CN101976426A - 基于热网历史数据挖掘的负荷预报方法 - Google Patents
基于热网历史数据挖掘的负荷预报方法 Download PDFInfo
- Publication number
- CN101976426A CN101976426A CN2010105215660A CN201010521566A CN101976426A CN 101976426 A CN101976426 A CN 101976426A CN 2010105215660 A CN2010105215660 A CN 2010105215660A CN 201010521566 A CN201010521566 A CN 201010521566A CN 101976426 A CN101976426 A CN 101976426A
- Authority
- CN
- China
- Prior art keywords
- curve
- load
- return water
- time
- outdoor temperature
- 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
Images
Landscapes
- Air Conditioning Control Device (AREA)
- Steam Or Hot-Water Central Heating Systems (AREA)
Abstract
基于热网历史数据挖掘的负荷预报方法,属于暖通领域,本发明为解决现有负荷预报方法并没有剔除不合理数据,没有基于实时供热情况进行修正,其预报的结果不合理、精度差问题。本发明方法:一、获取N个供热工况历史数据点的集合;二、采用最小二乘法将步骤一获取的室外温度集合和实际供热量集合拟合成一次曲线;三、获取与室外温度集合T0对应的第一次拟合后供热量集合;四、获取偏差绝对值集合:五、按从大到小的顺序去除偏差绝对值集合中10%的数据点;六,是否执行步骤一至步骤五的筛选过程三次,否,返回一,是,执行七,七、将筛选过的数据点集合中的所有数据点采用最小二乘法拟合成一次曲线;八、两次修正,获取负荷预报曲线,进行负荷预报。
Description
技术领域
本发明涉及基于热网历史数据挖掘的负荷预报方法,属于暖通领域。
背景技术
已有的热网系统的负荷预报方法基本是从电力系统中的负荷预报方法中借鉴过来的,这些预报方法将热网的历史数据当作合理的数据进行系统辨识然后利用辨识的模型进行负荷预报。但是热网系统和电力系统的不同之处在于,当前的大部分供热系统热用户并不是按需用热,而是只能被动地接受供热。因此热源向热用户供出的热量并不一定是适量的,有可能存在供热过量和供热不足的情况。而现有的负荷预报方法并没有剔除不合理数据,没有基于实时供热情况进行修正,其预报的结果不合理、精度差。传统预报方法采用直接辨识得到的供热模型并不能很好的指导供热系统的节能运行。
发明内容
本发明目的是为了解决现有的负荷预报方法并没有剔除不合理数据,没有基于实时供热情况进行修正,其预报的结果不合理、精度差的问题,提供了一种基于热网历史数据挖掘的负荷预报方法。
本发明方法根据热网历史运行数据绘制随室外温度变化的实际供热量分布图,并按以下步骤获取负荷预报曲线,来进行负荷预报:
步骤一、获取N个供热工况历史数据点的集合,所述供热工况历史数据点的集合包括室外温度集合和实际供热量集合,室外温度集合T0=[t01,t02,…,t0i,…t0N],实际供热量集合Q=[q1,q2,…,qi,…qN];
步骤二、采用最小二乘法将步骤一获取的室外温度集合和实际供热量集合拟合成一次曲线,第一次拟合后供热量q′与室外温度t0的关系为:
q′=kt0+b,
式中,k为第一次拟合曲线的一次项系数,b为第一次拟合曲线的常数项系数;
步骤三、获取与室外温度集合T0对应的第一次拟合后供热量集合Q′=[q1′,q2′,…,qi′,…qN′];
步骤四、获取相同室外温度下实际供热量与第一次拟合曲线中对应的供热量的偏差绝对值,进而获取所有室外温度下的偏差绝对值集合E=[e1,e2,…,ei,…eN]:
步骤五、按从大到小的顺序去除偏差绝对值集合中10%的数据点,获取新的数据点集合;
步骤六、判断是否已经执行步骤一至步骤五大于等于3次,
判断结果为否,令N=N-10%N,然后返回执行步骤一,判断结果为是,执行步骤七,
步骤七、将筛选过的数据点集合中的所有数据点采用最小二乘法拟合成一次曲线,第二次拟合后供热量qp与室外温度t0的关系为:
qp=At0+B,
式中,A为第二次拟合曲线的一次项系数,B为第二次拟合曲线的常数项系数;
步骤八、对步骤七获取的第二次拟合曲线进行两次修正,获取负荷预报曲线,进行负荷预报。
本发明的优点:
1.剔除了热网历史运行数据中的不合理数据,从历史数据中挖掘出供热负荷预报曲线,经过数据筛选后得到的负荷预报曲线比原来直接拟合得到的曲线更加合理;
2.在负荷预报曲线中加入基于实时供热情况的修正项,让负荷预报曲线能够适应实际供热情况的变化;
3.将新产生的数据加入挖掘,滚动更新预报曲线。负荷预测曲线能够不断地自我修正来适应实际供热情况的变化,得到的负荷预测曲线更精准。
附图说明
图1是热网历史运行数据关于随室外温度变化的实际供热量分布图;
图2是室外温度集合和实际供热量集合的第一次拟合曲线;
图3是实际供热量与第一次拟合曲线供热量的偏差值分布图;
图4是实际供热量与第一次拟合曲线供热量的偏差绝对值分布图;
图5是经过排序的偏差绝对值并删除高偏差数据点的示意图;
图6是对图1所示历史数据经过第一次筛选后的结果示意图;
图7是对历史数据经过第二次筛选后的结果示意图;
图8是对历史数据经过第三次筛选后的结果示意图;
图9是室外温度集合和实际供热量集合的第二次拟合曲线;
图10是热网历史运行数据关于回水温度随室外温度变化的拟合曲线;
图11是经过两次修正后负荷预报曲线与未经过筛选的原始数据的负荷预报曲线的对比图;
图12是本发明方法的流程图。
具体实施方式
具体实施方式一:下面结合图1至图12说明本实施方式,本实施方式方法根据热网历史运行数据绘制随室外温度变化的实际供热量分布图,并按以下步骤获取负荷预报曲线,来进行负荷预报:
步骤一、获取N个供热工况历史数据点的集合,所述供热工况历史数据点的集合包括室外温度集合和实际供热量集合,室外温度集合T0=[t01,t02,…,t0i,…t0N],实际供热量集合Q=[q1,q2,…,qi,…qN];
步骤二、采用最小二乘法将步骤一获取的室外温度集合和实际供热量集合拟合成一次曲线,第一次拟合后供热量q′与室外温度t0的关系为:
q′=kt0+b,
式中,k为第一次拟合曲线的一次项系数,b为第一次拟合曲线的常数项系数;
步骤三、获取与室外温度集合T0对应的第一次拟合后供热量集合Q′=[q1′,q2′,…,qi′,…qN′];
步骤四、获取相同室外温度下实际供热量与第一次拟合曲线中对应的供热量的偏差绝对值,进而获取所有室外温度下的偏差绝对值集合E=[e1,e2,…,ei,…eN]:
步骤五、按从大到小的顺序去除偏差绝对值集合中10%的数据点,获取新的数据点集合;
步骤六、判断是否已经执行步骤一至步骤五大于等于3次,
判断结果为否,令N=N-10%N,然后返回执行步骤一,判断结果为是,执行步骤七,即:重复执行步骤一至步骤五的筛选过程3次,获得筛选过的数据点集合然后执行步骤七,
步骤七、将筛选过的数据点集合中的所有数据点采用最小二乘法拟合成一次曲线,第二次拟合后供热量qp与室外温度t0的关系为:
qp=At0+B,
式中,A为第二次拟合曲线的一次项系数,B为第二次拟合曲线的常数项系数;
步骤八、对步骤七获取的第二次拟合曲线进行两次修正,获取负荷预报曲线,进行负荷预报。
首先,整理热网历史运行数据,热网运行历史数据包括室外温度t0、供水温度tS、回水温度tr、供水流量GS、回水流量Gr和供回水压力等参数。首先要将供水温度tS、回水温度tr和供水流量GS通过公式(1)整合成一个参数即供热量q,然后将每天的供热工况点表示在以室外平均温度为横轴,以热源供热量为纵轴的坐标平面上,如图1所示:
q=3.6ρcGS(ts-tr) (1)
其中:q——供热量,MW;
ρ——水的密度,1000kg/m3;
c——水的比热容,4.2kJ/(kg·℃);
GS——供水流量,m3/h;
tS——供水温度,℃;
tr——回水温度,℃。
从图1中可以看出,数据点的分布范围很大且很分散,说明这些数据点中包含不合理供热即超量供热和供热不足的数据点,因此下面按照步骤一至步骤五所述过程对图1所示的历史数据进行筛选。
根据《供热工程》中供热负荷的计算公式(2)可知在建筑物固定且室内温度一定的情况下,热负荷的大小只与室外温度有关且为一次线性关系,因此供热负荷和室外温度的关系可以用一次直线方程表示。
q=KF(tn-t0) (2)
其中,K——建筑物围护结构的传热系数,W/m2·℃;
F——维护结构的面积,m2;
tn——冬季室内计算温度,℃。
执行步骤一,获取N个供热工况历史数据点的集合,所述供热工况历史数据点的集合包括室外温度集合和实际供热量集合,室外温度集合T0=[t01,t02,…,t0i,…t0N],实际供热量集合Q=[q1,q2,…,qi,…qN];室外温度集合和实际供热量集合为两个一维数组。
执行步骤二,采用最小二乘法将步骤一获取的室外温度集合和实际供热量集合拟合成一次曲线,如图2所示,第一次拟合后供热量q′与室外温度t0的关系为:
q′=kt0+b (3)
式中,k为第一次拟合曲线的一次项系数,b为第一次拟合曲线的常数项系数;
执行步骤三、根据曲线方程(3)和室外温度集合T0可以获取第一次拟合后供热量集合Q′=[q1′,q2′,…,qi′,…qN′];
执行步骤四,计算实际供热量与第一次拟合曲线上对应点的偏差,如图3所示,获取相同室外温度下实际供热量与第一次拟合曲线中对应的供热量的偏差绝对值,如图4所示,进而获取所有室外温度下的偏差绝对值集合E=[e1,e2,…,ei,…eN]:
执行步骤五,对所有工况点的偏差绝对值进行排序,按从大到小的顺序去除偏差绝对值集合中10%的数据点,获取新的数据点集合,如图5所示。
去掉10%的数据量,N的赋值发生变化,令N=N-10%N,再重复执行步骤一至步骤五的筛选过程两次,然后执行步骤七,即步骤一至步骤五的筛选过程进行了三次,图1所示的原始数据经过三次筛选后的结果如图6至图8所示,剔除了很多不合理的数据。
执行步骤七、将筛选过的数据点采用最小二乘法拟合成一次曲线,第二次拟合后供热量qp与室外温度t0的关系为:
qp=At0+B,
式中,A为第二次拟合曲线的一次项系数,B为第二次拟合曲线的常数项系数;
将图8所示的新的数据采用最小二乘法拟合的一次曲线如图9所示,这个拟合曲线作为负荷预报曲线最有更合理的性能,为了让负荷预报曲线能够适应实际供热情况的变化,进一步增加预报的准确性,我们在后续的过程中进行两次修正,以期得到更合理的负荷预报曲线。
执行步骤八、对步骤七获取的第二次拟合曲线进行两次修正,获取负荷预报曲线,进行负荷预报。
两次修正包括根据供热面积修正和根据回水温度修正,两次修正的具体过程为:
首先根据供热面积修正负荷预报曲线:
现在我国城市的建设速度十分快,每年都有大量的新建建筑投入使用,因此热力公司每年的实际供热面积是不断变化的。用上一年挖掘出来的负荷预报曲线直接来指导今年供热运行是不合理的,要根据实际供热面积进行修正。经过修正的负荷预报曲线为:
式中,F0——上一个供暖季的供热总面积,m2,
F1——当前供暖季的供热总面积,m2,
然后根据回水温度修正负荷预报曲线:
在实际供热过程中,如果从热源供向建筑物的热量不足,那么房间温度降低,回水温度也降低;如果热源向建物供给的热量超额,房间温度升高,回水温度也相应升高,因此回水温度是反映供热是否适量的一个指标。
统计整个供暖季的回水温度值和对应回水温度的室外温度值,将它们表示在以室外温度为横轴,回水温度为纵轴的坐标平面上,用一次曲线拟合两者之间的关系,结果见图10,回水温度设定值tr,s的获取方法:
步骤a、根据步骤一获得的室外温度集合T0=[t01,t02,…,t0i,…t0N]和供热历史数据绘制随室外温度变化的回水温度分布图;
步骤b、获取N个回水温度数据点的集合,所述回水温度数据点的集合包括室外温度集合和回水温度集合,回水温度集合Tr=[t1,t2,…,ti,…tN];
步骤c、采用最小二乘法将步骤一获取的室外温度集合和回水温度集合拟合成一次曲线,拟合后曲线作为回水温度设定值tr,s,回水温度设定值tr,s与室外温度t0的关系为:
tr,s=mt0+n,
式中,m为拟合曲线的一次项系数,n为拟合曲线的常数项系数。
在实际供热过程中,将回水温度设定值作为控制目标,如果实际的回水温度tr和回水温度设定值tr,s之间有偏差,就用这个偏差来修正预测负荷的值,修正以后的负荷预测公式为:
式中,ρ——水的密度,1000kg/m3;
c——水的比热容,4.2kJ/(kg·℃);
GS——供水流量,m3/h;
tr,s——回水温度设定值,℃;
tr,i——前一天第i时刻的回水温度值,℃;
剔除不合理的供热数据,保留较合理的供热数据,再经过两个修正后的负荷预报曲线和原来相比更合理了,如图11所示。
Claims (3)
1.基于热网历史数据挖掘的负荷预报方法,其特征在于,根据供热历史数据绘制随室外温度变化的实际供热量分布图,并按以下步骤获取负荷预报曲线,来进行负荷预报:
步骤一、获取N个供热工况历史数据点的集合,所述供热工况历史数据点的集合包括室外温度集合和实际供热量集合,室外温度集合T0=[t01,t02,…,t0i,…t0N],实际供热量集合Q=[q1,q2,…,qi,…qN];
步骤二、采用最小二乘法将步骤一获取的室外温度集合和实际供热量集合拟合成一次曲线,第一次拟合后供热量q′与室外温度t0的关系为:
q′=kt0+b,
式中,k为第一次拟合曲线的一次项系数,b为第一次拟合曲线的常数项系数;
步骤三、获取与室外温度集合T0对应的第一次拟合后供热量集合Q′=[q1′,q2′,…,qi′,…qN′];
步骤四、获取相同室外温度下实际供热量与第一次拟合曲线中对应的供热量的偏差绝对值,进而获取所有室外温度下的偏差绝对值集合E=[e1,e2,…,ei,…eN]:
步骤五、按从大到小的顺序去除偏差绝对值集合中10%的数据点,获取新的数据点集合;
步骤六、判断是否已经执行步骤一至步骤五大于等于3次,
判断结果为否,令N=N-10%N,然后返回执行步骤一,判断结果为是,执行步骤七,
步骤七、将筛选过的数据点集合中的所有数据点采用最小二乘法拟合成一次曲线,第二次拟合后供热量qp与室外温度t0的关系为:
qp=At0+B,
式中,A为第二次拟合曲线的一次项系数,B为第二次拟合曲线的常数项系数;
步骤八、对步骤七获取的第二次拟合曲线进行两次修正,获取负荷预报曲线,进行负荷预报。
3.根据权利要求2所述的基于热网历史数据挖掘的负荷预报方法,其特征在于,回水温度设定值tr,s的获取方法:
步骤a、根据步骤一获得的室外温度集合T0=[t01,t02,…,t0i,…t0N]和供热历史数据绘制随室外温度变化的回水温度分布图;
步骤b、获取N个回水温度数据点的集合,所述回水温度数据点的集合包括室外温度集合和回水温度集合,回水温度集合Tr=[t1,t2,…,ti,…tN];
步骤c、采用最小二乘法将步骤一获取的室外温度集合和回水温度集合拟合成一次曲线,拟合后曲线作为回水温度设定值tr,s,回水温度设定值tr,s与室外温度t0的关系为:
tr,s=mt0+n,
式中,m为拟合曲线的一次项系数,n为拟合曲线的常数项系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105215660A CN101976426A (zh) | 2010-10-27 | 2010-10-27 | 基于热网历史数据挖掘的负荷预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105215660A CN101976426A (zh) | 2010-10-27 | 2010-10-27 | 基于热网历史数据挖掘的负荷预报方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101976426A true CN101976426A (zh) | 2011-02-16 |
Family
ID=43576308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105215660A Pending CN101976426A (zh) | 2010-10-27 | 2010-10-27 | 基于热网历史数据挖掘的负荷预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101976426A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136105A (zh) * | 2011-03-22 | 2011-07-27 | 哈尔滨工业大学 | 基于相量测量单元的电力网络新息图参数估计方法 |
CN102542358A (zh) * | 2011-12-31 | 2012-07-04 | 曙光信息产业股份有限公司 | 用于气象业务系统中的优化预报结果的方法和装置 |
CN103017253A (zh) * | 2012-12-06 | 2013-04-03 | 鞍山市海汇自动化有限公司 | 一种集中供热全网热平衡控制方法 |
CN107944654A (zh) * | 2017-10-13 | 2018-04-20 | 国网山东省电力公司青岛供电公司 | 一种电力特性分析方法及装置 |
CN108154258A (zh) * | 2017-11-27 | 2018-06-12 | 国网北京市电力公司 | 空气源热泵负荷的预测方法、装置、存储介质和处理器 |
CN110261547A (zh) * | 2019-07-04 | 2019-09-20 | 北京思路创新科技有限公司 | 一种空气质量预报方法和设备 |
CN110296774A (zh) * | 2019-07-04 | 2019-10-01 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种针对液冷冷板的热载荷快速辨识方法 |
CN110736133A (zh) * | 2019-11-01 | 2020-01-31 | 北京硕人时代科技股份有限公司 | 一种室温平衡度确定方法、装置及系统 |
CN110736132A (zh) * | 2019-11-01 | 2020-01-31 | 北京硕人时代科技股份有限公司 | 一种室温稳定度确定方法、装置及系统 |
CN110736130A (zh) * | 2019-11-01 | 2020-01-31 | 北京硕人时代科技股份有限公司 | 一种室温偏离度确定方法、装置及系统 |
CN110736131A (zh) * | 2019-11-01 | 2020-01-31 | 北京硕人时代科技股份有限公司 | 一种综合室温确定方法、装置及系统 |
CN110909904A (zh) * | 2018-09-17 | 2020-03-24 | 济南热力集团有限公司 | 基于无线互联与数据挖掘技术的终端用户负荷预测系统 |
CN111156587A (zh) * | 2019-10-22 | 2020-05-15 | 瑞纳智能设备股份有限公司 | 换热站控制系统及室温特性曲线模型ai算法 |
CN111637633A (zh) * | 2020-06-04 | 2020-09-08 | 青海绿能数据有限公司 | 一种用于固体蓄热炉恒温回水的控制方法 |
-
2010
- 2010-10-27 CN CN2010105215660A patent/CN101976426A/zh active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136105A (zh) * | 2011-03-22 | 2011-07-27 | 哈尔滨工业大学 | 基于相量测量单元的电力网络新息图参数估计方法 |
CN102542358A (zh) * | 2011-12-31 | 2012-07-04 | 曙光信息产业股份有限公司 | 用于气象业务系统中的优化预报结果的方法和装置 |
CN103017253A (zh) * | 2012-12-06 | 2013-04-03 | 鞍山市海汇自动化有限公司 | 一种集中供热全网热平衡控制方法 |
CN107944654A (zh) * | 2017-10-13 | 2018-04-20 | 国网山东省电力公司青岛供电公司 | 一种电力特性分析方法及装置 |
CN108154258A (zh) * | 2017-11-27 | 2018-06-12 | 国网北京市电力公司 | 空气源热泵负荷的预测方法、装置、存储介质和处理器 |
CN108154258B (zh) * | 2017-11-27 | 2021-11-05 | 国网北京市电力公司 | 空气源热泵负荷的预测方法、装置、存储介质和处理器 |
CN110909904A (zh) * | 2018-09-17 | 2020-03-24 | 济南热力集团有限公司 | 基于无线互联与数据挖掘技术的终端用户负荷预测系统 |
CN110261547A (zh) * | 2019-07-04 | 2019-09-20 | 北京思路创新科技有限公司 | 一种空气质量预报方法和设备 |
CN110296774A (zh) * | 2019-07-04 | 2019-10-01 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种针对液冷冷板的热载荷快速辨识方法 |
CN110296774B (zh) * | 2019-07-04 | 2021-03-09 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种针对液冷冷板的热载荷快速辨识方法 |
CN111156587A (zh) * | 2019-10-22 | 2020-05-15 | 瑞纳智能设备股份有限公司 | 换热站控制系统及室温特性曲线模型ai算法 |
CN111156587B (zh) * | 2019-10-22 | 2022-02-01 | 瑞纳智能设备股份有限公司 | 换热站控制系统及室温特性曲线模型ai算法 |
CN110736131A (zh) * | 2019-11-01 | 2020-01-31 | 北京硕人时代科技股份有限公司 | 一种综合室温确定方法、装置及系统 |
CN110736130A (zh) * | 2019-11-01 | 2020-01-31 | 北京硕人时代科技股份有限公司 | 一种室温偏离度确定方法、装置及系统 |
CN110736132A (zh) * | 2019-11-01 | 2020-01-31 | 北京硕人时代科技股份有限公司 | 一种室温稳定度确定方法、装置及系统 |
CN110736133A (zh) * | 2019-11-01 | 2020-01-31 | 北京硕人时代科技股份有限公司 | 一种室温平衡度确定方法、装置及系统 |
CN111637633A (zh) * | 2020-06-04 | 2020-09-08 | 青海绿能数据有限公司 | 一种用于固体蓄热炉恒温回水的控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101976426A (zh) | 基于热网历史数据挖掘的负荷预报方法 | |
CN110264080B (zh) | 一种绿色建筑运行性能评价方法、装置、设备及存储介质 | |
CN102818337A (zh) | 一种基于物联网的地源热泵系统监测装置 | |
Kim et al. | Development of methodology for calibrated simulation in single-family residential buildings using three-parameter change-point regression model | |
CN108197404B (zh) | 一种基于时间遗传特性的建筑负荷预测方法 | |
CN106056252B (zh) | 一种页岩气田井组划分三级优化方法 | |
Ruiz-Calvo et al. | Reference data sets for validating GSHP system models and analyzing performance parameters based on a five-year operation period | |
Lenoir et al. | Users' behavior and energy performances of net zero energy buildings | |
Li | Use of building energy simulation software in early-stage of design process | |
CN114925874A (zh) | 一种基于bert神经网络模型的碳排量预判方法及装置 | |
CN103591638A (zh) | 一种适用于通断调节模式下的集中供热热量分摊方法及系统 | |
Sozer et al. | Dynamic evaluation method to increase the effect of the automation system on the building energy performance | |
CN104048354A (zh) | 一种基于户表热计量用户热分摊的热计量系统及热量分摊方法 | |
CN105698412A (zh) | 一种利用天气预报的集中式太阳能热水系统的控制方法 | |
Wang et al. | Dynamic building energy demand modelling at urban scale for the case of Switzerland | |
KR101089170B1 (ko) | 지역난방 네트워크의 고급 프로세스 제어 방법 | |
Peper et al. | Energy efficiency of the Passive House Standard: expectations confirmed by measure-ments in practice | |
Hossain et al. | Energy audit and base case simulation of Ryerson University buildings | |
Kim et al. | Deterministic vs. stochastic calibration of energy simulation model for an existing building | |
CN109933942A (zh) | 一种基于支持向量机的换热站温度控制模型建模方法 | |
German et al. | Residential mechanical precooling | |
KR20200022952A (ko) | 도시의 형상 및 에너지 소비 패턴을 이용한 도시 유형 구분 방법 | |
Zhao et al. | A new method for building energy consumption statistics evaluation: ratio of real energy consumption expense to energy consumption | |
Rabani et al. | Parametric analysis of ground source heat pump system for heating of office buildings in Nordic climate | |
Avotins et al. | IoT Solution Approach for Energy Consumption Reduction in Buildings: Part 4. Mathematical Model and Experiments for Cooling Energy Consumption |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110216 |