CN104573851A - 一种基于气象温度预报的建筑逐时负荷预测方法 - Google Patents
一种基于气象温度预报的建筑逐时负荷预测方法 Download PDFInfo
- Publication number
- CN104573851A CN104573851A CN201410802386.8A CN201410802386A CN104573851A CN 104573851 A CN104573851 A CN 104573851A CN 201410802386 A CN201410802386 A CN 201410802386A CN 104573851 A CN104573851 A CN 104573851A
- Authority
- CN
- China
- Prior art keywords
- load
- building
- hourly load
- hours
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410802386.8A CN104573851B (zh) | 2014-12-19 | 2014-12-19 | 一种基于气象温度预报的建筑逐时负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410802386.8A CN104573851B (zh) | 2014-12-19 | 2014-12-19 | 一种基于气象温度预报的建筑逐时负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104573851A true CN104573851A (zh) | 2015-04-29 |
CN104573851B CN104573851B (zh) | 2018-12-11 |
Family
ID=53089866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410802386.8A Active CN104573851B (zh) | 2014-12-19 | 2014-12-19 | 一种基于气象温度预报的建筑逐时负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573851B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106910144A (zh) * | 2017-01-11 | 2017-06-30 | 华南理工大学 | 基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法 |
CN107392368A (zh) * | 2017-07-17 | 2017-11-24 | 天津大学 | 一种基于气象预报的办公建筑动态热负荷组合预测方法 |
CN108022017A (zh) * | 2017-12-11 | 2018-05-11 | 中国水利水电科学研究院 | 一种基于气候变化的能源消耗预测方法 |
CN108153222A (zh) * | 2017-11-24 | 2018-06-12 | 北京算云联科科技有限公司 | 一种能源控制方法及装置 |
CN108168170A (zh) * | 2017-12-30 | 2018-06-15 | 北京工业大学 | 一种基于在线辨识的冷库制冷系统智能控制方法 |
CN108197404A (zh) * | 2018-01-22 | 2018-06-22 | 河北工业大学 | 一种基于时间遗传特性的建筑负荷预测方法 |
CN108846510A (zh) * | 2018-05-30 | 2018-11-20 | 新奥泛能网络科技有限公司 | 基于用户行为的建筑负荷指标优化方法及装置 |
CN109130767A (zh) * | 2017-06-28 | 2019-01-04 | 北京交通大学 | 基于客流的轨道交通车站通风空调系统的智能控制方法 |
CN109297086A (zh) * | 2018-09-10 | 2019-02-01 | 常州英集动力科技有限公司 | 热力站负荷分时段滚动预测及自适应矫正方法及系统 |
CN109405057A (zh) * | 2018-10-25 | 2019-03-01 | 中冶华天包头设计研究总院有限公司 | 供热热指标的获取方法和调节热负荷的方法 |
CN109543903A (zh) * | 2018-11-21 | 2019-03-29 | 珠海格力电器股份有限公司 | 一种空气源热泵能耗预测方法及系统 |
CN109933850A (zh) * | 2019-02-02 | 2019-06-25 | 天津大学 | 一种居住建筑热负荷模型分步校准方法 |
CN110097205A (zh) * | 2019-03-15 | 2019-08-06 | 天津大学 | 一种建筑负荷预测用气象预报数据预处理方法 |
CN110210525A (zh) * | 2019-05-14 | 2019-09-06 | 天津大学 | 基于K-Means聚类的设计日气象要素逐时变化特征提取方法 |
CN110651157A (zh) * | 2017-03-27 | 2020-01-03 | 博世株式会社 | 信息处理装置和信息处理方法 |
CN111310126A (zh) * | 2020-02-14 | 2020-06-19 | 天津大学 | 一种适用于规划阶段区域建筑的空调负荷预测方法 |
CN111829140A (zh) * | 2020-06-03 | 2020-10-27 | 西安工程大学 | 一种基于全年逐时负荷计算的纺织空调自控调节方法 |
CN112215474A (zh) * | 2020-09-18 | 2021-01-12 | 上海市建筑科学研究院有限公司 | 一种冷水机组用能运行特征模型 |
CN112628948A (zh) * | 2020-12-17 | 2021-04-09 | 西安交通大学 | 一种空调负荷估算分析方法、系统、装置及存储介质 |
CN112668071A (zh) * | 2019-10-15 | 2021-04-16 | 润弘精密工程事业股份有限公司 | 建筑能耗信息处理方法及系统 |
EP3855079A3 (en) * | 2020-01-27 | 2021-08-04 | Planora Oy | Method for controlling heat delivery in distribution network |
CN113326897A (zh) * | 2021-06-25 | 2021-08-31 | 国网冀北电力有限公司承德供电公司 | 一种架空输电线路的测温计划生成方法、装置和电子设备 |
CN114037142A (zh) * | 2021-11-04 | 2022-02-11 | 建科环能科技有限公司 | 近零能耗社区冷热负荷预测方法 |
-
2014
- 2014-12-19 CN CN201410802386.8A patent/CN104573851B/zh active Active
Non-Patent Citations (4)
Title |
---|
张明: "逐时标准年气象数据在建筑能耗模拟中的应用研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
徐欣: "天津办公建筑冷热负荷特征及预测算法", 《万方学位论文》 * |
王树健: "重庆市大型商场建筑能耗调研与能耗模拟", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
陈进军: "基于建筑能耗基因理论的能耗模拟审计研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106910144A (zh) * | 2017-01-11 | 2017-06-30 | 华南理工大学 | 基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法 |
CN106910144B (zh) * | 2017-01-11 | 2020-04-28 | 华南理工大学 | 基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法 |
CN110651157A (zh) * | 2017-03-27 | 2020-01-03 | 博世株式会社 | 信息处理装置和信息处理方法 |
CN109130767A (zh) * | 2017-06-28 | 2019-01-04 | 北京交通大学 | 基于客流的轨道交通车站通风空调系统的智能控制方法 |
CN109130767B (zh) * | 2017-06-28 | 2020-08-11 | 北京交通大学 | 基于客流的轨道交通车站通风空调系统的智能控制方法 |
CN107392368A (zh) * | 2017-07-17 | 2017-11-24 | 天津大学 | 一种基于气象预报的办公建筑动态热负荷组合预测方法 |
CN107392368B (zh) * | 2017-07-17 | 2020-11-10 | 天津大学 | 一种基于气象预报的办公建筑动态热负荷组合预测方法 |
CN108153222A (zh) * | 2017-11-24 | 2018-06-12 | 北京算云联科科技有限公司 | 一种能源控制方法及装置 |
CN108022017A (zh) * | 2017-12-11 | 2018-05-11 | 中国水利水电科学研究院 | 一种基于气候变化的能源消耗预测方法 |
CN108168170A (zh) * | 2017-12-30 | 2018-06-15 | 北京工业大学 | 一种基于在线辨识的冷库制冷系统智能控制方法 |
CN108197404A (zh) * | 2018-01-22 | 2018-06-22 | 河北工业大学 | 一种基于时间遗传特性的建筑负荷预测方法 |
CN108197404B (zh) * | 2018-01-22 | 2021-03-16 | 河北工业大学 | 一种基于时间遗传特性的建筑负荷预测方法 |
CN108846510A (zh) * | 2018-05-30 | 2018-11-20 | 新奥泛能网络科技有限公司 | 基于用户行为的建筑负荷指标优化方法及装置 |
CN109297086B (zh) * | 2018-09-10 | 2020-10-09 | 常州英集动力科技有限公司 | 热力站负荷分时段滚动预测及自适应矫正方法及系统 |
CN109297086A (zh) * | 2018-09-10 | 2019-02-01 | 常州英集动力科技有限公司 | 热力站负荷分时段滚动预测及自适应矫正方法及系统 |
CN109405057B (zh) * | 2018-10-25 | 2020-06-26 | 中冶西北工程技术有限公司 | 供热热指标的获取方法和调节热负荷的方法 |
CN109405057A (zh) * | 2018-10-25 | 2019-03-01 | 中冶华天包头设计研究总院有限公司 | 供热热指标的获取方法和调节热负荷的方法 |
CN109543903A (zh) * | 2018-11-21 | 2019-03-29 | 珠海格力电器股份有限公司 | 一种空气源热泵能耗预测方法及系统 |
CN109543903B (zh) * | 2018-11-21 | 2021-04-27 | 珠海格力电器股份有限公司 | 一种空气源热泵能耗预测方法及系统 |
CN109933850A (zh) * | 2019-02-02 | 2019-06-25 | 天津大学 | 一种居住建筑热负荷模型分步校准方法 |
CN110097205A (zh) * | 2019-03-15 | 2019-08-06 | 天津大学 | 一种建筑负荷预测用气象预报数据预处理方法 |
CN110210525A (zh) * | 2019-05-14 | 2019-09-06 | 天津大学 | 基于K-Means聚类的设计日气象要素逐时变化特征提取方法 |
CN110210525B (zh) * | 2019-05-14 | 2023-07-04 | 天津大学 | 基于K-Means聚类的设计日气象要素逐时变化特征提取方法 |
CN112668071A (zh) * | 2019-10-15 | 2021-04-16 | 润弘精密工程事业股份有限公司 | 建筑能耗信息处理方法及系统 |
EP3855079A3 (en) * | 2020-01-27 | 2021-08-04 | Planora Oy | Method for controlling heat delivery in distribution network |
CN111310126A (zh) * | 2020-02-14 | 2020-06-19 | 天津大学 | 一种适用于规划阶段区域建筑的空调负荷预测方法 |
CN111310126B (zh) * | 2020-02-14 | 2022-10-14 | 天津大学 | 一种适用于规划阶段区域建筑的空调负荷预测方法 |
CN111829140A (zh) * | 2020-06-03 | 2020-10-27 | 西安工程大学 | 一种基于全年逐时负荷计算的纺织空调自控调节方法 |
CN112215474A (zh) * | 2020-09-18 | 2021-01-12 | 上海市建筑科学研究院有限公司 | 一种冷水机组用能运行特征模型 |
CN112628948A (zh) * | 2020-12-17 | 2021-04-09 | 西安交通大学 | 一种空调负荷估算分析方法、系统、装置及存储介质 |
CN112628948B (zh) * | 2020-12-17 | 2021-11-19 | 西安交通大学 | 一种空调负荷估算分析方法、系统、装置及存储介质 |
CN113326897A (zh) * | 2021-06-25 | 2021-08-31 | 国网冀北电力有限公司承德供电公司 | 一种架空输电线路的测温计划生成方法、装置和电子设备 |
CN114037142A (zh) * | 2021-11-04 | 2022-02-11 | 建科环能科技有限公司 | 近零能耗社区冷热负荷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104573851B (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573851A (zh) | 一种基于气象温度预报的建筑逐时负荷预测方法 | |
Zhao et al. | EnergyPlus model-based predictive control within design–build–operate energy information modelling infrastructure | |
Lee et al. | Optimal HVAC control as demand response with on-site energy storage and generation system | |
Wang et al. | Cooling load forecasting-based predictive optimisation for chiller plants | |
Zhu et al. | Uncertainty and sensitivity analysis of cooling and heating loads for building energy planning | |
CN103853106A (zh) | 一种建筑能源供应设备的能耗预测参数优化方法 | |
CN107506843A (zh) | 一种短期负荷预测方法及装置 | |
Maré | Novel simulations for energy management of mine cooling systems | |
CN115329448B (zh) | 基于bim的装配式建筑施工成本控制方法及系统 | |
CN113919028A (zh) | 一种基于大数据分析的工程造价评估管理系统 | |
CN108197404A (zh) | 一种基于时间遗传特性的建筑负荷预测方法 | |
Ma et al. | Model predictive control of building energy systems with balanced model reduction | |
Cheng et al. | Hierarchical reserve allocation with air conditioning loads considering lock time using Benders decomposition | |
Perekrest et al. | Administrative buildings heating automatic control based on maximum efficiency criterion | |
KR20160027481A (ko) | 건물 에너지 효율화 및 서비스 평가 시스템 및 그의 처리 방법 | |
CN103679289B (zh) | 基于多元回归外推法的电力负荷预测方法 | |
CN113591368A (zh) | 一种综合能源系统多能负荷预测方法及系统 | |
JP4493017B2 (ja) | パラメータ変化に対応するエネルギーシステム運用計画の修正方法および装置およびプログラム | |
Shabani et al. | Predicting building energy consumption using engineering and data driven approaches: A review | |
Mao et al. | Towards fast energy performance evaluation: A pilot study for office buildings | |
CN116995682B (zh) | 一种可调节负荷参与有功潮流连续调整方法与系统 | |
KR20200058035A (ko) | 복합 에너지 자원의 에너지 공급 최적화 장치 및 방법 | |
CN112288139A (zh) | 基于混沌时间序列的空调能耗预测方法、系统及存储介质 | |
CN105243446A (zh) | 一种基于粒子群算法的电量组合预测方法 | |
CN113346489B (zh) | 一种新能源空间耦合性建模评估方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |