CN116757364A - 一种基于bim技术的碳排放评估方法及*** - Google Patents
一种基于bim技术的碳排放评估方法及*** Download PDFInfo
- Publication number
- CN116757364A CN116757364A CN202310771776.2A CN202310771776A CN116757364A CN 116757364 A CN116757364 A CN 116757364A CN 202310771776 A CN202310771776 A CN 202310771776A CN 116757364 A CN116757364 A CN 116757364A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- stage
- building
- carbon
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 182
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 182
- 238000011156 evaluation Methods 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000010276 construction Methods 0.000 claims abstract description 39
- 238000005265 energy consumption Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 16
- 238000003062 neural network model Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 8
- 238000009435 building construction Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- 239000002699 waste material Substances 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 239000004566 building material Substances 0.000 claims description 3
- 239000000295 fuel oil Substances 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 2
- 239000002737 fuel gas Substances 0.000 claims 1
- 230000009467 reduction Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computer Graphics (AREA)
- Water Supply & Treatment (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
Abstract
本发明涉及一种基于BIM技术的碳排放评估方法及***,属于碳排放评估技术领域。包括以下步骤:S1、划分建筑生命周期碳排放阶段;S2、采集建筑物各阶段的数据;S3、建立BIM模型;S4、仿真模拟;S5、碳排放计算:通过模拟结果分别计算建造阶段、使用阶段和拆除阶段的碳排放量;其中,建造阶段和拆除阶段通过施工过程中的能源消耗计算,使用阶段通过运营过程中能源消耗和人为活动计算;S6、碳排放评估;S7、状态监测和反馈。本发明通过将建筑物全生命周期按照评估需求划分为不同的阶段进行计算评估,利用BIM模型提供的数据构建神经网络模型对人为活动所产生的碳排量进行估算,实现碳排放更加全面、准确的评估。
Description
技术领域
本发明属于碳排放评估技术领域,具体涉及一种基于BIM技术的碳排放评估方法及***。
背景技术
随着全球气候变暖和极端天气频繁发生,气象问题已经成为全球瞩目的话题,控碳减碳也成为一个人类共识。研究发现建筑行业产生的碳排放量最高,因此建筑行业降碳控碳刻不容缓,而碳排放评估的基础就是碳排放量的测算。
建筑信息模型(Building Information Modeling,简称BIM)包含了建筑项目的各类工程数据,当前在建筑行业运用十分广泛。现阶段BIM技术通过数字化模型为建筑从前期规划设计到施工运营提供全方位的技术支持,其与绿色建筑设计的结合,成为碳排放评估的重要工具之一,可以为环境保护和节能减排工作提供有力的支持,提高了建筑设计阶段的工作效率,优化了设计方案,是建筑产业转型中的必要流程与技术手段。
虽然BIM在建筑碳排量计算中可以提供很多帮助,但它也有其局限性。在实际应用中,BIM模型中涉及到的数据并不全面,无法对一些使用阶段的因素进行较为精确的计算,比如天气变化、人口数量变化等因素。
发明内容
为解决现有技术中存在的上述问题,本发明提供了一种基于BIM技术的碳排放评估方法及***,通过将建筑物全生命周期按照评估需求划分为不同的阶段进行计算评估,利用BIM模型提供的数据构建神经网络模型对人为活动所产生的碳排量进行估算,结合各个影响因素与碳排放之间的映射关系,实现碳排放更加全面、准确的评估。
本发明的目的可以通过以下技术方案实现:
本发明提供了一种基于BIM技术的碳排放评估方法,包括以下步骤:
S1、划分建筑生命周期碳排放阶段:根据建筑物全生命周期碳排放的阶段特征,划分出对该建筑物研究的碳排放重点阶段;
S2、采集建筑物各阶段的数据:采集建筑物建造阶段、使用阶段和拆除阶段的各种数据;
S3、建立BIM模型:使用BIM软件建立建筑物的三维模型,并将所采集的建筑物各阶段的数据整合到模型中;
S4、仿真模拟:将BIM模型导入能源模拟软件中进行仿真模拟,通过模拟建筑物内部的能源消耗情况和人为活动获得模拟结果;
S5、碳排放计算:通过模拟结果分别计算建造阶段、使用阶段和拆除阶段的碳排放量;其中,建造阶段和拆除阶段通过施工过程中的能源消耗计算,使用阶段通过运营过程中能源消耗和人为活动计算;
S6、碳排放评估:根据碳排放计算结果,通过与国家或地区的碳排放标准进行比较,评估建筑物的碳排放状况;
S7、状态监测和反馈:在建筑物的使用阶段,通过BIM模型对建筑物的能源消耗和人为活动等数据进行监测,并通过阶段性的碳排放评估进行反馈。
进一步地,所述步骤S1中,将建筑生命周期的碳排放阶段划分为:建造阶段、使用阶段和拆除阶段;
其中,建造阶段的碳排放包括建筑材料的消耗和施工用具的使用产生的碳排放;使用阶段的碳排放包括建筑物在运营维护过程中能源消耗和人为活动造成的碳排放;拆除阶段的碳排放包括废料回收和施工用具的使用产生的碳排放。
进一步地,所述步骤S2中,建筑物建造阶段的数据包括建筑物设计、施工图纸、施工过程记录、设备用能数据和维护记录;使用阶段数据包括供能***的能耗、气象数据、水资源利用、废弃物处理、维护保养数据和人为活动数据;拆除阶段数据包括施工过程记录和设备用能数据。
进一步地,所述步骤S4中,能源消耗包括照明、插座、空调、动力、燃气、燃油和可再生能源的能耗情况;人为活动包括人流情况、活动区域、人员活动模式、拥挤度和时间分配。
进一步地,所述步骤S5中,能源消耗计算碳排量的过程依据国家或地区制定的碳排放标准,人为活动计算碳排量的过程采用神经网络模型估算。
进一步地,所述步骤S5中,通过神经网络模型估算人为活动的碳排放包括以下步骤:
S51、筛选通过BIM模型获取的碳排量影响因素;
S52、神经网络构建;
S53、估算人为活动的碳排放。
进一步地,所述碳排量影响因素具体包括气象条件、人员流量、活动类型、设备状态、设备效率、设备寿命、使用行为、能源价格和管理制度。
进一步地,所述步骤S51中,碳排量影响因素的筛选采用回归模型,具体包括数据标准化、构建碳排放Yt影响因素线性回归模型和确定最终选取变量。
进一步地,所述步骤S52中,构建神经网络,具体包括以下步骤:
S521、对样本数据归一化处理;
S522、确定神经网络结构;
S523、神经网络训练。
本发明还提供了一种基于BIM技术的碳排放评估***,应用于上述的一种基于BIM技术的碳排放评估方法,包括碳排放数据采集单元、碳排放数据库单元、碳排量计算单元和碳排量估算单元,其中:
所述碳排放数据采集单元,用于采集建筑物各阶段的数据;
所述碳排放数据库单元,用于存储采集到的建筑物各阶段数据;
所述碳排量计算单元,用于计算建筑物全生命周期各阶段能源消耗所产生的碳排放;
所述碳排量估算单元,用于估算建筑物全生命周期各阶段人为活动所产生的碳排放。
本发明的有益效果为:
(1)通过将建筑物全生命周期按照评估需求划分为不同的阶段进行计算评估,根据每个阶段碳排放的特征,以不同的方式针对性的获取碳排量,从而更加全面、准确的进行碳排放的评估。
(2)在建筑物使用阶段,通过能源消耗和人为活动两个方面去计算本阶段的碳排量,基于BIM模型提供的全面且精准的数据构建神经网络模型对人为活动所产生的碳排量进行估算,经过整合大量的影响因素,进一步提高了碳排放评估的效率以及准确度。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明碳排放评估方法的步骤示意图;
图2为本发明碳排放评估***的结构示意图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如下。
请参阅图1,一种基于BIM技术的碳排放评估方法,包括以下步骤:
S1、划分建筑生命周期碳排放阶段:根据建筑物全生命周期碳排放的阶段特征,划分出对该建筑物研究的碳排放重点阶段。
需说明的是,为了解每个阶段对碳排放的影响,有利于针对性地制定相应的节能减排措施,同时通过对建筑生命周期的碳排放进行阶段划分,进行指导设计与施工,本实施例将建筑物的碳排放划分为建造阶段、使用阶段和拆除阶段。其中建造阶段的碳排放主要包括建筑材料的消耗和施工用具的使用产生的碳排放;使用阶段的碳排放主要包括建筑物在运营维护过程中能源消耗和人为活动造成的碳排放,如供能***、交通运输、垃圾处理、维护和保养和设备使用等过程;拆除阶段的碳排放主要包括废料回收以及施工用具的使用产生的碳排放。
可理解的是,供能***包括供暖、制冷、照明和通风等。设备使用包括建筑物内的各种设备、家具和用具等,尤其是电子设备的使用,如电脑、显示器、打印机等都会产生碳排放。
S2、采集建筑物各阶段的数据:采集建筑物建造阶段、使用阶段和拆除阶段的各种数据。具体的,建筑物建造阶段的数据包括建筑物设计、施工图纸、施工过程记录、设备用能数据和维护记录等;使用阶段数据包括供能***的能耗、气象数据、水资源利用、废弃物处理、维护保养数据和人为活动数据等;拆除阶段数据包括施工过程记录和设备用能数据等。
具体的,人为活动数据包括居住、办公、商业等用途的建筑物使用行为记录,如人员出入时间、房间使用率、开窗通风情况和温度设置等。
需说明的是,建筑物各阶段的数据采集来源包括监测设备、能源计量***、设计人员、材料供应商和施工单位提供的信息等,在使用阶段主要通过自动采集、维护人员上传和数据库同步等。
可理解的是,自动采集具体为通过监测设备实时获取的数据,如传感器和计量仪表等;维护人员上传具体为维护记录和故障诊断报告等;数据库同步具体为通过与企业内部数据库互通完成同步。
S3、建立BIM模型:使用BIM软件建立建筑物的三维模型,并将所采集的建筑物各阶段的数据整合到模型中。
可理解的是,通过将建筑物各阶段的数据整合到BIM模型中,可以提高模型的准确性和真实性,从而更好地了解建筑物的实际情况。在使用阶段通过BIM模型对数据进行管理和更新,为碳排放的计算评估提供更加丰富精确的数据。
S4、仿真模拟:将BIM模型导入能源模拟软件中进行仿真模拟,通过模拟建筑物内部的能源消耗情况和人为活动获得模拟结果。
需说明的是,能源消耗包括照明、插座、空调、动力、燃气、燃油、可再生能源等等。人为活动包括人流情况、活动区域、人员活动模式、拥挤度和时间分配等。通过BIM技术可以实现对建筑物内部涉及到人为活动的各种数据进行整合、模拟仿真、能源管理、空间利用分析和交通监管。
可理解的是,本实施例的碳排放评估***根据建筑生命周期的碳排放划分阶段进行整体性和阶段性的评估,如建造阶段和拆除阶段可进行整体性评估,帮助设计人员选择最优的减排方案,以降低建筑物的全生命周期碳排放;而使用阶段则进行阶段性评估,便于随时了解当前的碳排放情况,及时调整管理方案,实现全生命周期的碳排放控制。人为活动的仿真模拟主要以使用阶段为主。
S5、碳排放计算:通过模拟结果分别计算建造阶段、使用阶段和拆除阶段的碳排放量。其中,建造阶段和拆除阶段通过施工过程中的能源消耗计算,使用阶段通过运营过程中能源消耗和人为活动计算。
具体的,通过能源消耗计算碳排量的过程依据国家或地区制定的碳排放标准,通过人为活动计算碳排量的过程采用神经网络模型估算。
需说明的是,在建筑物使用阶段,人为活动产生的碳排放是不可忽略的一部分,由于人为活动的碳排放来源非常复杂且影响因素较多,因此本实施例采用神经网络模型估算人为活动的碳排放,实现对建筑物使用阶段人为活动的碳排放量进行准确、高效的估算。
具体的,通过神经网络模型估算人为活动的碳排放包括以下步骤:
S51、筛选通过BIM模型获取的碳排量影响因素,所述碳排量影响因素具体包括气象条件、人员流量、活动类型、设备状态、设备效率、设备寿命、使用行为、能源价格和管理制度等。
可理解的是,上述碳排放量影响因素的数据来源于BIM模型采集的数据和模拟结果,为保证后期碳排放估算的准确性,需要采集足够的数据再进行阶段性碳排放估算。在一般碳排放预测模型中,影响因素的数据获取比较困难,如社会经济数据、商业数据、大气环境数据和地理空间数据等,而本实施例基于BIM模型,获取影响因素的数据更加直观、便捷和高效。
本实施例中,碳排量影响因素的筛选通过回归模型完成,选取影响碳排放的9个变量,具体包括气象条件x1、人员流量x2、活动类型x3、设备状态x4、设备效率x5、设备寿命x6、使用行为x7、能源价格x8和管理制度x9。具体的,回归模型筛选步骤包括:
S511、数据标准化:对原始数据进行中心标准化处理,具体标准化后的数据为:
x′=(x-μ)/σ;
其中,x为原始数据,μ为原始数据均值,σ为方差;
S512、构建碳排放Yt影响因素线性回归模型:
Yt=β+β1x1t+β2x2t+…+β9x9t+εt;
其中,β1…β9是影响因素的回归系数,εt是一系列服从标准正态分布的干扰项,β为常数。
S513、确定最终选取变量:通过对标准化之后的数据进行进行n次迭代得到所有的解,使用赤池信息准则确定最佳模型。赤池模型通过在似然函数添加惩罚项的方式描述模型的精度,根据赤池最小值A可以从一系列不同模型中确定最佳模型,即
A=n ln(R/n)+2d;
其中,d为参数数量且d=9,n为观测数(即迭代次数),R为残差平方和,计算方法为:
其中,yi为实际值,为估计值。
在迭代的过程中当赤池信息值A达到最小值时模型拟合最佳。选择该次迭代结果作为变量筛选依据,选取最终变量。
S52、神经网络构建,具体包括以下步骤:
S521、对样本数据归一化处理:采用零均值归一化方法,将数据映射到[0,1]。
S522、确定神经网络结构:将回归模型筛选出的变量作为神经网络的输入层节点,输出层节点为碳排放量,隐含层节点数的计算公式为:
式中,N为输入层节点数(即筛选变量数),M为输出层节点数,常数a范围为[0,10]。
S523、神经网络训练:将误差目标设置为10-8训练神经网络。
S53、估算人为活动的碳排放:将测试样本输入构建的神经网络,对碳排量进行估算,对输出结果进行反归一化处理,获得碳排量估值。
S6、碳排放评估:根据碳排放计算结果,通过与国家或地区的碳排放标准进行比较,评估建筑物的碳排放状况,并针对性地制定减排措施和优化方案,以便降低建筑物的碳排放量。
S7、状态监测和反馈:在建筑物的使用阶段,通过BIM模型对建筑物的能源消耗和人为活动等数据进行监测,并通过阶段性的碳排放评估,及时调整减排措施和优化方案。
本发明还提供了一种基于BIM技术的碳排放评估***,包括碳排放数据采集单元、碳排放数据库单元、碳排量计算单元和碳排量估算单元,其中:
所述碳排放数据采集单元,用于采集建筑物各阶段的数据,通过建筑物模型的导入、管理人员的输入、监测设备的采集和已有数据库的共享等方式获取数据。
所述碳排放数据库单元,用于存储采集到的建筑物各阶段数据,便于后期碳排放的评估以及数据的调用。
所述碳排量计算单元,用于计算建筑物全生命周期各阶段能源消耗所产生的碳排放。
所述碳排量估算单元,用于估算建筑物全生命周期各阶段人为活动所产生的碳排放。
本发明通过将建筑物全生命周期按照评估需求划分为不同的阶段进行计算评估,根据每个阶段碳排放的特征,以不同的方式获取碳排量,通过针对性的评估方式,更加全面、准确的进行碳排量的计算。尤其在建筑物使用阶段,通过能源消耗和人为活动两个方面去计算本阶段的碳排量,进一步地去综合考虑更多的碳排放影响因素,同时基于BIM模型提供的全面且精准的数据构建神经网络模型对人为活动所产生的碳排量进行估算,经过整合大量的影响因素,进一步提高了碳排放评估的效率以及准确度。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种基于BIM技术的碳排放评估方法,其特征在于:包括以下步骤:
S1、划分建筑生命周期碳排放阶段:根据建筑物全生命周期碳排放的阶段特征,划分出对该建筑物研究的碳排放重点阶段;
S2、采集建筑物各阶段的数据:采集建筑物建造阶段、使用阶段和拆除阶段的各种数据;
S3、建立BIM模型:使用BIM软件建立建筑物的三维模型,并将所采集的建筑物各阶段的数据整合到模型中;
S4、仿真模拟:将BIM模型导入能源模拟软件中进行仿真模拟,通过模拟建筑物内部的能源消耗情况和人为活动获得模拟结果;
S5、碳排放计算:通过模拟结果分别计算建造阶段、使用阶段和拆除阶段的碳排放量;其中,建造阶段和拆除阶段通过施工过程中的能源消耗计算,使用阶段通过运营过程中能源消耗和人为活动计算;
S6、碳排放评估:根据碳排放计算结果,通过与国家或地区的碳排放标准进行比较,评估建筑物的碳排放状况;
S7、状态监测和反馈:在建筑物的使用阶段,通过BIM模型对建筑物的能源消耗和人为活动数据进行监测,并通过阶段性的碳排放评估进行反馈。
2.根据权利要求1所述的一种基于BIM技术的碳排放评估方法,其特征在于:所述步骤S1中,将建筑生命周期的碳排放阶段划分为:建造阶段、使用阶段和拆除阶段;
其中,建造阶段的碳排放包括建筑材料的消耗和施工用具的使用产生的碳排放;使用阶段的碳排放包括建筑物在运营维护过程中能源消耗和人为活动造成的碳排放;拆除阶段的碳排放包括废料回收和施工用具的使用产生的碳排放。
3.根据权利要求1所述的一种基于BIM技术的碳排放评估方法,其特征在于:所述步骤S2中,建筑物建造阶段的数据包括建筑物设计、施工图纸、施工过程记录、设备用能数据和维护记录;使用阶段数据包括供能***的能耗、气象数据、水资源利用、废弃物处理、维护保养数据和人为活动数据;拆除阶段数据包括施工过程记录和设备用能数据。
4.根据权利要求1所述的一种基于BIM技术的碳排放评估方法,其特征在于:所述步骤S4中,能源消耗包括照明、插座、空调、动力、燃气、燃油和可再生能源的能耗情况;人为活动包括人流情况、活动区域、人员活动模式、拥挤度和时间分配。
5.根据权利要求1所述的一种基于BIM技术的碳排放评估方法,其特征在于:所述步骤S5中,能源消耗计算碳排量的过程依据国家或地区制定的碳排放标准,人为活动计算碳排量的过程采用神经网络模型估算。
6.根据权利要求5所述的一种基于BIM技术的碳排放评估方法,其特征在于:所述步骤S5中,通过神经网络模型估算人为活动的碳排放包括以下步骤:
S51、筛选通过BIM模型获取的碳排量影响因素;
S52、神经网络构建;
S53、估算人为活动的碳排放。
7.根据权利要求6所述的一种基于BIM技术的碳排放评估方法,其特征在于:所述碳排量影响因素具体包括气象条件、人员流量、活动类型、设备状态、设备效率、设备寿命、使用行为、能源价格和管理制度。
8.根据权利要求7所述的一种基于BIM技术的碳排放评估方法,其特征在于:所述步骤S51中,碳排量影响因素的筛选采用回归模型,具体包括数据标准化、构建碳排放影响因素线性回归模型和确定最终选取变量。
9.根据权利要求8所述的一种基于BIM技术的碳排放评估方法,其特征在于:所述步骤S52中,构建神经网络,具体包括以下步骤:
S521、对样本数据归一化处理;
S522、确定神经网络结构;
S523、神经网络训练。
10.一种基于BIM技术的碳排放评估***,应用于如权利要求1至9任一项所述的一种基于BIM技术的碳排放评估方法,其特征在于:包括碳排放数据采集单元、碳排放数据库单元、碳排量计算单元和碳排量估算单元,其中:
所述碳排放数据采集单元,用于采集建筑物各阶段的数据;
所述碳排放数据库单元,用于存储采集到的建筑物各阶段数据;
所述碳排量计算单元,用于计算建筑物全生命周期各阶段能源消耗所产生的碳排放;
所述碳排量估算单元,用于估算建筑物全生命周期各阶段人为活动所产生的碳排放。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771776.2A CN116757364A (zh) | 2023-06-28 | 2023-06-28 | 一种基于bim技术的碳排放评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771776.2A CN116757364A (zh) | 2023-06-28 | 2023-06-28 | 一种基于bim技术的碳排放评估方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116757364A true CN116757364A (zh) | 2023-09-15 |
Family
ID=87958803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310771776.2A Pending CN116757364A (zh) | 2023-06-28 | 2023-06-28 | 一种基于bim技术的碳排放评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116757364A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541272A (zh) * | 2024-01-09 | 2024-02-09 | 小象飞羊(北京)科技有限公司 | 数字工程碳排放数据确定方法、***、设备及存储介质 |
CN117669865A (zh) * | 2023-11-01 | 2024-03-08 | 浙江东南设计集团有限公司 | 一种低碳建筑的全生命周期监控***及监控方法 |
CN118070664A (zh) * | 2024-03-04 | 2024-05-24 | 江苏商贸职业学院 | 基于物联网和bim的建筑能耗智能模拟方法 |
CN118246824A (zh) * | 2024-05-27 | 2024-06-25 | 中通服建设有限公司 | 一种基于bim的经济型建模*** |
CN118246824B (zh) * | 2024-05-27 | 2024-07-30 | 中通服建设有限公司 | 一种基于bim的经济型建模*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140126639A (ko) * | 2013-04-23 | 2014-10-31 | 인하대학교 산학협력단 | 도로의 전생애 단계에서의 탄소배출량 산정 방법 |
CN113435054A (zh) * | 2021-07-06 | 2021-09-24 | 天津水泥工业设计研究院有限公司 | 一种基于数字孪生模型的碳排放评估方法及*** |
CN114925874A (zh) * | 2022-03-28 | 2022-08-19 | 中国科学院深圳先进技术研究院 | 一种基于bert神经网络模型的碳排量预判方法及装置 |
CN115630434A (zh) * | 2022-12-25 | 2023-01-20 | 国网上海能源互联网研究院有限公司 | 一种基于多智能体模拟的建筑碳排放预测方法和装置 |
-
2023
- 2023-06-28 CN CN202310771776.2A patent/CN116757364A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140126639A (ko) * | 2013-04-23 | 2014-10-31 | 인하대학교 산학협력단 | 도로의 전생애 단계에서의 탄소배출량 산정 방법 |
CN113435054A (zh) * | 2021-07-06 | 2021-09-24 | 天津水泥工业设计研究院有限公司 | 一种基于数字孪生模型的碳排放评估方法及*** |
CN114925874A (zh) * | 2022-03-28 | 2022-08-19 | 中国科学院深圳先进技术研究院 | 一种基于bert神经网络模型的碳排量预判方法及装置 |
CN115630434A (zh) * | 2022-12-25 | 2023-01-20 | 国网上海能源互联网研究院有限公司 | 一种基于多智能体模拟的建筑碳排放预测方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117669865A (zh) * | 2023-11-01 | 2024-03-08 | 浙江东南设计集团有限公司 | 一种低碳建筑的全生命周期监控***及监控方法 |
CN117541272A (zh) * | 2024-01-09 | 2024-02-09 | 小象飞羊(北京)科技有限公司 | 数字工程碳排放数据确定方法、***、设备及存储介质 |
CN117541272B (zh) * | 2024-01-09 | 2024-03-29 | 小象飞羊(北京)科技有限公司 | 数字工程碳排放数据确定方法、***、设备及存储介质 |
CN118070664A (zh) * | 2024-03-04 | 2024-05-24 | 江苏商贸职业学院 | 基于物联网和bim的建筑能耗智能模拟方法 |
CN118246824A (zh) * | 2024-05-27 | 2024-06-25 | 中通服建设有限公司 | 一种基于bim的经济型建模*** |
CN118246824B (zh) * | 2024-05-27 | 2024-07-30 | 中通服建设有限公司 | 一种基于bim的经济型建模*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Modeling of district load forecasting for distributed energy system | |
Ali et al. | Review of urban building energy modeling (UBEM) approaches, methods and tools using qualitative and quantitative analysis | |
Happle et al. | A review on occupant behavior in urban building energy models | |
Drgoňa et al. | All you need to know about model predictive control for buildings | |
Papadopoulos et al. | Integrating building performance simulation in agent-based modeling using regression surrogate models: A novel human-in-the-loop energy modeling approach | |
CN116757364A (zh) | 一种基于bim技术的碳排放评估方法及*** | |
Chong et al. | Continuous-time Bayesian calibration of energy models using BIM and energy data | |
Vaghefi et al. | Modeling and forecasting of cooling and electricity load demand | |
Li et al. | Low carbon heating and cooling of residential buildings in cities in the hot summer and cold winter zone-A bottom-up engineering stock modeling approach | |
Yan et al. | A simplified prediction model for energy use of air conditioner in residential buildings based on monitoring data from the cloud platform | |
von Platten et al. | The renewing of Energy Performance Certificates—Reaching comparability between decade-apart energy records | |
Yalcintas | An energy benchmarking model based on artificial neural network method with a case example for tropical climates | |
Zhang et al. | Development and evaluation of cooling load prediction models for a factory workshop | |
Asadi et al. | Building energy model calibration using automated optimization-based algorithm | |
Grillone et al. | A data-driven methodology for enhanced measurement and verification of energy efficiency savings in commercial buildings | |
Hosamo et al. | Improving building occupant comfort through a digital twin approach: A Bayesian network model and predictive maintenance method | |
Delgoshaei et al. | Impacts of building operational schedules and occupants on the lighting energy consumption patterns of an office space | |
Xiao et al. | Status quo and opportunities for building energy prediction in limited data Context—Overview from a competition | |
Mawson et al. | Coupling simulation with artificial neural networks for the optimisation of HVAC controls in manufacturing environments | |
Markus et al. | A framework for a multi-source, data-driven building energy management toolkit | |
Kalluri et al. | A longitudinal analysis of energy consumption data from a high-performance building in the tropics | |
Ahmed et al. | State-of-the-art review of occupant behavior modeling and implementation in building performance simulation | |
Tam et al. | Modelling and quantitation of embodied, operational and mobile energies of buildings: a holistic review from 2012 to 2021 | |
Yu et al. | A bottom-up approach for community load prediction based on multi-agent model | |
Jafari et al. | Improving building energy footprint and asset performance using digital twin technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |