CN104573851A - 一种基于气象温度预报的建筑逐时负荷预测方法 - Google Patents

Abstract

本发明公开了一种基于气象温度预报的建筑逐时负荷预测方法，包括步骤：建立建筑模型；获得建筑模型的全年逐时负荷模拟全年逐时负荷模拟；进行历史逐时能耗数据校核；未来1天建筑逐时负荷预测；未来1周建筑逐时负荷预测。与现有技术相比，本发明能够建立建筑全年逐时负荷模拟数据库，经历史数据校核后结合数据偏差分析方法，遴选出未来一天或一周的逐时负荷数据，大大提高了预测精度；全局搜索能力强；运行速度快，操作简便。

Description

一种基于气象温度预报的建筑逐时负荷预测方法

技术领域

本发明涉及一种基于数据偏差分析的预测方法，具体涉及一种基于气象温度预报的建筑冷(热)负荷预测方法。

背景技术

建筑冷负荷的经典理论计算方法有冷负荷系数法、谐波反应法等，热负荷的经典理论计算方法为传热系数法。在实际工程中建筑冷(热)负荷预测方法主要是负荷指标估算法、软件模拟方法等。

建筑冷(热)负荷的经典理论计算方法，虽然精确度较高，但由于其计算过程相当复杂，耗时耗力，在实际工程计算中并不常用。

负荷指标估算的方法，即：将各单体建筑的负荷指标乘以面积，然后逐一叠加，再乘以同时使用系数得到区域建筑的负荷，这种方法过于粗略，往往会造成负荷高估，造成能源配置时的浪费。

目前，建筑物逐时冷(热)负荷的模拟计算已发展的较为成熟。研究人员提出的各种研究方法或研发的各种模拟计算软件很多已经投入使用。欧美有很多成熟的专业模拟计算软件，如美国的DOE-2、BLAST、EnergyPlus，英国的ESP-r；国内开发的DeST能耗模拟计算软件也已经开始应用。但往往是基于典型气象年的气象数据做模拟计算，由于实际气象条件与典型气象年的气象数据存在较大出入，对于建筑实际逐时负荷的预测计算误差较大。

鉴于建筑实际逐时冷(热)负荷与室外逐时温度有，现有建筑冷(热)负荷预测方法存在如下问题：①理论计算过程复杂，实际工程应用性较差；②负荷指标估算法过于简化，仅可用来做负荷估算，不能得到全年逐时负荷；③软件模拟计算大都是基于典型气象年逐时温度数据或某一年的历史逐时温度数据，进行负荷模拟计算的，往往与实际气象条件有较大出入，因此造成预测结果准确度降低。因此有必要对建筑逐时负荷预测方法提出进一步的改进。

发明内容

为了克服上述现有技术，本发明提出了一种基于气象温度预报的建筑逐时负荷预测方法，利用建筑负荷模拟数据库结合数据偏差分析，实现对未来1天建筑逐时冷(热)负荷的精确预测以及未来1周建筑逐时冷(热)负荷的粗略预测。

本发明的提出了一种本发明基于气象温度预报的建筑逐时冷(热)负荷预测方法，包括如下步骤：

步骤1、基于建筑模拟软件建立建筑模型；

步骤2、依据上述建筑模型，以建筑模型所在地区典型气象年的气象数据作为输入，得到该建筑全年8760小时的逐时负荷模拟全年逐时负荷模拟；

步骤3、进行历史逐时能耗数据校核，使得历史逐时能耗数据与建筑模型模拟计算得到的数据的误差，如不满足，进行建筑模型修正；并得到全年逐时负荷数据库；

步骤4、基于气象预报的24小时逐时温度与典型气象年或最近一年温度记录的差值，从全年负荷数据库中遴选出最接近的24小时逐时负荷作为未来1天建筑逐时负荷预测值；

步骤5、基于气象预报的最高温度和最低温度与典型气象年或最近一年温度记录的差值，从全年负荷数据库中遴选出最接近的24小时逐时负荷，作为未来1周建筑逐时负荷预测值。

所述步骤1的建筑模型，该模型的相关参数至少包括建筑围护结构、建筑用能系统、室内用电设备、建筑运营时间、人员信息。

所述步骤3的历史逐时能耗数据与建筑模型模拟计算得到的数据的误差应满足以下两个条件：

标准平均偏差(NMBE)控制在±10以内；

均方根误差变异系数(CVRMSE)控制在±30以内；

所述步骤4，还具体包括以下处理：

设定计算季节及工作日或非工作日，创建24小时逐时温度数组及逐时负荷数组；

逐时负荷数组赋初值，判定条件为：首先通过季节设定确定计算天数范围，然后判定工作日或非工作日设定是否相一致，遴选出第一个相符的24小时对应的负荷数据作为初值；

读取未来24小时逐时预测温度，与运算季节内每一天的历史逐时温度进行方差之和的叠加计算，在工作日或非工作日设定相一致的条件下，选取最小值对应日的24小时负荷数据，作为未来24小时的建筑逐时负荷预测值。

所述步骤5，还具体包括以下处理：

设定计算季节及工作日或非工作日，创建日最高温度、最低温度数组及24小时逐时负荷数组；

逐时负荷数组赋初值，判定条件为：首先通过季节设定确定计算天数范围，然后判定工作日或非工作日设定是否相一致，遴选出第一个相符的24小时对应的负荷数据作为初值；

读取未来1天内气象最高温度和最低温度预报数据，与运算季节内每一天的历史最高温度和最低温度进行方差之和的叠加计算，在工作日或非工作日设定相一致的条件下，选取最小值对应日的24小时负荷数据，作为未来24小时的建筑逐时负荷预测值；

以此方法计算7天，根据未来7天内气象最高温度和最低温度预报数据，计算得到未来1周的建筑逐时负荷值。

与现有技术相比，本发明所提供的技术方案的积极效果是：

1)预测精确度高。首先建立建筑全年逐时负荷模拟数据库，经历史数据校核后结合数据偏差分析方法，遴选出未来一天或一周的逐时负荷数据，大大提高了预测精度。

2)全局搜索能力强。算法在每一次迭代运算中，挑选偏差最小的点作为全局最优点，并保存，以此作为最优参数。

3)运行操作方便。本发明可经由程序语言开发专用工具，运行速度快，操作简便。

附图说明

图1是本发明的基于气象温度预报的建筑逐时冷(热)负荷预测方法流程图。

图2是是的未来一天建筑逐时冷(热)负荷预测方法流程图；*根据建筑实际供冷/供热日期确定，如天津地区夏季供冷期(计算范围)为6月2日～9月10日，共计101天；冬季供热期(计算范围)为(1月1日～3月15日)+(11月16日～12月31日)，共计120天；

图3是未来一周建筑逐时冷(热)负荷预测方法流程图；*根据建筑实际供冷/供热日期确定，如天津地区夏季供冷期(计算范围)为6月2日～9月10日，共计101天；冬季供热期(计算范围)为(1月1日～3月15日)+(11月16日～12月31日)，共计120天。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明，但本发明的实施范围并不局限于此。

图1所示为本发明基于气象温度预报的建筑逐时冷(热)负荷预测方法流程图，包括如下步骤：

步骤11、建筑模型建立。调研建筑物基本信息，包括设计图纸、用能账单、室内用电设备、建筑运营时间、人员信息等，利用建筑能耗模拟软件如EnergyPlus，建立完整的建筑模型，包括建筑分区设置、围护结构参数、用能系统及设备等。

步骤12、全年逐时负荷模拟。针对步骤1所建立的建筑模型，输入建筑所在地区典型气象年(或最近一年)的气象数据，运行建筑能耗模拟软件，得到该建筑全年8760小时的逐时冷、热负荷计算结果。

步骤13、历史数据校核及模型修正。通过调研得到该建筑的历史逐时能耗数据，与步骤2计算得到的结果进行校验，平均误差控制应满足相应标准要求，如不满足应重新修正建筑模型直至满足标准要求为止，由此得到全年逐时冷(热)负荷数据库。在模拟数据与历史能耗数据校核的过程中，关键通过不断调整模型设置控制两者的误差范围在有关标准规定的范围内。此步非常重要，经过校核的模型及其运行结果将作为后续负荷预测的基础数据库，此步过程的准确程度将直接影响负荷预测结果的准确性；。

步骤14、未来1天建筑逐时冷(热)负荷预测值。基于气象预报的24小时逐时温度与典型气象年(或最近一年)温度记录的差值，从全年负荷数据库中遴选出最接近的24小时逐时负荷作为未来1天建筑逐时冷(热)负荷预测值。

步骤15、未来1周建筑逐时冷(热)负荷预测值。基于气象预报的最高温度和最低温度与典型气象年(或最近一年)温度记录的差值，从全年负荷数据库中遴选出最接近的24小时逐时负荷作为未来1周建筑逐时冷(热)负荷预测值。

图2所示为未来一天建筑逐时冷(热)负荷预测方法流程图，包括如下步骤：

步骤21、首先确定预测日是工作日还是非工作日，与计算期内负荷数据库的记录进行对比，判断设置是否相同，若是则继续进行计算，否则跳出本次计算，继续判断计算期内的下一日。

步骤22、输入未来24小时逐时温度预测值，并读入计算期内第1天逐时温度初值，计算其差值的平方和作为后续判断的初始值。

步骤23、逐日判断差值的平方和是否小于初始值，若是则替换初始值作为后续比较的基准，否则跳出计算下一日。

步骤24、输出差值平方和最小值对应日期的24小时负荷数据作为预测负荷值。

图3所示为未来一周建筑逐时冷(热)负荷预测方法流程图，包括如下步骤：

步骤31、首先确定预测日是工作日还是非工作日，与计算期内负荷数据库的记录进行对比，判断设置是否相同，若是则继续进行计算，否则跳出本次计算，继续判断计算期内的下一日。

步骤32、输入预测日最高温度和最低温度预测值，并读入计算期内第1天最高温度和最低温度的初值，计算其差值的平方和作为后续判断的初始值。

步骤33、逐日判断差值的平方和是否小于初始值，若是则替换初始值作为后续比较的基准，否则跳出计算下一日。

步骤34、输出差值平方和最小值对应日期的24小时负荷数据作为预测负荷值。以此方法可重复执行计算，得到未来7日内的建筑逐时冷(热)负荷预测方法流程图。

尽管上面结合图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以作出很多变形，这些均属于本发明的保护之内。

Claims (5)

1.一种基于气象温度预报的建筑逐时负荷预测方法，所述逐时符合包括冷、热负荷，其特征在于，该方法包括以下步骤：

步骤(1)、基于建筑模拟软件建立建筑模型；

步骤(2)、依据上述建筑模型，以建筑模型所在地区典型气象年的气象数据作为输入，得到该建筑模型的全年8760小时的逐时负荷模拟全年逐时负荷模拟；

步骤(3)、进行历史逐时能耗数据校核，使得历史逐时能耗数据与建筑模型模拟计算得到的数据的误差，如不满足，进行建筑模型修正；并得到全年逐时负荷数据库；

步骤(4)、基于气象预报的24小时逐时温度与典型气象年或最近一年温度记录的差值，从全年负荷数据库中遴选出最接近的24小时逐时负荷作为未来1天建筑逐时负荷预测值；

步骤(5)、基于气象预报的最高温度和最低温度与典型气象年或最近一年温度记录的差值，从全年负荷数据库中遴选出最接近的24小时逐时负荷，作为未来1周建筑逐时负荷预测值。

2.如权利要求1所述的基于气象温度预报的建筑逐时负荷预测方法，其特征在于，所述建筑模型的相关参数至少包括建筑围护结构、建筑用能系统、室内用电设备、建筑运营时间、人员信息。

3.如权利要求1所述的基于气象温度预报的建筑逐时负荷预测方法，其特征在于，所述步骤(3)的历史逐时能耗数据与建筑模型模拟计算得到的数据的误差应满足以下两个条件：

标准平均偏差(NMBE)控制在±10以内；

均方根误差变异系数(CVRMSE)控制在±30以内。

4.如权利要求1所述的基于气象温度预报的建筑逐时负荷预测方法，其特征在于，所述步骤(4)，还具体包括以下处理：

设定计算季节及工作日或非工作日，创建24小时逐时温度数组及逐时负荷数组；

逐时负荷数组赋初值，判定条件为：首先通过季节设定确定计算天数范围，然后判定工作日或非工作日设定是否相一致，遴选出第一个相符的24小时对应的负荷数据作为初值；

读取未来24小时逐时预测温度，与运算季节内每一天的历史逐时温度进行方差之和的叠加计算，在工作日或非工作日设定相一致的条件下，选取最小值对应日的24小时负荷数据，作为未来24小时的建筑逐时负荷预测值。

5.如权利要求1所述的基于气象温度预报的建筑逐时负荷预测方法，其特征在于，所述步骤(5)，还具体包括以下处理：

设定计算季节及工作日或非工作日，创建日最高温度、最低温度数组及24小时逐时负荷数组；

逐时负荷数组赋初值，判定条件为：首先通过季节设定确定计算天数范围，然后判定工作日或非工作日设定是否相一致，遴选出第一个相符的24小时对应的负荷数据作为初值；

读取未来1天内气象最高温度和最低温度预报数据，与运算季节内每一天的历史最高温度和最低温度进行方差之和的叠加计算，在工作日或非工作日设定相一致的条件下，选取最小值对应日的24小时负荷数据，作为未来24小时的建筑逐时负荷预测值；

以此方法计算7天，根据未来7天内气象最高温度和最低温度预报数据，计算得到未来1周的建筑逐时负荷值。