CN107169606A - 一种办公建筑冷负荷的预测方法 - Google Patents
一种办公建筑冷负荷的预测方法 Download PDFInfo
- Publication number
- CN107169606A CN107169606A CN201710352567.9A CN201710352567A CN107169606A CN 107169606 A CN107169606 A CN 107169606A CN 201710352567 A CN201710352567 A CN 201710352567A CN 107169606 A CN107169606 A CN 107169606A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- office building
- cooling load
- change
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明属于建筑冷负荷控制技术领域,涉及一种办公建筑冷负荷的预测方法,通过建立办公建筑室外冷负荷模型、办公建筑室内冷负荷模型、办公建筑新风负荷逐时变化模型,获得办公建筑冷负荷模型。本发明基于能量守恒定律和建筑环境中的热平衡关系,从办公建筑内在室人数变化和人员用能模式的角度出发,对办公建筑内部冷负荷扰量进行预测和分析;通过利用气象网站数据来预测办公建筑外部冷负荷和办公建筑新风负荷。本发明建立了空调围护结构、太阳辐射冷负荷逐时变化模型以及空调中的人员、设备、照明冷负荷、人员在室率的逐时变化模型,最终获得办公建筑的冷负荷预测模型。
Description
技术领域
本发明属于建筑冷负荷控制技术领域,具体讲,涉及一种办公建筑冷负荷的预测方法。
背景技术
随着我国经济增长和城市化进程的不断推进,能源的需求也在快速提高。建筑能耗已经接近社会总能耗的三分之一,建筑节能是当前实现节能减排目标的重要课题。目前行业中比较常见的负荷估算方法为面积指标法,该方法虽然能适用于大部分建筑负荷的估算,但估算过于粗略,往往会导致负荷设计值偏大、运行效率偏低,进而造成不必要的能源浪费。采暖空调负荷的预测是准确配置设备系统、实现高效运行和良好的室内环境的基础。
影响办公建筑负荷的因素主要有外部因素和内部因素。其中,外部因素主要包括室外气象条件、围护结构、保温等;内部因素包括人员、设备、照明、室内环境参数等。
办公建筑冷负荷以围护结构为界分为三部分,一部分是通过围护结构传热和透过玻璃窗的日射得热形成的冷负荷,记为室外冷负荷;一部分是室内热源散热形成的冷负荷,记为室内冷负荷;另一部分是新风负荷,由于新风量与人员数量有关,而新风的送风温差又与室内设计温度有关,故将其单独列为一部分。
发明内容
为了克服上述现有技术的不足,本发明提出一种办公建筑冷负荷的预测方法,适用于办公建筑冷负荷预测,并为空调系统的优化运行提供可靠的参考。
为了达到上述目的,本发明采用以下技术方案:一种办公建筑冷负荷的预测方法,包括以下步骤:
步骤(1):建立人员在室率逐时变化模型:输入参数为在室人数逐时变化值,输出参数为办公建筑人员在室率逐时变化曲线;
步骤(2):建立设备冷负荷逐时变化模型,预测办公建筑内设备逐时冷负荷;输入参数为:设备类型、各类型设备的台数及额定功率;输出参数为办公建筑稳定使用时,设备冷负荷逐时变化曲线;
步骤(3):建立人员冷负荷逐时变化模型,预测人员逐时冷负荷;输入参数为:人员在室率逐时变化模型;输出参数为办公建筑稳定使用时,人员冷负荷逐时变化曲线;
步骤(4):建立照明冷负荷逐时变化模型,预测室内照明逐时冷负荷;输入参数为:办公建筑稳定使用时,灯具数量以及功率;输出参数为办公建筑稳定使用时,照明冷负荷逐时变化曲线;
步骤(5):将上述步骤(2)设备逐时冷负荷、上述步骤(4)照明逐时冷负荷、上述步骤(3)人员逐时冷负荷相加,获得办公建筑室内冷负荷模型,预测办公建筑室内逐时冷负荷;
步骤(6):建立办公建筑新风负荷逐时变化模型,预测新风逐时负荷:输入参数为:室内空气温湿度设定值;输出参数为:新风负荷逐时变化曲线;
步骤(7):建立围护结构冷负荷逐时变化模型,预测围护结构逐时冷负荷:输入参数为:①建筑基本信息,主要包括建筑面积、围护结构的数量、面积、传热系数;②室内温湿度设定值;③室外气象参数预报值;输出参数为:围护结构冷负荷逐时变化曲线;
步骤(8):建立太阳辐射冷负荷逐时变化模型,预测太阳辐射逐时冷负荷:输入参数为:①建筑基本信息,主要包括当地日照得热量、窗户的数量、地点、构造、遮挡情况;②室外气象参数预报值;输出参数为:太阳辐射冷负荷逐时变化曲线;
步骤(9):将上述步骤(7)围护结构逐时冷负荷、上述步骤(8)太阳辐射逐时冷负荷相加,获得办公建筑室外冷负荷模型;
步骤(10):将上述步骤(9)室外逐时冷负荷、上述步骤(5)室内逐时冷负荷、上述步骤(6)新风逐时负荷相加,获得办公建筑冷负荷模型。
所述步骤(1)建立人员在室率逐时变化模型,具体步骤如下:
1)计算人员在室率,人员在室率的定义为当前时刻在室人数与室内设计人数之比:
式中:y为不同时刻的人员在室率,N为办公建筑设计在室人数,nt为t时刻的在室人数;
2)预测目标办公建筑人员在室率变化模型:
将典型的一天上班时间分为上班时间自08:30至09:30、午休时间自11:20至13:00、下班时间自17:20至18:00、工作时间自09:30至11:20以及自13:00至17:20四个时间段,获得每个时间段一周的平均在室人数变化后,对上班时间段、午休时间段和下班时间段分别用下列公式对人员在室率进行拟合:
y=ax3+bx2+cx+d (2)
式中:y为不同时刻的人员在室率;a、b、c、d为模型系数;x为时间。
所述步骤(5)建立办公建筑室内冷负荷模型,具体公式如下:
Qi=Qc+Qe+QL (3)
式中:Qc、Qe、QL均根据室内人员变化数量来确定,具体如下:
(1)、所述步骤(3)建立人员冷负荷逐时变化模型如下:
代入人员在室率可预测得到人员逐时冷负荷,公式如下
式中:Qc为人体显热散热形成的逐时冷负荷,W;qs为不同室温和劳动性质的成年男子显热散热量,W;为集群系数;CLQ为人体显热散热冷负荷系数;(2)、所述步骤(2)建立设备冷负荷逐时变化模型如下:
其中
式中:qe为设备散热量,W;为设备显热散热冷负荷系数;n1为单台设备的使用效率,取值0.15至0.25;n2为设备折合系数,取值1.1;Ne为单台设备的额定功率,W;
(3)、所述步骤(4)建立照明冷负荷逐时变化模型,步骤如下:
a)、对于存在多个照明分区的办公建筑中,灯具开启率根据下式计算:
式中:j为照明分区数量;Uj为开启j个照明分区时的灯具开启率,%;k为办公建筑照明分区数量;mi为第i个照明分区灯具数量;n为办公区域灯具总量;
b)、办公建筑的照明冷负荷可以采用下式预测:
式中:QL为照明瞬时冷负荷,W;α为修正系数;WL为照明灯具所需功率,W;CQL为照明显热散热冷负荷系数。
所述步骤(6)建立办公建筑新风负荷逐时变化模型,具体公式如下:
Qf=Qfs+Qfl (9)
式中,Qf、Qfs、Qfl分别为新风负荷、显热负荷、潜热负荷,W/m2;tτ、tn分别为室外空气温度、室内空气温度,℃;dτ、dn分别为室外空气湿度、室内空气湿度,kg(水)/kg(干空气);Cp为空气比热容,1.01kJ/kg;ρ为空气密度,1.293g/m3;V为单人所需新风量,30m3/(h·人);rt为水的汽化潜热,1718kJ/kg。
所述步骤(9)建立办公建筑室外冷负荷逐时变化模型,公式如下:
Qt=Qts+Qtr (12)
室外逐时冷负荷由所述步骤(7)围护结构逐时冷负荷和步骤(8)太阳辐射逐时冷负荷组成;
(1)、所述步骤(7)建立围护结构冷负荷逐时变化模型,具体公式如下:
式中:Qts为围护结构逐时冷负荷,W;A为围护结构面积,m2;SURF为围护结构的数量;F为围护结构的传热系数,W/(m2·K);
(2)、所述步骤(8)建立太阳辐射冷负荷预测模型,公式如下:
式中:Qtr为太阳辐射逐时冷负荷,W;R为典型年太阳总辐射强度,W/m2;KT为天气预报修正系数;Xg、Xd、Xz分别为窗户的构造修正系数、地点修正系数、遮挡系数;EXP为窗户数量;S为窗户面积,m2。
本发明的有益效果:
1、本发明基于能量守恒定律和建筑环境中的热平衡关系,从办公建筑内在室人数变化和人员用能模式的角度出发,对办公建筑内部冷负荷扰量进行预测和分析。同时利用气象网站的公开数据对围护结构、太阳辐射和新风冷负荷进行预测。基于热平衡可以准确把握办公建筑冷负荷的变化规律和实际需求。因此本发明建立了空调中的人员、设备和照明、围护结构、太阳辐射、新风冷负荷模型以及人员在室率的模型,并将各负荷模型叠加进而对空调系统的设计运行提出预测冷负荷。
2、与现有主要的负荷预测方法相比,本发明具有计算简便,准确度高,可推广性强的优势,能够对办公建筑冷负荷进行计算和预测,为空调系统合理设计和运行调节提供参考。
3、对于拟投入使用的办公建筑,采用本发明的方法可以实现空调负荷的准确预测,从而避免空调系统选型过大的情况出现,对于已经投入使用的办公建筑,可以根据办公人数变化,给出调节空调系统运行模式的依据,最大程度上实现办公建筑的节能。
附图说明
图1为本发明预测方法原理图。
图2为典型办公建筑人员在室率变化示意图。
图3为本发明人员在室率的拟合曲线示意图。
图4为典型办公建筑设备功率与在室人数关系图。
图5为办公建筑中照明控制模式示意图。
图6为典型年室外辐射照度。
具体实施方式
下面通过具体实施例和附图对本发明作进一步的说明。本发明的实施例是为了更好地使本领域的技术人员更好地理解本发明,并不对本发明作任何的限制。
本发明一种办公建筑内部冷负荷的预测方法,包括下列步骤:
步骤(1):建立人员在室率逐时变化模型:输入参数为在室人数逐时变化值,输出参数为办公建筑人员在室率变化曲线;
步骤(2):建立设备冷负荷逐时变化模型,预测办公建筑内设备逐时冷负荷:输入参数为:设备类型、各类型设备的台数及额定功率;输出参数为办公建筑稳定使用时,设备冷负荷逐时变化曲线;
步骤(3):建立人员冷负荷逐时变化模型,预测人员逐时冷负荷:输入参数为在室人数在室率逐时变化模型;输出参数为办公建筑稳定使用时,人员冷负荷逐时变化曲线;
步骤(4):建立照明冷负荷逐时变化模型,预测室内照明负荷逐时值:输入参数为办公建筑稳定使用时,灯具数量以及功率;输出参数为办公建筑稳定使用时,照明冷负荷逐时变化曲线;
步骤(5):将上述步骤(2)设备逐时冷负荷、上述步骤(4)照明逐时冷负荷、上述步骤(3)人员逐时冷负荷相加,获得办公建筑内部冷负荷模型,预测办公建筑室内逐时冷负荷;
步骤(6):建立新风负荷逐时变化模型,预测新风逐时负荷:输入参数为:室内空气温湿度设定值;输出参数为:新风负荷逐时变化曲线;
步骤(7):建立围护结构冷负荷逐时变化模型,预测围护结构逐时冷负荷:输入参数为:①建筑基本信息,主要包括建筑面积、围护结构的数量、面积、传热系数②室内温湿度设定值③室外气象参数预报值;输出参数为:围护结构冷负荷逐时变化曲线;
步骤(8):建立太阳辐射冷负荷逐时变化模型,预测太阳辐射逐时冷负荷:输入参数为:①建筑基本信息,主要包括当地日照得热量、窗户的数量、地点、构造、遮挡情况;②室外气象参数预报值;输出参数为:太阳辐射冷负荷逐时变化曲线;
步骤(9):将上述步骤(7)围护结构逐时冷负荷、上述步骤(8)太阳辐射逐时冷负荷相加,获得办公建筑室外冷负荷模型;
步骤(10):将上述步骤(9)室外逐时冷负荷、上述步骤(5)室内逐时冷负荷、上述步骤(6)新风负荷相加,获得办公建筑冷负荷模型。
实施例:一种办公建筑冷负荷的预测方法,在基于实际设计和使用的基础上,提出了人员在室率逐时变化模型、设备冷负荷逐时变化模型、人员冷负荷逐时变化模型、照明冷负荷逐时变化模型、围护结构冷负荷逐时变化模型、太阳辐射冷负荷逐时变化模型和新风负荷模型七个模型,每个模型的提出都是基于大量的对行政、商业、教育科研等各类建筑中典型办公建筑的实测数据分析总结而来,具有较高的准确性和可操作性。办公建筑冷负荷的具体方法原理如图1所示。本实施例将各个模型建立的方法公布如下,模型的建立具体分为信息采集方法、数据处理办法及预测计算方法。
步骤(1)、建立人员在室率逐时变化模型
本发明在安装红外线传感器的人员数量信息采集装置记录人员进出及在室情况的基础上,将至少一周的在室人数信息进行统计,整理成以60分钟为间隔的数列,将此人员在室率序列与时间序列进行拟合,确定人员在室率随时间的变化规律。
通过对多地的办公建筑实地调研发现,人员在室率在工作时间(09:30-11:20及13:00-17:20)基本不变,呈小范围波动,此时人员在室率为最大值。而在上班时间(08:30-09:30)内,人员在室率从约等于0逐渐上升至最大值。下班时间(17:20-18:00)的变化趋势则刚好相反。午休时间(11:20-13:00)内人员在室率呈“V”型变化。图2为典型办公建筑人员在室率变化示意图。基于以上结论,给出人员在室率逐时变化曲线:
如图3所示,对于在人员在室率变化较大的三个时间段,认为人员在室率的分布特征在一定程度上符合三次多项式曲线的变化趋势,在通过人员数量信息采集模块所获得的每个时间段平均人员在室率后,即可分别用下列公式对人员在室率进行拟合:
y=ax3+bx2+cx+d (2)
式中,y为不同时刻的人员在室率;a、b、c、d为模型系数;x为时间。由于时间的计数方式不是十进制,故先将一天的时间转换为0至1之间的小数,转换值如表1所示:
表1 x各时刻对应值
0:00 | 1:00 | 2:00 | 3:00 | 4:00 | 5:00 | 6:00 | 7:00 | 8:00 | 9:00 | 10:00 | 11:00 |
0 | 0.0416 | 0.0833 | 0.125 | 0.1666 | 0.2083 | 0.25 | 0.2916 | 0.3333 | 0.375 | 0.4166 | 0.4583 |
12:00 | 13:00 | 14:00 | 15:00 | 16:00 | 17:00 | 18:00 | 19:00 | 20:00 | 21:00 | 22:00 | 23:00 |
0.5 | 0.5416 | 0.5833 | 0.625 | 0.6666 | 0.7083 | 0.75 | 0.7916 | 0.8333 | 0.875 | 0.9166 | 0.9583 |
步骤(2)、建立设备冷负荷逐时变化模型
在典型办公建筑内,设备主要可以分为两类,第一类办公设备是以台式机、笔记本为代表,这类设备存在以下特点:①数量较多、使用较为频繁,基本与办公建筑使用者呈一一对应关系;②使用频率与对应的使用者行为习惯有直接关系。第二类设备是非频繁使用的公共设备,常见的有打印机、饮水机等。此类设备一般处于待机状态,使用频率较低但单台设备功率较大。
对于目标办公建筑,可以通过测试人员现场观察和记录以及安装功率计等手段,获得第一类办公设备的平均功率,作为单台设备的额定功率。对于第二类设备,由于其使用频率具有较大的随机性,因此采折合系数的办法,将第二类设备的功率折合至第一类设备,经过调研发现,第二类设备的负荷占总负荷的比例较低,一般不超过10%,因此折合系数取值为1.1。
典型的工作人员的第一类单人设备使用情况为:上班时间内,单人设备开启数与在室人数基本呈一一对应关系,正常工作时间内单人设备使用数量达到最大值,基本与人员在室率保持一致,但在午休时间内,人员在室率大幅度下降,但单人设备使用率下降并不明显,主要原因是使用者在离开电脑后,大部分使用者不会关闭电脑。而在下班时间内,单人设备使用量与人员在室率呈正相关关系。典型办公建筑设备功率与在室人数关系如图4所示。
基于以上结论可以获得办公建筑室内设备冷负荷模型:
其中:
式中:qe为设备散热量,W;为设备显热散热冷负荷系数;n1为单台设备的使用效率,取值0.15至0.25;n2为设备折合系数,取值1.1;Ne为单台设备的额定功率,W。
步骤(3)、建立室内人员冷负荷逐时变化模型
办公建筑人员活动属于轻度活动,活动范围较为单一。因此室内人员数量是办公建筑人员负荷的最主要影响因素,具体计算公式如下:
式中:Qc为人体显热散热形成的逐时冷负荷,W;为集群系数,对于办公建筑,取值0.95;CLQ为人体显热散热冷负荷系数;qs为不同室温和劳动性质成年男子显热散热量,W。
步骤(4)、建立照明冷负荷逐时变化模型
多人办公建筑照明控制方式存在以下特点:①控制模式为触发式,即当室内工作区域照度未满足人员需求时,会触发人员的开窗行为;②工作区域照度已经达到甚至超过人员需求时,不会触发人员关闭灯光的行为;③正常工作时间内,多人办公建筑工作区域灯光开启之后不会随人员离开而关闭。多人办公建筑中照明控制模式示意图如图5所示:
基于以上调研事实,给出办公建筑照明冷负荷逐时变化模型:
1)、定义灯光开启率为正常工作时间灯光开启数与办公建筑灯光总数之比:
式中:j为照明分区数量;Uj为开启j个照明分区时的灯具开启率,%;k为办公建筑照明分区数量;mi为第i个照明分区灯具数量;n为办公区域灯具总量。办公建筑中照明控制模式示意如图4所示。
2)、办公建筑的照明负荷采用下式计算:
式中:QL为照明瞬时冷负荷,W;α为修正系数;WL为照明灯具所需功率,W;CQL为照明显热散热冷负荷系数。
步骤(5)、在获得设备、人员、照明逐时冷负荷变化曲线后,办公建筑内部冷负荷即可采用如下公式计算:
Qi=Qc+Qe+QL (3)
由于办公建筑设备、人员、照明冷负荷逐时变化模型均为逐时变化模型,因此可以将即可获得办公建筑内部冷负荷的逐时变化曲线。
步骤(6)、建立办公建筑新风负荷逐时变化模型,新风负荷与室内人员数量有关,而新风的送风温差又与室内设计温度有关,因此将新风负荷单独计算。通过已经获得的人员在室率变化模型预测出在室人数结合在模型中输入气象网站等手段获取到的室外空气的温湿度逐时的预报值,可以获得办公建筑新风负逐时变化模型,具体计算公式如下:
Qf=Qfs+Qfl (9)
式中:Qf、Qfs、Qfl分别为新风负荷、显热负荷、潜热负荷,W/m2;dτ、dn分别为室外空气湿度、室内空气湿度,kg(水)/kg(干空气);Cp为空气比热容,1.01kJ/kg;ρ为空气密度,1.293g/m3;V为单人所需新风量,大小为30m3/(h·人);rt为水的汽化潜热,1718kJ/kg。
步骤(7)、建立围护结构冷负荷逐时变化模型,模型的建立采用冷负荷系数法,通过在模型中输入气象网站等手段获取到的室外空气的温湿度逐时的预报值,并通过预报值来预测办公建筑的围护结构冷负荷。具体的计算公式如下;
式中:Qts为围护结构逐时冷负荷,W;A为围护结构面积,m2;SURF为围护结构的数量;F为围护结构的传热系数,W/(m2·K)。
步骤(8)、建立太阳辐射冷负荷预测模型,太阳辐射冷负荷主要与窗户的构造、朝向以及日照得热量有关。由于气象网站一般不提供日照辐射强度的预报值,本发明采用天气预报修正系数的方法结合典型气象年太阳辐射强度进行预测,相关研究表明,日照得热量主要受云层遮挡影响,通过输入气象网站天气云层预报值对日照得热量进行预报。如图6所示典型年太阳辐射强度日变化曲线(以2017年天津市3月24日为例)。
太阳辐射冷负荷具体计算公式如下:
式中:Qtr为太阳辐射逐时冷负荷,W;R为典型年太阳总辐射强度,W/m2;KT为天气预报修正系数;Xg、Xd、Xz分别为窗户的构造修正系数、地点修正系数、遮挡系数;EXP为窗户数量;S为窗户面积,m2。
KT取值见表2:
表2 天气预报修正系数取值
天气预报 | KT取值 |
阴 | KT≤0.3 |
多云 | 0.3≤KT≤0.5 |
晴 | KT≥0.5 |
步骤(9)、建立办公建筑外部冷负荷逐时变化模型,办公建筑外部冷负荷由围护结构冷负荷和太阳辐射冷负荷构成,在获得办公建筑围护结构和太阳辐射冷负荷预测模型后,即可获得办公建筑外部冷负荷逐时变化模型,具体计算公式如下:
Qt=Qts+Qtr (12)
步骤(10)、建立办公建筑冷负荷逐时变化模型,在获得办公建筑室外逐时冷负荷变化模型、办公建筑室内冷负荷逐时变化模型和新风负荷逐时变化模型之后,将三部分负荷相加,即可获得室内冷负荷逐时变化模型。
Q=Qi+Qt+Qf (15)
本发明所述输入参数有:办公建筑基本信息、使用信息、室外气象参数和建筑基本信息。本发明在进行办公建筑冷负荷预测前,需要先进行输入参数的收集。输入参数的准确性直接关系到负荷预测的精确度。在预测负荷前,首先应当对办公建筑基本信息、使用信息、室外气象参数和建筑基本信息进行调研。办公建筑基本信息包括如下:①室内设备类型、台数以及功率②各照明分区灯具类型、数量以及功率③室内温湿度设计值。办公建筑使用信息包括:①办公人员作息时间表②办公设备使用习惯。办公建筑室外气象参数包括:①室外温湿度预报值②云层覆盖率预报值。建筑基本信息包括:①围护结构的数量、面积、传热系数、朝向②窗户遮阳类型、构造、朝向、面积和数量。室外气象参数由气象网站提供,建筑基本信息由设计方提供,对于尚未投入使用的办公建筑,办公建筑基本信息和使用信息由业主或拟适用方提供。对于已经投入使用的办公建筑,办公建筑基本信息和使用信息需为办公建筑稳定使用的时间内的信息,若办公建筑使用有周期性,则需要将各个周期分别设置输入参数进行负荷预测。
本发明的输入参数是针对目标办公建筑的情况设置的,因而预测模型更有实际依据,可信度更高。本发明可以用于未投入使用的和已经投入使用的办公建筑稳定运行时间内的日平均冷负荷预测,并针对设备和人员分别进行计算,其结果可以用于内部冷负荷评估和计算。
应当理解的是,这里所讨论的实施方案及实例只是为了说明,对本领域技术人员来说,可以加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种办公建筑冷负荷的预测方法,其特征是:包括以下步骤:
步骤(1):建立人员在室率逐时变化模型:输入参数为在室人数逐时变化值,输出参数为办公建筑人员在室率逐时变化曲线;
步骤(2):建立设备冷负荷逐时变化模型,预测办公建筑内设备逐时冷负荷;输入参数为:设备类型、各类型设备的台数及额定功率;输出参数为办公建筑稳定使用时,设备冷负荷逐时变化曲线;
步骤(3):建立人员冷负荷逐时变化模型,预测人员逐时冷负荷;输入参数为:人员在室率逐时变化模型;输出参数为办公建筑稳定使用时,人员冷负荷逐时变化曲线;
步骤(4):建立照明冷负荷逐时变化模型,预测室内照明逐时冷负荷;输入参数为:办公建筑稳定使用时,灯具数量以及功率;输出参数为办公建筑稳定使用时,照明冷负荷逐时变化曲线;
步骤(5):将上述步骤(2)设备逐时冷负荷、上述步骤(4)照明逐时冷负荷、上述步骤(3)人员逐时冷负荷相加,获得办公建筑室内冷负荷模型,预测办公建筑室内逐时冷负荷;
步骤(6):建立办公建筑新风负荷逐时变化模型,预测新风逐时负荷:输入参数为:室内空气温湿度设定值;输出参数为:新风负荷逐时变化曲线;
步骤(7):建立围护结构冷负荷逐时变化模型,预测围护结构逐时冷负荷:输入参数为:①建筑基本信息,主要包括建筑面积、围护结构的数量、面积、传热系数;②室内温湿度设定值;③室外气象参数预报值;输出参数为:围护结构冷负荷逐时变化曲线;
步骤(8):建立太阳辐射冷负荷逐时变化模型,预测太阳辐射逐时冷负荷:输入参数为:①建筑基本信息,主要包括当地日照得热量、窗户的数量、地点、构造、遮挡情况;②室外气象参数预报值;输出参数为:太阳辐射冷负荷逐时变化曲线;
步骤(9):将上述步骤(7)围护结构逐时冷负荷、上述步骤(8)太阳辐射逐时冷负荷相加,获得办公建筑室外冷负荷模型;
步骤(10):将上述步骤(9)室外逐时冷负荷、上述步骤(5)室内逐时冷负荷、上述步骤(6)新风逐时负荷相加,获得办公建筑冷负荷模型。
2.根据权利要求1所述的预测方法,其特征是:所述步骤(1)建立人员在室率逐时变化模型,具体步骤如下:
1)计算人员在室率,人员在室率的定义为当前时刻在室人数与室内设计人数之比:
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>n</mi>
<mi>t</mi>
</msub>
<mi>N</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:y为不同时刻的人员在室率,N为办公建筑设计在室人数,nt为t时刻的在室人数;
2)预测目标办公建筑人员在室率变化模型:
将典型的一天上班时间分为上班时间自08:30至09:30、午休时间自11:20至13:00、下班时间自17:20至18:00、工作时间自09:30至11:20以及自13:00至17:20四个时间段,获得每个时间段一周的平均在室人数变化后,对上班时间段、午休时间段和下班时间段分别用下列公式对人员在室率进行拟合:
y=ax3+bx2+cx+d (2)
式中:y为不同时刻的人员在室率;a、b、c、d为模型系数;x为时间。
3.根据权利要求1所述的预测方法,其特征是:所述步骤(5)建立办公建筑室内冷负荷模型,具体公式如下:
Qi=Qc+Qe+QL (3)
式中:Qc、Qe、QL均根据室内人员变化数量来确定,具体如下:
(1)、所述步骤(3)建立人员冷负荷逐时变化模型如下:
代入人员在室率可预测得到人员逐时冷负荷,公式如下
式中:Qc为人体显热散热形成的逐时冷负荷,W;qs为不同室温和劳动性质的成年男子显热散热量,W;为集群系数;CLQ为人体显热散热冷负荷系数;(2)、所述步骤(2)建立设备冷负荷逐时变化模型如下:
<mrow>
<msub>
<mi>Q</mi>
<mi>e</mi>
</msub>
<mo>=</mo>
<msub>
<mi>q</mi>
<mi>e</mi>
</msub>
<msub>
<mi>C</mi>
<mrow>
<msub>
<mi>LQ</mi>
<mi>e</mi>
</msub>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中
式中:qe为设备散热量,W;为设备显热散热冷负荷系数;n1为单台设备的使用效率,取值0.15至0.25;n2为设备折合系数,取值1.1;Ne为单台设备的额定功率,W;
(3)、所述步骤(4)建立照明冷负荷逐时变化模型,步骤如下:
a)、对于存在多个照明分区的办公建筑中,灯具开启率根据下式计算:
<mrow>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>j</mi>
</msubsup>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
<mo>&times;</mo>
<mn>100</mn>
<mi>%</mi>
<mo>,</mo>
<mi>j</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>,</mo>
<mi>k</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:j为照明分区数量;Uj为开启j个照明分区时的灯具开启率,%;k为办公建筑照明分区数量;mi为第i个照明分区灯具数量;n为办公区域灯具总量;
b)、办公建筑的照明冷负荷可以采用下式预测:
式中:QL为照明瞬时冷负荷,W;α为修正系数;WL为照明灯具所需功率,W;CQL为照明显热散热冷负荷系数。
4.根据权利要求1所述的预测方法,其特征是:所述步骤(6)建立办公建筑新风负荷逐时变化模型,具体公式如下:
Of=Ofs+Ofl (9)
式中,Qf、Qfs、Qfl分别为新风负荷、显热负荷、潜热负荷,W/m2;tτ、tn分别为室外空气温度、室内空气温度,℃;dτ、dn分别为室外空气湿度、室内空气湿度,kg(水)/kg(干空气);Cp为空气比热容,1.01kJ/kg;ρ为空气密度,1.293g/m3;V为单人所需新风量,30m3/(h·人);rt为水的汽化潜热,1718kJ/kg。
5.根据权利要求1所述的预测方法,其特征是:所述步骤(9)建立办公建筑室外冷负荷逐时变化模型,公式如下:
Qt=Qts+Qtr (12)
室外逐时冷负荷由所述步骤(7)围护结构逐时冷负荷和步骤(8)太阳辐射逐时冷负荷组成;
(1)、所述步骤(7)建立围护结构冷负荷逐时变化模型,具体公式如下:
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>t</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>S</mi>
<mi>U</mi>
<mi>R</mi>
<mi>F</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>&tau;</mi>
</msub>
<mo>-</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>A</mi>
<mi>k</mi>
</msub>
<msub>
<mi>F</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:Qts为围护结构逐时冷负荷,W;A为围护结构面积,m2;SURF为围护结构的数量;F为围护结构的传热系数,W/(m2·K);
(2)、所述步骤(8)建立太阳辐射冷负荷预测模型,公式如下:
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>t</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>E</mi>
<mi>X</mi>
<mi>P</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>g</mi>
</msub>
<msub>
<mi>X</mi>
<mi>d</mi>
</msub>
<msub>
<mi>X</mi>
<mi>z</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<msub>
<mi>K</mi>
<mi>T</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:Qtr为太阳辐射逐时冷负荷,W;R为典型年太阳总辐射强度,W/m2;KT为天气预报修正系数;Xg、Xd、Xz分别为窗户的构造修正系数、地点修正系数、遮挡系数;EXP为窗户数量;S为窗户面积,m2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710352567.9A CN107169606A (zh) | 2017-05-18 | 2017-05-18 | 一种办公建筑冷负荷的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710352567.9A CN107169606A (zh) | 2017-05-18 | 2017-05-18 | 一种办公建筑冷负荷的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107169606A true CN107169606A (zh) | 2017-09-15 |
Family
ID=59816050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710352567.9A Pending CN107169606A (zh) | 2017-05-18 | 2017-05-18 | 一种办公建筑冷负荷的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107169606A (zh) |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895203A (zh) * | 2017-10-28 | 2018-04-10 | 天津大学 | 一种基于信号稀疏表示的建筑分项冷负荷获取方法 |
CN108121879A (zh) * | 2018-01-10 | 2018-06-05 | 内蒙古电力勘测设计院有限责任公司 | 一种直接空冷系统设计参数的确定方法及装置 |
CN108520341A (zh) * | 2018-03-23 | 2018-09-11 | 华南理工大学 | 一种考虑人数不确定性的教学楼空调系统设备选型方法 |
CN108758980A (zh) * | 2018-06-28 | 2018-11-06 | 湖南湖大瑞格能源科技有限公司 | 一种地下水源热泵系统的节能控制方法及系统 |
CN108870671A (zh) * | 2018-04-19 | 2018-11-23 | 天津大学 | 一种适用于建筑规划阶段的空调负荷预测方法 |
CN109028278A (zh) * | 2018-07-17 | 2018-12-18 | 哈尔滨工业大学 | 一种风电供暖的区域运行系统及调度策略 |
CN109059220A (zh) * | 2018-06-19 | 2018-12-21 | 广东美的制冷设备有限公司 | 室内机及其检测方法、装置和空调机组 |
CN109595742A (zh) * | 2018-11-29 | 2019-04-09 | 天津大学 | 一种既有大型公共建筑空调系统的低成本调适方法 |
CN109784534A (zh) * | 2018-12-13 | 2019-05-21 | 华电电力科学研究院有限公司 | 一种酒店宾馆冷负荷预测方法 |
CN110097217A (zh) * | 2019-04-16 | 2019-08-06 | 天津大学 | 一种基于等效rc模型的建筑动态室温预测方法 |
CN110110388A (zh) * | 2019-04-12 | 2019-08-09 | 天津大学 | 基于数据前处理及小波分解的建筑空调负荷预测方法 |
CN110334366A (zh) * | 2019-03-14 | 2019-10-15 | 华电电力科学研究院有限公司 | 一种基于运用拉丁超立方抽样的蒙特卡罗法的建筑瞬时冷负荷预测方法 |
CN110360714A (zh) * | 2018-04-11 | 2019-10-22 | 东元电机股份有限公司 | 节能控制系统及其方法 |
CN111141240A (zh) * | 2019-12-31 | 2020-05-12 | 天津华来科技有限公司 | 基于智能出风口大数据的房屋预测方法和装置 |
CN111630325A (zh) * | 2018-01-26 | 2020-09-04 | 三菱电机株式会社 | 控制系统、空调机以及服务器 |
CN111985696A (zh) * | 2020-07-29 | 2020-11-24 | 中国电力工程顾问集团中南电力设计院有限公司 | 一种针对大型区域供冷供热能源站的冷热负荷计算方法 |
WO2020248343A1 (zh) * | 2019-06-13 | 2020-12-17 | 清华大学 | 多层级迁移模拟方法和装置 |
CN112507420A (zh) * | 2020-11-19 | 2021-03-16 | 同济大学 | 办公建筑内人员个性化环控行为预测模型训练集构建系统 |
CN112665142A (zh) * | 2020-12-11 | 2021-04-16 | 珠海格力电器股份有限公司 | 交通建筑空气调节控制方法、装置及设备 |
CN112665123A (zh) * | 2020-12-10 | 2021-04-16 | 珠海格力电器股份有限公司 | 建筑负荷预测方法、装置及中央空调 |
CN112747419A (zh) * | 2021-01-21 | 2021-05-04 | 长江慧控科技(武汉)有限公司 | 中央空调风水联动控制方法、装置、设备及存储介质 |
CN112989590A (zh) * | 2021-03-08 | 2021-06-18 | 中国铁路设计集团有限公司 | 一种地铁车站公共区内部冷负荷的计算方法 |
CN113028610A (zh) * | 2021-04-12 | 2021-06-25 | 北京信息科技大学 | 中央空调动态负荷全局优化与节能控制的方法和装置 |
CN113094995A (zh) * | 2021-04-15 | 2021-07-09 | 天津大学 | 一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法 |
CN113203187A (zh) * | 2021-04-28 | 2021-08-03 | 清华大学 | 基于部分线性模型的建筑暖通空调负荷优化控制方法 |
CN113465150A (zh) * | 2021-07-07 | 2021-10-01 | 浙江工业大学工程设计集团有限公司 | 一种根据气象数据调整建筑物新风量设计运行的节能方法 |
CN113819596A (zh) * | 2021-08-23 | 2021-12-21 | 青岛海尔空调器有限总公司 | 一种空调控制方法及空调器 |
CN114034114A (zh) * | 2021-11-11 | 2022-02-11 | 北京大学 | 一种节能型多联机空调调度方法及系统 |
CN114091744A (zh) * | 2021-11-12 | 2022-02-25 | 中国联合网络通信集团有限公司 | 办公区碳减排方法、装置及存储介质 |
CN114893859A (zh) * | 2022-05-13 | 2022-08-12 | 武汉理工大学 | 海洋平台舱室空调控制系统、方法和存储介质 |
CN115095962A (zh) * | 2022-07-25 | 2022-09-23 | 蘑菇物联技术(深圳)有限公司 | 用于控制中央空调系统的冷水机组的方法、设备和介质 |
CN115130798A (zh) * | 2021-03-25 | 2022-09-30 | 广东美的暖通设备有限公司 | 建筑空调负荷确定方法、装置、设备及存储介质 |
CN115551317A (zh) * | 2022-10-24 | 2022-12-30 | 南京群顶科技股份有限公司 | 一种基于天气预报的数据机房运行控制的负荷预测方法 |
CN115907350A (zh) * | 2022-11-04 | 2023-04-04 | 华北电力大学 | 一种建筑综合能源系统的能量管理方法及系统 |
CN116447736A (zh) * | 2023-05-16 | 2023-07-18 | 南京常格科技发展有限公司 | 高效机房控制方法及系统 |
CN118368877A (zh) * | 2024-06-20 | 2024-07-19 | 南京深度智控科技有限公司 | 一种制冷机房系统的能耗优化控制方法、系统和网络侧服务端 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
CN104483843A (zh) * | 2014-10-28 | 2015-04-01 | 天津大学 | 办公用能的预测方法 |
CN105546768A (zh) * | 2016-02-02 | 2016-05-04 | 丁迩 | 一种集中空调节能方法及节能系统 |
CN105627506A (zh) * | 2015-12-25 | 2016-06-01 | 深圳达实智能股份有限公司 | 一种空调冷机的建筑冷负荷预测方法及装置 |
US20170074539A1 (en) * | 2015-09-11 | 2017-03-16 | Johnson Controls Technology Company | Thermostat with occupancy detection based on load of hvac equipment |
CN106524295A (zh) * | 2016-11-21 | 2017-03-22 | 北京建筑技术发展有限责任公司 | 一种区域建筑能耗预测方法 |
CN106524353A (zh) * | 2016-11-25 | 2017-03-22 | 国网河南省电力公司电力科学研究院 | 一种空调负荷主动控制参与电力调峰的方法 |
CN106681964A (zh) * | 2016-12-24 | 2017-05-17 | 天津大学 | 公共建筑能耗审计统计拆分方法 |
-
2017
- 2017-05-18 CN CN201710352567.9A patent/CN107169606A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
CN104483843A (zh) * | 2014-10-28 | 2015-04-01 | 天津大学 | 办公用能的预测方法 |
US20170074539A1 (en) * | 2015-09-11 | 2017-03-16 | Johnson Controls Technology Company | Thermostat with occupancy detection based on load of hvac equipment |
CN105627506A (zh) * | 2015-12-25 | 2016-06-01 | 深圳达实智能股份有限公司 | 一种空调冷机的建筑冷负荷预测方法及装置 |
CN105546768A (zh) * | 2016-02-02 | 2016-05-04 | 丁迩 | 一种集中空调节能方法及节能系统 |
CN106524295A (zh) * | 2016-11-21 | 2017-03-22 | 北京建筑技术发展有限责任公司 | 一种区域建筑能耗预测方法 |
CN106524353A (zh) * | 2016-11-25 | 2017-03-22 | 国网河南省电力公司电力科学研究院 | 一种空调负荷主动控制参与电力调峰的方法 |
CN106681964A (zh) * | 2016-12-24 | 2017-05-17 | 天津大学 | 公共建筑能耗审计统计拆分方法 |
Non-Patent Citations (2)
Title |
---|
YAN DING ET AL: ""A simplified model of dynamic interior cooling load evaluation for office buildings"", 《APPLIED THERMAL ENGINEERING》 * |
杨爽: ""城市规划阶段建筑冷负荷的修正负荷因子法"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895203A (zh) * | 2017-10-28 | 2018-04-10 | 天津大学 | 一种基于信号稀疏表示的建筑分项冷负荷获取方法 |
CN107895203B (zh) * | 2017-10-28 | 2021-06-25 | 天津大学 | 一种基于信号稀疏表示的建筑分项冷负荷获取方法 |
CN108121879A (zh) * | 2018-01-10 | 2018-06-05 | 内蒙古电力勘测设计院有限责任公司 | 一种直接空冷系统设计参数的确定方法及装置 |
CN108121879B (zh) * | 2018-01-10 | 2021-03-19 | 内蒙古电力勘测设计院有限责任公司 | 一种直接空冷系统设计参数的确定方法及装置 |
CN111630325B (zh) * | 2018-01-26 | 2021-10-01 | 三菱电机株式会社 | 控制系统、空调机以及服务器 |
CN111630325A (zh) * | 2018-01-26 | 2020-09-04 | 三菱电机株式会社 | 控制系统、空调机以及服务器 |
CN108520341A (zh) * | 2018-03-23 | 2018-09-11 | 华南理工大学 | 一种考虑人数不确定性的教学楼空调系统设备选型方法 |
CN110360714A (zh) * | 2018-04-11 | 2019-10-22 | 东元电机股份有限公司 | 节能控制系统及其方法 |
CN108870671A (zh) * | 2018-04-19 | 2018-11-23 | 天津大学 | 一种适用于建筑规划阶段的空调负荷预测方法 |
CN109059220A (zh) * | 2018-06-19 | 2018-12-21 | 广东美的制冷设备有限公司 | 室内机及其检测方法、装置和空调机组 |
CN108758980A (zh) * | 2018-06-28 | 2018-11-06 | 湖南湖大瑞格能源科技有限公司 | 一种地下水源热泵系统的节能控制方法及系统 |
CN109028278A (zh) * | 2018-07-17 | 2018-12-18 | 哈尔滨工业大学 | 一种风电供暖的区域运行系统及调度策略 |
CN109028278B (zh) * | 2018-07-17 | 2020-07-31 | 哈尔滨工业大学 | 一种风电供暖的区域运行系统及调度策略 |
CN109595742A (zh) * | 2018-11-29 | 2019-04-09 | 天津大学 | 一种既有大型公共建筑空调系统的低成本调适方法 |
CN109784534A (zh) * | 2018-12-13 | 2019-05-21 | 华电电力科学研究院有限公司 | 一种酒店宾馆冷负荷预测方法 |
CN110334366A (zh) * | 2019-03-14 | 2019-10-15 | 华电电力科学研究院有限公司 | 一种基于运用拉丁超立方抽样的蒙特卡罗法的建筑瞬时冷负荷预测方法 |
CN110334366B (zh) * | 2019-03-14 | 2023-07-14 | 华电电力科学研究院有限公司 | 一种基于运用拉丁超立方抽样的蒙特卡罗法的建筑瞬时冷负荷预测方法 |
CN110110388A (zh) * | 2019-04-12 | 2019-08-09 | 天津大学 | 基于数据前处理及小波分解的建筑空调负荷预测方法 |
CN110097217A (zh) * | 2019-04-16 | 2019-08-06 | 天津大学 | 一种基于等效rc模型的建筑动态室温预测方法 |
WO2020248343A1 (zh) * | 2019-06-13 | 2020-12-17 | 清华大学 | 多层级迁移模拟方法和装置 |
CN111141240A (zh) * | 2019-12-31 | 2020-05-12 | 天津华来科技有限公司 | 基于智能出风口大数据的房屋预测方法和装置 |
CN111985696A (zh) * | 2020-07-29 | 2020-11-24 | 中国电力工程顾问集团中南电力设计院有限公司 | 一种针对大型区域供冷供热能源站的冷热负荷计算方法 |
CN112507420A (zh) * | 2020-11-19 | 2021-03-16 | 同济大学 | 办公建筑内人员个性化环控行为预测模型训练集构建系统 |
CN112507420B (zh) * | 2020-11-19 | 2022-12-27 | 同济大学 | 办公建筑内人员个性化环控行为预测模型训练集构建系统 |
CN112665123A (zh) * | 2020-12-10 | 2021-04-16 | 珠海格力电器股份有限公司 | 建筑负荷预测方法、装置及中央空调 |
CN112665123B (zh) * | 2020-12-10 | 2022-04-29 | 珠海格力电器股份有限公司 | 建筑负荷预测方法、装置及中央空调 |
CN112665142A (zh) * | 2020-12-11 | 2021-04-16 | 珠海格力电器股份有限公司 | 交通建筑空气调节控制方法、装置及设备 |
CN112747419A (zh) * | 2021-01-21 | 2021-05-04 | 长江慧控科技(武汉)有限公司 | 中央空调风水联动控制方法、装置、设备及存储介质 |
CN112989590A (zh) * | 2021-03-08 | 2021-06-18 | 中国铁路设计集团有限公司 | 一种地铁车站公共区内部冷负荷的计算方法 |
CN112989590B (zh) * | 2021-03-08 | 2022-04-26 | 中国铁路设计集团有限公司 | 一种地铁车站公共区内部冷负荷的计算方法 |
CN115130798A (zh) * | 2021-03-25 | 2022-09-30 | 广东美的暖通设备有限公司 | 建筑空调负荷确定方法、装置、设备及存储介质 |
CN113028610A (zh) * | 2021-04-12 | 2021-06-25 | 北京信息科技大学 | 中央空调动态负荷全局优化与节能控制的方法和装置 |
CN113094995A (zh) * | 2021-04-15 | 2021-07-09 | 天津大学 | 一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法 |
CN113094995B (zh) * | 2021-04-15 | 2022-05-24 | 天津大学 | 一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法 |
CN113203187A (zh) * | 2021-04-28 | 2021-08-03 | 清华大学 | 基于部分线性模型的建筑暖通空调负荷优化控制方法 |
CN113465150A (zh) * | 2021-07-07 | 2021-10-01 | 浙江工业大学工程设计集团有限公司 | 一种根据气象数据调整建筑物新风量设计运行的节能方法 |
CN113819596A (zh) * | 2021-08-23 | 2021-12-21 | 青岛海尔空调器有限总公司 | 一种空调控制方法及空调器 |
CN114034114A (zh) * | 2021-11-11 | 2022-02-11 | 北京大学 | 一种节能型多联机空调调度方法及系统 |
CN114091744A (zh) * | 2021-11-12 | 2022-02-25 | 中国联合网络通信集团有限公司 | 办公区碳减排方法、装置及存储介质 |
CN114893859A (zh) * | 2022-05-13 | 2022-08-12 | 武汉理工大学 | 海洋平台舱室空调控制系统、方法和存储介质 |
CN115095962A (zh) * | 2022-07-25 | 2022-09-23 | 蘑菇物联技术(深圳)有限公司 | 用于控制中央空调系统的冷水机组的方法、设备和介质 |
CN115551317A (zh) * | 2022-10-24 | 2022-12-30 | 南京群顶科技股份有限公司 | 一种基于天气预报的数据机房运行控制的负荷预测方法 |
CN115551317B (zh) * | 2022-10-24 | 2023-12-12 | 南京群顶科技股份有限公司 | 一种基于天气预报的数据机房运行控制的负荷预测方法 |
CN115907350A (zh) * | 2022-11-04 | 2023-04-04 | 华北电力大学 | 一种建筑综合能源系统的能量管理方法及系统 |
CN115907350B (zh) * | 2022-11-04 | 2023-08-08 | 华北电力大学 | 一种建筑综合能源系统的能量管理方法及系统 |
CN116447736A (zh) * | 2023-05-16 | 2023-07-18 | 南京常格科技发展有限公司 | 高效机房控制方法及系统 |
CN116447736B (zh) * | 2023-05-16 | 2023-11-14 | 南京常格科技发展有限公司 | 高效机房控制方法及系统 |
CN118368877A (zh) * | 2024-06-20 | 2024-07-19 | 南京深度智控科技有限公司 | 一种制冷机房系统的能耗优化控制方法、系统和网络侧服务端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169606A (zh) | 一种办公建筑冷负荷的预测方法 | |
US20210123625A1 (en) | Low-cost commissioning method for the air-conditioning systems in existing large public buildings | |
CN109297086B (zh) | 热力站负荷分时段滚动预测及自适应矫正方法及系统 | |
CN110460040B (zh) | 一种考虑智能建筑热平衡特性的微电网运行调度方法 | |
Wang et al. | Night ventilation control strategies in office buildings | |
CN106524295A (zh) | 一种区域建筑能耗预测方法 | |
CN106874604A (zh) | 一种办公室内部冷负荷的计算方法 | |
CN109595742A (zh) | 一种既有大型公共建筑空调系统的低成本调适方法 | |
CN102043907A (zh) | 空调房间实时冷负荷确定方法 | |
CN107576015B (zh) | 一种实现需求侧响应的建筑空调模型预测控制方法和装置 | |
CN109376912A (zh) | 基于民用建筑物热惯性的冷热电联供系统运行优化方法 | |
CN108426354A (zh) | 基于辐射时间序列方法的空调负荷预测系统 | |
CN112036026A (zh) | 一种基于蓄热系统的建筑热负荷预测方法 | |
CN109948824A (zh) | 一种利用模式识别技术对热力站热负荷进行预测的方法 | |
CN110472892A (zh) | 建筑人流量、冷热电负荷评估方法及系统、设备和介质 | |
Brambilla et al. | Comfort analysis applied to the international standard “Active House”: The case of RhOME, the winning prototype of Solar Decathlon 2014 | |
CN110298104A (zh) | 一种采用数字模拟进行节能建筑设计信息处理系统及方法 | |
CN106570729A (zh) | 基于空调可靠性影响因素的区域聚类方法 | |
CN105546768A (zh) | 一种集中空调节能方法及节能系统 | |
Liu et al. | Optimization of top-floor rooms coupling cool roofs, natural ventilation and solar shading for residential buildings in hot-summer and warm-winter zones | |
Cui et al. | Application potential analysis of different control strategies for radiant floor cooling systems in office buildings in different climate zones of China | |
Pacheco-Torres et al. | Efficient design of residential buildings geometry to optimize photovoltaic energy generation and energy demand in a warm Mediterranean climate | |
Yuan et al. | Analysis of influencing factors on heat consumption of large residential buildings with different occupancy rates-Tianjin case study | |
Ran et al. | Air conditioning energy consumption measurement and saving strategy analysis for an office building in hot summer and cold winter area | |
Liu et al. | Performance and feasibility study of low energy building for pleasant indoor comfort: A case study on Qinghai-Tibetan Plateau |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170915 |