CN103649852A - 建筑物能量消耗的预测方法 - Google Patents

建筑物能量消耗的预测方法 Download PDF

Info

Publication number
CN103649852A
CN103649852A CN201280031332.5A CN201280031332A CN103649852A CN 103649852 A CN103649852 A CN 103649852A CN 201280031332 A CN201280031332 A CN 201280031332A CN 103649852 A CN103649852 A CN 103649852A
Authority
CN
China
Prior art keywords
buildings
energy
forecasting methodology
predict good
period
Prior art date
Application number
CN201280031332.5A
Other languages
English (en)
Inventor
X·勒·皮沃特
Original Assignee
原子能及能源替代委员会
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to FR1154057 priority Critical
Priority to FR1154057A priority patent/FR2975206B1/fr
Application filed by 原子能及能源替代委员会 filed Critical 原子能及能源替代委员会
Priority to PCT/EP2012/058837 priority patent/WO2012152939A1/fr
Publication of CN103649852A publication Critical patent/CN103649852A/zh

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00Systems controlled by a computer
    • G05B15/02Systems controlled by a computer electric
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05FSYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
    • G05F1/00Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
    • G05F1/66Regulating electric power

Abstract

一种预测建筑物的能量消耗的预测方法,其特征在于包括基于由计算机实施的物理模型、考虑接收的太阳辐射的热交换和/或建筑物与外界环境之间的热对流和/或传导的步骤,以及包括用来基于建筑物在过去所进行的测量来推导所述物理模型的参数值的学习步骤。

Description

建筑物能量消耗的预测方法
[0001] 本发明涉及一种建筑物的热能管理方法以及实施这样的方法的热能系统。本发明还涉及包括实施这样的方法的软件的载体。最后,本发明还涉及装备了这样的热能系统的建筑物。
[0002] 对建筑物能量消耗的预测可以用于预计建筑物的供热或空气调节并且在任何时候都能达到居住者所希望的舒适度。然而,表征建筑物的热现象是复杂的并且难以被认知。
[0003] 为此,现有技术中的第一种解决方案建立在长时段、例如一年中存储的数据和测量的值进行分析的基础上。特别是,建筑物的能量消耗和内部温度的值以及相应的气象学数据(如外部温度和光照时间)根据时间而被存储。基于通过神经网络类型的方法进行数字处理的混合化允许确定代表过去这些数据的数学模型,该模型之后被用于实现未来预测。该方法基于人工智能,需要大量数据以达到可接受的结果,这不但耗时长且需要复杂的计算。另一方面,由于该方法不基于现象的物理研究,其存在局限并且无法在任何情况下都达到足够的精确性。
[0004] 现有技术中的第二种解决方案基于用重大简化对物理现象建立模型,以便不需要过多的计算装置。在这种建立模型中,与外界的热交换、例如辐射或对流类型的热交换都被忽略不计。
[0005] 在所有这些情况下,得出的结果都无法令人满意,因此需要一种改进的解决方案来预测建筑物的能量消耗。
[0006] 为此,本发明基于一种预测建筑物的能量消耗的预测方法,其特征在于包括基于通过计算机实施的物理模型来考虑接收的太阳辐射的热交换和/或在建筑物与外界环境之间的热对流希/或热交换的步骤,其特征还在于包括用来基于对建筑物在过去所进行的测量来推导所述物理模型的参数值的学习步骤。
[0007] 更确切地,本发明涉及一种预测建筑物的能量消耗的预测方法,其特征在于包括一个步骤,该步骤考虑由供热和/或空调设备对建筑物的供热或降温,被动太阳能供给,内部收益供给,如人员和家用器具的供热带来的内部受益供给,以及建筑物与外界环境之间的热对流和/或热传导类型的热损失(Pertes_thermiques),其特征在于该预测方法包括用来基于对建筑物在过去所进行的测量来推导所述物理模型的参数值的学习步骤,该学习步骤包括:
[0008]-基于在日照较少的时段的过去测量来确定所述物理模型的与内部收益和/或与热损失相关的至少一个参数;
[0009]-基于在日照充足的时段的过去测量来确定所述物理模型的与被动太阳能供给相关的至少一个参数。
[0010] 本发明还涉及一种信息载体,其包括实施如前所述的预测建筑物的能量消耗的预测方法的几个步骤的计算机程序。
[0011] 本发明还涉及一种预测建筑物的能量消耗的预测系统,其特征在于包括一个控制单元,该控制单元实施如前所述的预测建筑物的能量消耗的预测方法。
[0012] 所述预测建物筑的能量消耗的预测系统包括供热和/或空调设备以及控制单元,该控制单元能够根据所需要的温度设定值,通过对供热和/或空调设备致动来调节建筑物的内部温度。
[0013] 本发明还涉及一种建筑物,其特征在于包括预测建筑物的能量消耗的预测系统,所述预测系统实施如上述的预测建筑物的能量消耗的预测方法。
[0014] 本发明通过权利要求书更加确切地限定。
[0015] 本发明的这些目的、特征和优点将在以下结合唯一附图非限制性地对具体实施方式的描述中进行详细说明,唯一附图示意性地示出建筑物以及本发明所考虑的不同能量现象。 [0016] 本发明基于对建筑物的外部热现象的更好考虑,这些外部热现象如辐射和/或对流和/或传导。尤其是,其允许更好地考虑某些气象现象(如风、被动太阳能供给)对建筑物的影响。本发明基于允许在保持与由计算机进行的相对简单处理相兼容的简易性的同时对物理现象进行考虑的折衷。
[0017] 根据本发明的一种实施方式,建筑物中的热平衡可以写为如下:
[0018] PC=PT+PV- (Pasp+Pi) +S
[0019]其中:
[0020] P。是所述建筑物的供热或冷却所需要的功率;
[0021] PT表示建筑物的缺陷导致的功率损失,比如导致向外部传导热量或是向内部传导热量的非隔离墙壁;
[0022] PV表示通风导致的功率损失;
[0023] Pasp表示由被动太阳能供给带来的功率;
[0024] Pi表示由内部收益带来的功率,如所在人员的人体和家用器具散发的热量等等;
[0025] S表示建筑物内累积的热通量。
[0026]由被动太阳能供给带来的功率主要来自进入建筑物中的太阳福射,随着建筑物的隔热性提高而变得越来越不可忽略。如图1中可见,这些供给取决于太阳的位置,并且因此取决于季节和时间,这是因为根据不同的角度,这种辐射到达建筑物的不同表面。例如,在位置Pl的太阳辐射Rl表示的是冬季某个特定时间的情形。在夏天,在相同的时间,太阳辐射R2则大不目同,位置P2要高得多。由此可见建筑物I所接收的太阳辐射可以有很大差
[0027] 通过在一天的一个时段上进行能量平衡,前面的等式允许获得建筑物的能量消耗的预测方法,该方法考虑以下等式(I):
[0028]
Figure CN103649852AD00061
[0029] 在所选择的时间段内进行假设,将该时间段起始和结束时的建筑物的平均温度视为相同,则与热惯性相关的建筑物热能为零,即/ S=O0如果不是这种情形,作为变型,则可以考虑建筑物蓄积或释放的热量(热惯性)。
[0030] 为了计算被动太阳能供给,考虑建筑物是有多个接收表面的整体,对于这些表面定义称为“等效接收面积”的系数K叫,该系数表示黑体的面积,该黑体的面积表示与所考虑的接收表面具有相同的被动太阳能供给。用这个定义,对于具有五个接收表面的建筑物可以获得以下等式:
[0031]
Figure CN103649852AD00071
[0032] 其中Gi (t)代表在时刻t由该表面接收的辐照度(瓦特/平方米)。考虑天空中太阳的位置,其可以基于气象数据和几何计算而被计算出来。
[0033] 在该实施方式中,建筑物的物理模型考虑将该建筑物分为五个接收表面。作为变型,根据建筑物的建筑结构,可以考虑任何其它数目的表面,有利地介于I至10之间,优选地介于3和6之间,以便达到在计算复杂性和模型精确性之间的较好折衷。
[0034] 建筑物的能量消耗的预测方法包括学习步骤,其允许估算不同的参数Arai,如下文详细说明那样。
[0035] 建筑物在一个白昼里的热损失可以通过以下等式进行估算:
[0036]
Figure CN103649852AD00072
[0037] 其中GV表示热损失系数(瓦特/摄氏度),允许使热损失取决于建筑物的内部温
度Tint和外部温度Trart之差。
[0038] 内部供给表示建筑物内的设备和人员带来的热量。这些供给是不规则的并且取决于建筑物内部的活动。为了将其简化,其被视为可重复的,并且取两个不同时段(工作日和周末,对于这些时段而言建筑物中的活动规律不同)的常数平均值。作为变型,这些热量供给还可以因季节而异。所确定的平均值最终是在这些不同时段内测量的平均值。
[0039] 作为变型,可以根据建筑物的居住率、针对这些内部供给来预先定义几个不同的曲线,因为仅存在人时产生热供给,和/或建筑物内部的活动产生热供给,如使用炉灶(更通常地说,可以是任何能够带来热量的器具)与否。
[0040] 供热和空气调节的功率是基于建筑物的不同供热和空气调节设备的知识而被计算出的。
[0041] 学习方法允许计算用于前述等式中的不同参数。等式(I)通过与前文提及的等式
(2)和(3)结合,可以写为如下:
[0042]
Figure CN103649852AD00073
[0043] 学习将允许通过把日照较少的时段与日照充分的时段区分开来基于所述建筑物的已知过去值计算这些参数。这些时段例如是通过比较晴天时所测量的光照时间与理论的光照时间进行比较而被定义的。
[0044] 首先,对于日照时间较少的时段,被动太阳能供给可以被忽略并且等式(4)可以
简化如下:
[0045]
Figure CN103649852AD00074
[0046] 假设白天的内部供给可以取两个不同的恒定值,第一个恒定值用于工作日而第二个恒定值用于周末。因此等式(5)的未知数则为GV、/ 白昼1Pi或/白昼2pi
[0047] 通过选择无日照的几天,对于这几天可以测量得到等式(5)的其余值pe、Τint、Τext,就可以计算或在任何情况下估算上述三个未知数。
[0048] 作为变型,可以运用其它模型,以及例如针对内部供给而被预定义的其它任何类型的曲线。因此,应注意到学习步骤可包括对与日照较少时段(对该时段,被动太阳能供给可忽略)和居住较少时段(对该时段,内部收益或供给可忽略)的热损失相关的参数的第一学习。随后,在日照较少的时段(对该时段,被动太阳能供给可忽略)和建筑物居住时段(对该时段,内部收益或供给不可忽略),与内部供给相关的参数可以作为学习的目标。
[0049]当物理模型随后被用于计算例如达到某个温度设定值所需要的供热,或用于计算建筑物内部针对特定供热的未来温度时,如下文将进行详述的,根据建筑物的居住和/或建筑物内部的活动,可以在预定义的几个曲线中选择考虑内部供给的曲线。这种选择可以是完全或部分自动化的,例如基于存在传感器、活动测量(用于检测例如炉灶的使用)检测器。
[0050] 随后,考虑对其应用等式⑷的几个日照充足的白天。因此该等式的未知数为参数Areqio Gi(t)值是根据测得的气象数据和几何计算(包括太阳在天空中的位置)而计算得出的。
[0051] 使用几个日照充足的白天,就可以得到足够的等式(4)(至少n)以便找到未知数
Areq, i的集合。
[0052] 需注意,通过学习这样定义的参数可以被一些随着时间进行的补充测量被细化。
[0053] 当等式(4)的这些参数通过学习被知道后,可以考虑以下等式出),其表征建筑物内部的温度波动:
[0054]
Figure CN103649852AD00081
[0055] 其中C表示建筑物的热容量。
[0056] 为了利用该等式,实施用于估算参数C的值的新学习步骤。
[0057] 对于多云的白天,被动太阳能供给可以忽略,并且在每个时刻可以写下:
[0058]
Figure CN103649852AD00082
[0059] 可进行近似Pi(t) = ( / 白昼Pi) / 24h,也就是说忽略白天时的内部供给的波动并考虑其平均值用于解答上述等式(7)。作为变型,还可以在比白天更短的时段上确定内部供给Pi(t)的平均曲线,并规则地更新该测量来考虑季节变化或其它变化。
[0060] 等式(7)的所有其它量要么被测量得出,要么已为前述的学习所知。
[0061] 使用通过等式(7)之前计算出的e(t)在白天的平均值最终得到C。
[0062]
Figure CN103649852AD00083
[0063] 需注意,对于日照充足的白天,可以进行相似的计算但要考虑被动太阳能供给。
[0064] 以上的计算因此是学习步骤的一部分,其允许确定针对建筑物所选择的热模型建立的参数。随后,可以实施用于估算建筑物的未来能量消耗的估算方法,以便能够保证居住者在未来的热舒适性。作为补充,该计算还允许通过考虑针对产能实体而给定的领土上存在的所有建筑物来预测该领土上的产能需求。
[0065] 为了定义居住者对舒适性的希望,由建筑物的居住者们定义将来所希望的室内温度曲线。建筑物内部的温度调节系统在任何时刻计算能量需求,更确切地,确定室内的不同供热或空调设备的运转以便能够在任何时刻达到温度设定值。
[0066] 为此,所有参数现在均已知的前文提及的等式(6)被再次利用,用于推算建筑物内部在每个时刻的能量消耗:
[0067]
Figure CN103649852AD00091
[0068] 其中,Tint是期望的室内温度设定值,Trart是基于气象预报计算出的外部温度,Gi (t)是基于气象预报和包括太阳在天空中位置的几何计算而被计算出的辐照度。需注意,当该计算在近实时中实现或用于短期预报,且不用于中长期预报时,并不必须借助气象数据,该气象数据可以被简单的测量数据取代。
[0069] 本发明还涉及预测建筑物的能量需求的预测系统,其包括允许实施前文描述的方法的计算机。该系统有利地与建筑物的供热和空调设备相关联,以便基于为达到居住着希望的舒适度而计算出的能量消耗来实施热调节。该系统包括例如控制单元,该控制单元包括实施前文描述的方法的计算机。该方法可以通过存储在信息载体上的软件装置来实施。
[0070] 最后,建筑物可以配备实施前文描述的方法的建筑物的能量消耗预测系统,用于调节或是更广义地管理其供热设备和/或空调设备。
[0071] 这样,所选定的解决方案达成了本发明的目的并具有以下优点:
[0072]-允许使用足够简单但考虑最重要的热现象的计算,来控制能量消耗并实现建筑物的更好热调节;
[0073]-在学习阶段,允许通过定义专用于各建筑物的热参数来达到较大的精度。
[0074] 最后,所描述的解决方案代表了在前文提及的现有技术的两个解决方案之间的有利折衷,因为其组合了建筑物的精巧物理建模和过去测量知识。
[0075] 通过考虑被动太阳能供给描述了实施方式。作为变型,被动太阳能供给可以通过不同于所描述的方法的另一种方法进行建模。此外,根据另一种变型,也可以考虑热对流和/或热传导,例如考虑风的影响,尤其是在建筑物位于多风地区的情况下。而同样的学习原则也允许定义表示这些物理现象的模型的参数。

Claims (17)

1.一种预测建筑物的能量消耗的预测方法,该预测方法由计算机实施并使用考虑了以下方面的物理模型:由供热和/或空调设备对建筑物的供热或降温(P。),被动太阳能供给(Pasp),内部收益供给(Pi),如人员和家用器具的供热带来的内部受益供给,以及建筑物与外界环境之间的热对流和/或热传导类型的热损失(Pertes_thermiques),其特征在于该预测方法包括用来基于对建筑物在过去所进行的测量来推导所述物理模型的参数值的学习步骤,该学习步骤包括: -基于在日照较少的时段的过去测量来确定所述物理模型的与内部收益和/或与热损失相关的至少一个参数; -基于在日照充足的时段的过去测量来确定所述物理模型的与被动太阳能供给相关的至少一个参数。
2.根据权利要求1所述的预测建筑物的能量消耗的预测方法,其特征在于学习步骤包括以下步骤: -基于在日照较少并且建筑物居住率较低的时段的过去测量来确定所述物理模型的与热损失相关的至少一个参数;和/或 -基于在日照较少并且建筑物居住的时段的过去测量来确定所述物理模型与内部收益相关的至少一个参数。
3.根据前述权利要求之一所述的预测建筑物的能量消耗的预测方法,其特征在于,该预测方法在学习步骤之后包括所述物理模型的使用步骤,用于根据温度设定值Tint (t)计算用于建筑物的供热或降温的未来能量消耗。
4.根据前述权利要求之一所述的预测建筑物的能量消耗的预测方法,其特征在于,建筑物在给定时段通过被动太阳能供给而接收到的能量通过以下公式计算:
Figure CN103649852AC00021
其中Pasp表示被动太阳能供给,Arabi表示建筑物的η个表面中的表面i的等效接收面积,GJt)表示在时刻t由表面i所接收的辐照度,单位为瓦特/平方米,辐照度是通过考虑太阳在天空中的位置、基于气象学数据、测量结果和几何计算而计算出的,其特征在于所述学习步骤包括通过考虑在日照充足时段在过去对建筑物进行的测量来计算不同的Arai, i值。
5.根据权利要求4所述的预测建筑物的能量消耗的预测方法,其特征在于所述物理模型把η值视为介于I和10之间以用于计算通过被动太阳能供给所接收的能量。
6.根据前述权利要求之一所述的预测建筑物的能量消耗的预测方法,其特征在于所述物理模型通过以下等式计算在给定时段上建筑物的能量平衡:
Figure CN103649852AC00022
其中: P。是用于建筑物的供热或降温所需要的功率; PT表示通过向外部传输现象所损失的功率, PV表示通过通风所损失的功率; Pasp表示通过被动太阳能供给而得来的功率; Pi表示通过内部收益得来的功率,内部收益如人员和家用器具的供热。
7.根据权利要求6所述的预测建筑物的能量消耗的预测方法,其特征在于包括以下步骤:该步骤将选定时段上建筑物的与热惯性相关的热能视为零,即/ S=O0
8.根据权利要求6或7所述的预测建筑物的能量消耗的预测方法,其特征在于,建筑物在给定时段上的热损失通过以下等式计算:
Figure CN103649852AC00031
其中GV表示热损失系数,单位为W/°C,Tint表示建筑物的内部温度以及Trait表示建筑物的外部温度。
9.根据权利要求6至8之一所述的预测建筑物的能量消耗的预测方法,其特征在于,所述内部收益在给定时段上被视为等同于常数值,该常数值是考虑到建筑物内部的活动和/或居住的情况下的所述给定时段的平均值。
10.根据权利要求8或9所述的预测建筑物的能量消耗的预测方法,其特征在于,所述学习步骤包括通过考虑在日照较少并且被动太阳能供给可忽略的时段在过去对建筑物进行的测量来确定参数GV和ίΡζ_的第一子步骤。
11.根据前述权利要求之一所述的预测建筑物的能量消耗的预测方法,其特征在于通过以下等式考虑建筑物内部的温度波动:
Figure CN103649852AC00032
其中c表示能够在学习步骤时估算出的建筑物的热容量。
12.根据权利要求11所述的预测建筑物的能量消耗的预测方法,其特征在于,所述学习步骤包括通过以下公式基于在无日照的时段在过去对建筑物进行的测量来计算在给定时刻的值的子步骤:
Figure CN103649852AC00033
以及通过计算t(t)值在给定时段上的平均值最终计算得至c:
Figure CN103649852AC00034
13.根据权利要求12所述的预测建筑物的能量消耗的预测方法,其特征在于,通过以下等式根据温度设定值tint(t)来计算用于建筑物的供热或降温的未来能量消耗:
Figure CN103649852AC00035
其中Trait (t)是基于气象预报或基于测量而计算出的外部温度,Gi (t)表示在时刻t基于气象预报或基于测量以及基于包括太阳在天空中的位置在内的几何计算而被计算出的由表面i接收到的辐照度,单位为瓦特/平方米。
14.一种包括计算机程序的信息载体,该计算机程序实施根据前述权利要求之一所述的预测建筑物的能量消耗的预测方法的步骤。
15.一种预测建筑物的能量消耗的预测系统,其特征在于该预测系统包括控制单元,该控制单元实施根据权利要求1至13之一所述的预测建筑物的能量消耗的预测方法。
16.根据权利要求15所述的预测建筑物的能量消耗的预测系统,其特征在于该预测系统包括供热和/或空调设备,以及控制单元根据希望的温度设定值通过对供热和/或空调设备进行致动来调节建筑物的内部温度。
17.一种建筑物,其特征在于,包括实施根据权利要求1至13之一所述的预测建筑物的能量消耗的预测方法的预测建筑物`的能量消耗的预测系统。
CN201280031332.5A 2011-05-11 2012-05-11 建筑物能量消耗的预测方法 CN103649852A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
FR1154057 2011-05-11
FR1154057A FR2975206B1 (fr) 2011-05-11 2011-05-11 METHOD FOR PREDICTING THE ENERGY CONSUMPTION OF A BUILDING
PCT/EP2012/058837 WO2012152939A1 (fr) 2011-05-11 2012-05-11 Procede de prevision de la consommation energetique d'un batiment

Publications (1)

Publication Number Publication Date
CN103649852A true CN103649852A (zh) 2014-03-19

Family

ID=46149416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280031332.5A CN103649852A (zh) 2011-05-11 2012-05-11 建筑物能量消耗的预测方法

Country Status (10)

Country Link
US (1) US9507333B2 (zh)
EP (1) EP2707781B1 (zh)
JP (1) JP6104235B2 (zh)
CN (1) CN103649852A (zh)
AU (1) AU2012252299A1 (zh)
BR (1) BR112013028854A2 (zh)
ES (1) ES2568911T3 (zh)
FR (1) FR2975206B1 (zh)
WO (1) WO2012152939A1 (zh)
ZA (1) ZA201308673B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104699991A (zh) * 2015-03-30 2015-06-10 哈尔滨工业大学 基于灰色系统理论的城镇供热系统年供热量预测方法
CN106200415A (zh) * 2016-07-07 2016-12-07 西安建筑科技大学 一种基于物理特性的建筑热环境控制建模方法
CN108700851A (zh) * 2015-10-30 2018-10-23 环球设计有限公司 用于预测能量消耗的系统、方法和基于云的平台

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT514241A1 (de) 2013-04-30 2014-11-15 Blue Sky Wetteranalysen Traunmüller U Reingruber Og Steuerung einer Vorrichtung in Abhängigkeit von prognostizierten Umgebungsparametern
CN103761578B (zh) * 2013-12-25 2017-10-31 国家电网公司 基于多元线性回归的太阳辐照预报方法
US20150330923A1 (en) * 2014-05-15 2015-11-19 Palo Alto Research Center Incorporated Computer-Implemented System And Method For Externally Assessing A Building's Susceptibility To Heat Loads
FR3022660B1 (fr) * 2014-06-23 2016-10-21 Electricite De France Dispositif d'affichage d'informations energetiques concernant au moins un batiment
FR3038716B1 (fr) * 2015-07-06 2021-01-01 Qivivo Procede de determination d'un diagnostic thermique d'un batiment
DE102016015503A1 (de) 2016-12-24 2018-06-28 Consolar Solare Energiesysteme Gmbh Heiz- und/oder Kühlsystem mit prädiktivem Energiemanagement

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2212949A (en) * 1987-11-26 1989-08-02 Stonecrest Limited Energy management system
WO2007061357A1 (en) * 2005-11-22 2007-05-31 Sveriges Meteorologiska Och Hydrologiska Institut Method of controlling the heating of a building at a desired level
CN201262704Y (zh) * 2008-08-25 2009-06-24 西安建筑科技大学 一种用于住宅节能的无线监控装置
US7881889B2 (en) * 2005-12-21 2011-02-01 Barclay Kenneth B Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0821650A (ja) * 1994-07-06 1996-01-23 Toshiba Corp ビル制御装置
JPH08210689A (ja) * 1995-02-07 1996-08-20 Hitachi Plant Eng & Constr Co Ltd 空調熱負荷予測システム
JP3585021B2 (ja) * 1997-08-22 2004-11-04 三菱電機株式会社 蓄熱装置及び蓄熱装置の運転方法
JP4659304B2 (ja) * 2001-09-21 2011-03-30 大阪瓦斯株式会社 住宅のエネルギー消費量演算用データ作成装置
CA2480551A1 (en) * 2002-03-28 2003-10-09 Robertshaw Controls Company Energy management system and method
JP2005037109A (ja) * 2003-07-17 2005-02-10 Hitachi Air Conditioning System Co Ltd 空調照明連動制御システム
US7502768B2 (en) * 2004-02-27 2009-03-10 Siemens Building Technologies, Inc. System and method for predicting building thermal loads
JP4410046B2 (ja) * 2004-07-12 2010-02-03 三菱電機ビルテクノサービス株式会社 空調熱源設備の熱負荷予測装置および方法
JP4392604B2 (ja) * 2004-09-07 2010-01-06 清水建設株式会社 空調負荷予測方法
US7894943B2 (en) * 2005-06-30 2011-02-22 Sloup Charles J Real-time global optimization of building setpoints and sequence of operation
CA2650968A1 (en) * 2006-05-03 2007-11-15 Lightwave Technologies Limited A method of optimising energy consumption
US7925552B2 (en) * 2008-03-13 2011-04-12 Solarcity Corporation Renewable energy system monitor
US20100010939A1 (en) * 2008-07-12 2010-01-14 David Arfin Renewable energy system business tuning
US20100235206A1 (en) * 2008-11-14 2010-09-16 Project Frog, Inc. Methods and Systems for Modular Buildings
FR2941328B1 (fr) * 2009-01-19 2012-11-02 Commissariat Energie Atomique METHOD FOR PREDICTING THE ELECTRIC PRODUCTION OF A PHOTOVOLTAIC DEVICE
US8855830B2 (en) * 2009-08-21 2014-10-07 Allure Energy, Inc. Energy management system and method
GB201005320D0 (en) * 2010-03-30 2010-05-12 Telepure Ltd Improvements in controllers, particularly controllers for use in heating, ventilation and air conditioning systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2212949A (en) * 1987-11-26 1989-08-02 Stonecrest Limited Energy management system
WO2007061357A1 (en) * 2005-11-22 2007-05-31 Sveriges Meteorologiska Och Hydrologiska Institut Method of controlling the heating of a building at a desired level
US7881889B2 (en) * 2005-12-21 2011-02-01 Barclay Kenneth B Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm
CN201262704Y (zh) * 2008-08-25 2009-06-24 西安建筑科技大学 一种用于住宅节能的无线监控装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李爱旗等: "居住建筑能耗预测分析方法的研究", 《建筑科学》, vol. 23, no. 8, 31 August 2007 (2007-08-31), pages 32 - 35 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104699991A (zh) * 2015-03-30 2015-06-10 哈尔滨工业大学 基于灰色系统理论的城镇供热系统年供热量预测方法
CN104699991B (zh) * 2015-03-30 2017-11-07 哈尔滨工业大学 基于灰色系统理论的城镇供热系统年供热量预测方法
CN108700851A (zh) * 2015-10-30 2018-10-23 环球设计有限公司 用于预测能量消耗的系统、方法和基于云的平台
CN106200415A (zh) * 2016-07-07 2016-12-07 西安建筑科技大学 一种基于物理特性的建筑热环境控制建模方法
CN106200415B (zh) * 2016-07-07 2020-09-11 西安建筑科技大学 一种基于物理特性的建筑热环境控制建模方法

Also Published As

Publication number Publication date
JP6104235B2 (ja) 2017-03-29
BR112013028854A2 (pt) 2017-08-01
ZA201308673B (en) 2015-02-25
EP2707781B1 (fr) 2016-02-03
US20150148976A1 (en) 2015-05-28
FR2975206B1 (fr) 2014-04-04
JP2014514585A (ja) 2014-06-19
ES2568911T3 (es) 2016-05-05
US9507333B2 (en) 2016-11-29
EP2707781A1 (fr) 2014-03-19
AU2012252299A1 (en) 2013-11-28
WO2012152939A1 (fr) 2012-11-15
FR2975206A1 (fr) 2012-11-16

Similar Documents

Publication Publication Date Title
US10210568B2 (en) Coordination of thermostatically controlled loads with unknown parameters
Harish et al. A review on modeling and simulation of building energy systems
US10452090B2 (en) Controlling building systems
EP3286501B1 (en) Predictive building control system and method for optimizing energy use and thermal comfort for a building or network of buildings
Ferreira et al. Neural networks based predictive control for thermal comfort and energy savings in public buildings
Dobbs et al. Model predictive HVAC control with online occupancy model
Corbin et al. A model predictive control optimization environment for real-time commercial building application
Atam et al. Ground-coupled heat pumps: Part 1–Literature review and research challenges in modeling and optimal control
Ahmad et al. Predictive modelling for solar thermal energy systems: A comparison of support vector regression, random forest, extra trees and regression trees
US10353983B2 (en) Temperature controlled systems
Wang et al. A novel ensemble learning approach to support building energy use prediction
Fracastoro et al. A methodology for assessing the energy performance of large scale building stocks and possible applications
Li et al. Applying support vector machine to predict hourly cooling load in the building
Li et al. Assessment of linear emulators in lightweight Bayesian calibration of dynamic building energy models for parameter estimation and performance prediction
Hu et al. Investigation of demand response potentials of residential air conditioners in smart grids using grey-box room thermal model
Buratti et al. Unsteady simulation of energy performance and thermal comfort in non-residential buildings
Djuric et al. Optimization of energy consumption in buildings with hydronic heating systems considering thermal comfort by use of computer-based tools
Ascione et al. Simulation-based model predictive control by the multi-objective optimization of building energy performance and thermal comfort
Li et al. Multi-objective optimization for thermal mass model predictive control in small and medium size commercial buildings under summer weather conditions
Wang et al. Simplified building model for transient thermal performance estimation using GA-based parameter identification
Kneifel et al. Predicting energy performance of a net-zero energy building: A statistical approach
Sun et al. Building energy management: Integrated control of active and passive heating, cooling, lighting, shading, and ventilation systems
Ascione et al. Building envelope design: Multi-objective optimization to minimize energy consumption, global cost and thermal discomfort. Application to different Italian climatic zones
Asadi et al. Multi-objective optimization for building retrofit strategies: A model and an application
Hernandez et al. Analytical models of thermal performance of solar air heaters of double-parallel flow and double-pass counter flow

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140319