基于回归与聚类技术的住宅房间空调能耗性能基准评测

空调（AC）在全球能源消耗中占据重要份额。为提升其能耗性能，公平地进行能耗性能基准评测并向用户提供评估反馈至关重要。然而，这一任务在住宅领域尚未得到妥善解决。本文提出一种数据驱动方法，用于公平地基准评测住宅房间的空调能耗性能。首先，为每个被评测房间建立回归模型，以便在不同天气条件和空调设置下预测其功耗。然后，根据房间面积和常用空调温度设定点对所有房间进行聚类。最后，在每个聚类内，基于统一天气条件和空调设置下的预测功耗对房间进行基准评测。利用从 44 个住宅房间收集的数据进行了真实案例研究。结果表明，所构建的回归模型在交叉验证测试中的平均预测准确率为 85.1%，而具有高斯核的支持向量回归是构建回归模型总体上最合适的模型结构。在聚类步骤中，44 个房间被成功聚为七类。通过将本方法生成的基准评测分数与两组根据历史功耗数据计算的分数进行比较，我们证明所提出的方法能够消除房间面积、天气条件和空调设置对基准评测结果的影响。因此，所提出的基准评测方法是有效且公平的。作为附带成果，该方法还被证明可用于研究房间面积、天气条件和空调设置在现实生活中如何影响房间的空调功耗。