代写Python留学生项目计算机题目：房屋供暖消耗能源的模拟项目

项目背景内容介绍：

伦敦一个区域(Haringey)的房屋供暖消耗能源的模拟项目。之前的学生完成了该地区的 Synthetic population

（综合人口生成）的步骤，对于该地区的每个人，我们现在知道了他属于哪个家庭，他的年龄，职业状况，等等社会特征。根据另一组数据源建立的 markov chain，我们也知道他每一天的各个时段在哪里做什么（每

10 分钟为单位），是否在家，如果在家的话，他是否在睡觉。

我们假设，只要一个家里(Household)有至少一个人在家，家里的供暖系统就会被开启。初始的房屋室内温度是 20 度。如果家里没有人，家里的供暖系统就会被调为 0 度；如果有至少一个人且至少一个人不在睡觉（是活跃的），那么家里的供暖系统会被自动设定为 22 度；如果家里所有的人都在睡觉，那么家里的供暖系统会设定为 18 度。（这些部分都已经做好了）

为了简单化模型，现在片区的所有房屋都被假设为是一个 60 平米的固定大小的单层长方形盒子，房屋的隔热性能和材料(U-value)，以及住户的散热率都是固定的。

现在该地区每一个人口的社会属性，属于哪一个家庭，以及家庭里每一个成员的日程安排（是否在家）都知道了，跟据这些数据做的地区供暖能源消耗计算模型也做好了（见 project 文件夹 Urban-Occupants-

Paper），所有项目的代码和文件都在以下的文件包里，特殊的说明和注意事项在 README.md 文件里。

现在的任务是，与其假设房屋都是统一大小的正方形盒子，我们根据该片区真实的每个家庭所在房屋数据，随机赋予房子真实的房屋面积(Floor area)和房屋隔热性能，具体方法如下：根据该片区的人口普查结果，该片区有 7 类房屋：

0 Detached whole house or bungalow

0 Semi-detached whole house or bungalow

0 Terraced whole house or bungalow

0 Purpose built flat or maisonette

0 Converted or shared house (belongs to the flat or maisonette category)

0 Caravan (including rooms, caravan, mobile homes, houseboat)

0 Other (flats and maisonette in commercial buildings)

在把 dwelling type 加入了 synthetic population （合成人口数据）之后，对于人口中的每一个人，我们都知道了他所住房子的 dwelling_type 类型（以上 7 类中的一类）：（这个部分已经完成，除了有一个 bug 存在，具体下面介绍，希望能加以解决）。现在的任务就是在计算供暖耗能的时候，根据房屋的类型，从该类型的所有行数据里随机抽取一行代入计算。

请见 Haringey_All 表格，其中中每一行都是一个单位家庭，在名为 dwelling type 的列，每一个家庭的房屋类型（以上 7 类中的 6 类）都已经定义好了，其中 Other (flats and maisonette in commercial buildings) 没有被纳入，因为无法定义，它的特性赋值就用默认定值（见下面的表格）。其余的需要随机抽样的相关的列有：

-Floor Area: 房屋占地面积

-Window to wall ratio (WWR): 窗户与墙的面积比

-U-value wall: 墙的热传导性

-U-value roof: 屋顶的热传导性

-U-value floor: 地板的热传导 -U-value window 窗户的热传导

现在需要的是从同一个类型的 dwelling_type 数据集合中随机抽取 floor area, U-value wall,

U-value roof 和 U-value window，赋予给这个房子，取代原有的默认值。比如某一个房子已知是‘Detached whole house or bungalow’类型，那么就从所有 dwelling_type 列叫‘Detached whole house or bungalow’ 的房屋数据里随机抽取一行，把相应的-Floor Area: 房屋占地面积， Window to wall ratio )WWR: 窗户与墙的面积比，U-value wall: 墙的热传导性，U-value roof:

屋顶的热传导性，U-value floor: 地板的热传导，U-value window 窗户的热传导赋值给该房屋，现有的模块会自动计算供暖的能量消耗，把赋值完成就可以了。如果某一个房子是‘Other

(flats and maisonette in commercial buildings)’ 类型的，那就不用抽样了，继续沿用之前的默

认定值就可以了。

要注意的是，不同的个人可以属于同一个家庭，因而住同一个房屋，注意不要将不同的房屋性质赋予给同一个房子。

Other (flats and maisonette in commercial buildings) 类的房子特性赋值表：（均为默认定值）

Parameter name		Value		Parameter name		Value

Thermal mass capacity		9.9 MJ/K		Initial indoor temp		20 ℃
165000 x floor area [J/K]

Thermal mass area		150 ²		Absent set point		0 ℃
2.5 x floor area [m^2]

Floor area		60 ²		Passive set point		18	℃
Room height		2.5 m		Active set point		22 ℃

Window to wall ratio		0.19		Maximum heating power		10 kW

U-value wall		0.26 W/( ²K)		Metabolic heat active		140 W
U-value roof		0.12 W/( ²K)		Metabolic heat passive		70 W
U-value floor		0.40 W/( ²K)		Metabolic heat < 18		0.75
U-value window		1.95 W/( ²K)		Natural ventilation rate		0.65 l/(s ²)
Transmission adjustment ground		0.91
除此之外其余 6 类的房子特性赋值表：

Parameter name	Value				Parameter name			Value

Thermal mass capacity	随机在 Haringey_All		表格中		Initial indoor temp			20	℃
165000 x floor area [J/K]	相对应的房子类别中随机抽
	样 floor area 的值，再乘上相
	应的系数： 165000

Thermal mass area	随机在相对应的房子类别中				Absent set point			0	℃
2.5 x floor area [m^2]	随机抽样 floor area 的值，再
	乘上相应的系数： 2.5
Floor area	随机在相对应的房子类别中				Passive set point			18	℃
	随机抽样 floor area 的值

Room height	2.5 m				Active set point			22 ℃

Window to wall ratio	随机在相对应的房子种类的				Maximum heating power			10 kW
	所有相应数据中随机抽样
	WWR 列的值

U-value wall	随机在相对应的房子种类的				Metabolic heat active			140 W

	所有相应数据中随机抽样 U-
	value wall 的值

U-value roof	随机在相对应的房子种类的	Metabolic heat passive	70 W
	所有相应数据中随机抽样 U-
	value roof 的值

U-value floor	随机在相对应的房子种类的	Metabolic heat < 18	0.75
	所有相应数据中随机抽样 U-
	value floor 的值

U-value window	随机在相对应的房子种类的	Natural ventilation rate	0.65 l/(s ²)
	所有相应数据中随机抽样 U-
	value window 的值

Transmission adjustment	0.91
ground

另一个任务：

修复现在执行 make file 第 44 行

过程中 assertion 的 bug (数据数量不一样的问题) 见下图导入的 nomis 数据的总量不等于之前导入 Haringey 地区的 household 的总量 (理论上必须相等)

可能原因：

在 urbanoccupants 的 urbanoccupants 文件夹里的 census.py 中的两个 function 的问题： def read_household_type_data (geographical_layer = GeographicalLayer.LSOA)

def read_dwelling_type_data (geographical_layer = GeographicalLayer.LSOA)

图片7.png

其余的项目文件大致介绍：

在 Urban Occupants Paper 文件夹中：

Config 文件夹中的 default.yaml 文件盛放房屋特性的数值（现在都是定值）。其它文件都类似，就是修改了一两个变量的数值而已。

Data 文件夹中盛放模型需要的数据源。（不需要更改）

Doc 文件夹中是生成的模拟结果文档和图像。（不需要更改）

Scripts 文件夹中放了： Plot 文件夹：放着生成图像结果的代码（不需要改）

Tus 文件夹：放着对应人口和家庭数据的方法;生成当地综合人口的生成过程和方法，模拟一个人在不在家的方法，还有计算不同的社会和家庭特性之间的联系的算法。（不需要改）

Simulationinput.py 文件里放了运行模型需要的数据，应该需要更新相对应的房屋特性的部分。

Urbanoccupants 文件夹中的 tests 文件夹里放了生成每个人每天行程（判断是否在家）的方法（不需要改）。

Urbanoccupants 文件夹里的 urbanoccupants 里的部分文件应该需要相应修改：

Census.py 里放了导入网上的英国人口普查数据，以及数据处理验证的过程。

Synthpop.py 里放了形成综合人口的过程，其中最近刚加入 dwelling type 作为一个新变量。 Utils.py 里放了读取输入数据的方法。

Types.py 里放了人口和家庭的种类划分。 Person.py 里放了判断一个人什么时段在家的算法。

Hipf.py 里放了让每个人归属于特定的家庭，以防重复或者错误（两个人属于同一个家庭却赋予了不同的值）的层级算法。

运行模型的方法： Linux 和 IOS 系统可以直接执行 makefile, 但是 windows 得一行一行执行。

这个链接里有具体的运行模型的条件和要求：

https://github.com/gw382/urban-occupants-paper

需要安装 conda, Git, Java 1.8

关键字：