁路客站减碳技术评估方法，具体方案如下：

2、一种基于敏感性分析的铁路客站减碳技术评估方法，包括以下步骤：

3、s1：建立铁路站房的基准能耗模型，所述基准能耗模型涉及的参数包括变量参数与定量参数，依据规范确定所述变量参数的上限以及所述定量参数的数值，依据所述变量参数的上限及理论下限的极差的η％确定所述变量参数的下限，即x下限＝(x上限-x理论下限)×η％，进一步确定变量参数的合理变化规律及步长；

4、s2：根据所述步骤s1所设置的所述变量参数的变化规律及步长，利用拉丁超立方采样方法lhs生成铁路站房热工模型样本集，所述定量参数按照所述步骤s1设置；

5、s3：对于所述步骤s2中样本集生成的每一个样本，基于能耗模拟软件进行仿真模拟，计算建筑的全年的逐时耗热量与逐时耗冷量，并收集模拟数据进行数据处理；

6、s4：采用标准化回归系数法src对影响所述铁路站房能耗的变量参数进行敏感性分析，对各个变量参数敏感性分析结果进行排序，评价所述变量参数对所述铁路站房能耗的影响程度；

7、s5：将敏感性分析得到的结果输入减碳技术评估模型中，得到针对所述铁路客站的基于敏感性分析的减碳技术评估方法，用于对不同减碳技术效率的评价。

8、优选的，所述步骤s1中，所述基准能耗模型的变量参数设置为建筑能耗最不利情况下的参数设置，即铁路站房全年耗热量/耗冷量/总能耗最大值，空调系统设置为理想空调系统，所述空调系统的制冷效率和制热效率都为1。

9、优选的，所述步骤s2中，采用拉丁超立方采样方法lhs的具体步骤包括：

10、s201：假设所述铁路站房的变量参数共有k个，对于第i个变量参数，将变量参数的变化范围[ai,bi]区间均匀等分成互不重叠的n个子区间，分别对每一个子区间进行独立随机抽样，每个子区间都抽出且只抽出一个随机值，第i个参数即对应生成了一组n个随机值；

11、s202：k个所述变量参数都按照所述步骤s201的方法进行随意抽样获得随机值；

12、s203：随机组合k组，每组n个随机值，形成n行k列的随机值矩阵，生成n组输入变量参数的样本集。

13、优选的，所述步骤s4中，采用标准化回归系数法src分析的具体步骤如下：

14、s401：对n组样本集进行归一化处理；

15、

16、式中，x(n,i)为参数归一化后的结果，数值位于区间[0,1]；a(n,i)为第n组的第i个参数；

17、s402：假设所述铁路站房的变量参数和所述铁路站房的全年耗热量、耗冷量及总能耗之间存在线性关系，对铁路站房全年耗热量/耗冷量/总能耗建立回归模型：

18、

19、式中：y为铁路站房全年耗热量/耗冷量/总能耗；β0为截距；βi为第i个参数的回归系数；ε为误差项；xi为第i个参数；k为参数个数；

20、s403：采用决定性系数r2判断拟合效果，当r2≥0.7时，认为线性模型可行，r2的计算公式如下：

21、

22、式中，yn为第n个样本的能耗真实值，yn为第n个样本的能耗预测值，为所有样本能耗的平均值。

23、s404：由于不同的变量参数取值范围不同，回归系数不便于比较，将其转化为标准化回归系数src，其公式为：

24、

25、式中：srci为第i个参数的回归系数，σy为输出y的总标准差，σi为第i个参数的标准差；

26、s405：分别计算对于铁路站房全年耗热量/耗冷量/总能耗的各变量参数标准化系数权重百分比，计算公式如下：

27、

28、s406：对各个变量参数的标准化系数权重百分比进行排序，选取累计85％的变量参数，判断对铁路站房全年耗热量/耗冷量/总能耗有显著影响。

29、优选的，所述步骤s5中，基于敏感性分析的减碳技术评估方法公式为：

30、

31、式中，xi为某一减碳技术的第i个参数的值，为所述基准能耗模型中第i个参数的设置值。

32、本发明的另一目的在于：提供了一种信息数据处理终端，所述信息数据处理终端用于实现所述基于敏感性分析的铁路客站减碳技术评估方法。

33、本发明的另一目的在于：提供了一种计算机可读存储介质，其上储存有指令，当所述指令在计算机上运行时，使得计算机执行所述基于敏感性分析的铁路客站减碳技术评估方法的步骤。

34、本发明的另一目的在于：提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述基于敏感性分析的铁路客站减碳技术评估方法的步骤。

35、本发明的有益效果是：

36、1.精准识别关键影响因素：帮助建筑设计师和能源专家确定铁路站房能耗模型中最关键的影响因素。通过识别关键因素，可以有针对性地进行优化，最大限度地减少能耗和碳排放。

37、2.量化评估减碳潜力：敏感性分析提供了对不同设计参数和策略的影响程度的量化评估。这使决策者能够清晰地了解不同措施对减碳潜力的贡献，并为制定最佳减碳策略提供数据支持。

38、3.优化资源配置：基于敏感性分析的结果，可以更有效地配置资源，将有限的投资用于最具减碳效果的方面。这有助于确保每一分投资都能最大程度地降低碳排放，提高资源利用效率。

39、4.持续优化和改进：敏感性分析是一个动态过程，可以随着时间的推移进行持续优化和改进。建筑能耗模型和评估方法的不断完善，将为建筑行业的减碳工作提供持续的支持和指导。

技术特征：

1.一种基于敏感性分析的铁路客站减碳技术评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于敏感性分析的铁路客站减碳技术评估方法，其特征在于：所述步骤s1中，所述基准能耗模型的变量参数设置为建筑能耗最不利情况下的参数设置，即铁路站房全年耗热量/耗冷量/总能耗最大值，空调系统设置为理想空调系统，所述空调系统的制冷效率和制热效率都为1。

3.根据权利要求1所述的基于敏感性分析的铁路客站减碳技术评估方法，其特征在于：所述步骤s2中，采用拉丁超立方采样方法lhs的具体步骤包括：

4.根据权利要求1所述的基于敏感性分析的铁路客站减碳技术评估方法，其特征在于：所述步骤s4中，采用标准化回归系数法src分析的具体步骤如下：

5.根据权利要求1所述的基于敏感性分析的铁路客站减碳技术评估方法，其特征在于：所述步骤s5中，基于敏感性分析的减碳技术评估方法公式为：

6.一种信息数据处理终端，其特征在于：所述信息数据处理终端用于实现权利要求1～5任意一项所述基于敏感性分析的铁路客站减碳技术评估方法。

7.一种计算机可读存储介质，其特征在于：其上储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～5任意一项所述基于敏感性分析的铁路客站减碳技术评估方法的步骤。

8.一种计算机设备，其特征在于：所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1～5任意一项所述基于敏感性分析的铁路客站减碳技术评估方法的步骤。

技术总结本发明公开了一种基于敏感性分析的铁路客站减碳技术评估方法，包括以下步骤：S1：建立铁路客站的基准能耗模型，涉及参数包括变量参数与定量参数，依据规范确定所述变量参数的上限以及所述定量参数的数值，确定变量参数的合理变化规律及步长；S2：利用拉丁超立方采样方法LHS生成铁路站房热工模型样本集；S3：基于能耗模拟软件进行仿真模拟，并收集模拟数据进行数据处理；S4：采用标准化回归系数法SRC进行敏感性分析；S5：将敏感性分析得到的结果输入减碳技术评估模型，得到减碳技术评估方法。本发明可以有针对性地进行优化，最大限度地减少能耗和碳排放，同时敏感性分析提供了对不同设计参数和策略的影响程度的量化评估。技术研发人员：孙兆军,陈东杰,李京,周正,孙永强,陶然,孔华彪,刘振娟,张凯,高子淇,韩臻,刘刚,李桂萍,郭栋,赵畅,连仕康,吕文辉,刘宣,张晶受保护的技术使用者：中国铁路设计集团有限公司技术研发日：技术公布日：2024/9/29