CN108334992A - 建筑物的负荷预测方法及系统 - Google Patents
建筑物的负荷预测方法及系统 Download PDFInfo
- Publication number
- CN108334992A CN108334992A CN201810168265.0A CN201810168265A CN108334992A CN 108334992 A CN108334992 A CN 108334992A CN 201810168265 A CN201810168265 A CN 201810168265A CN 108334992 A CN108334992 A CN 108334992A
- Authority
- CN
- China
- Prior art keywords
- load
- building
- year
- days
- add
- 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
- 238000013277 forecasting method Methods 0.000 title claims abstract description 19
- 238000005057 refrigeration Methods 0.000 claims abstract description 28
- 238000001816 cooling Methods 0.000 claims description 38
- 238000010438 heat treatment Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 22
- 240000002853 Nelumbo nucifera Species 0.000 claims description 12
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 12
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 12
- 235000009508 confectionery Nutrition 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 239000003814 drug Substances 0.000 claims description 6
- 238000004043 dyeing Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 239000007769 metal material Substances 0.000 claims description 6
- 238000007639 printing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000009941 weaving Methods 0.000 claims description 6
- 238000007747 plating Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 11
- 238000013461 design Methods 0.000 description 20
- 238000000205 computational method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 235000015243 ice cream Nutrition 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 241000894007 species Species 0.000 description 1
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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种建筑物的负荷预测方法及系统，其中，方法包括：检测建筑物的建筑类型；如果建筑类型为公共建筑，则根据年累计冷负荷、年累计热负荷和年累计电力负荷得到年累计负荷；如果建筑物类型为工业建筑，则根据年平均负荷和年用能小时数得到年累计负荷；如果建筑物类型为数据中心建筑，则根据IT显热负荷、PDU电缆显热负荷、照明负荷、围护结构负荷和人员负荷得到年累计负荷；以及根据年累计负荷预测得到建筑物的负荷预测结果。该方法能够根据建立的建筑类型分类方案，对建筑物负荷进行标准化预测，效率高且准确率高。
Description
技术领域
本发明涉及负荷预测技术领域，特别涉及一种建筑物的负荷预测方法及系统。
背景技术
相关技术中，在对建筑进行负荷预测时多采用人工Excel计算，也就是将建筑历史负荷整理到一张Excel表格中，通过人工计算来得到建筑的负荷预测。
然而，在实际使用中，因为建筑包含工业建筑、公共建筑及数据中心建筑等各个类型的建筑，具体计算方式不尽相同，造成预测效率低下且准确度不高。同时，而且相关技术中并未对建筑进行分类，也无相关业态分类标准，不宜展开对建筑负荷预测的标准化，有待改进。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种建筑物的负荷预测方法，该方法能够提高预测效率和准确率，并能开展标准化负荷预测。
本发明的另一个目的在于提出一种建筑物的负荷预测系统。
为达到上述目的，本发明一方面实施例提出了一种建筑物的负荷预测方法，包括：检测建筑物的建筑类型；如果所述建筑类型为公共建筑，则根据年累计冷负荷、年累计热负荷和年累计电力负荷得到年累计负荷；如果所述建筑物类型为工业建筑，则根据年平均负荷和年用能小时数得到所述年累计负荷；如果所述建筑物类型为数据中心建筑，则根据IT显热负荷、PDU电缆显热负荷、照明负荷、围护结构负荷和人员负荷得到所述年累计负荷；以及根据所述年累计负荷预测得到所述建筑物的负荷预测结果。
本发明实施例的建筑物的负荷预测方法，通过将建筑物划分为不同建筑类型，根据不同建筑类型选用相应的计算方法计算年累计负荷，节省计算时间，提高计算准确率，进而得到建筑物负荷预测结果，以实现准确快速的负荷预测，并能建立标准化预测方案。
进一步地，在本发明一个实施例中，所述年累计冷负荷的计算公式为：
QW＝A1*Q+A2*Q+A3*Q+A4*Q，
其中，Q为典型日逐时累计冷负荷，A1为第一典型日负荷供冷天数，A2为第二典型日负荷供冷天数，A3为第三典型日负荷供冷天数，A4为第四典型日负荷供冷天数。
进一步地，在本发明一个实施例中，所述年累计热负荷的计算公式为：年累计热负荷Qw＝累计日逐时热负荷Q×第一典型日负荷供暖天数A1+累计日逐时热负荷Q×第二％典型日负荷供暖天数A2+累计日逐时热负荷Q×第三典型日负荷供暖天数A3+累计日逐时热负荷Q×第四典型日负荷供暖天数A2。
进一步地，在本发明一个实施例中，所述年累计电力负荷的计算公式为：
其中，S为计算的视在功率，Ki为当前单位指标。
进一步地，在本发明一个实施例中，所述公共建筑包括多层居住、高层居住建筑、普通办公建筑、普通酒店建筑、商场建筑、商务办公建筑、商务酒店建筑、学校建筑和医院建筑，并且所述工业建筑包括食品工厂、医药建筑、纺织建筑、造纸建筑、印染建筑、电镀建筑、化工建筑、制造建筑、金属材料加工建筑和新能源建筑。
为达到上述目的，本发明另一方面实施例提出了一种建筑物的负荷预测系统，包括：分类模块，用于检测建筑物的建筑类型；第一计算模块，用于在所述建筑类型为公共建筑时，根据年累计冷负荷、年累计热负荷和年累计电力负荷得到年累计负荷；第二计算模块，用于在所述建筑物类型为工业建筑时，根据年平均负荷和年用能小时数得到所述年累计负荷；第三计算模块，用于在所述建筑物类型为数据中心建筑时，根据IT显热负荷、PDU电缆显热负荷、照明负荷、围护结构负荷和人员负荷得到所述年累计负荷；预测模块，用于根据所述年累计负荷预测得到所述建筑物的负荷预测结果。
本发明实施例的建筑物的负荷预测系统，通过将建筑物划分为不同建筑类型，根据不同建筑类型选用相应的计算方法计算年累计负荷，节省计算时间，提高计算准确率，进而得到建筑物负荷预测结果，以实现准确快速的负荷预测，并能建立标准化预测方案。
进一步地，在本发明一个实施例中，所述年累计冷负荷的计算公式为：
QW＝A1*Q+A2*Q+A3*Q+A4*Q，
其中，Q为典型日逐时累计冷负荷，A1为第一典型日负荷供冷天数，A2为第二典型日负荷供冷天数，A3为第三典型日负荷供冷天数，A4为第四典型日负荷供冷天数。
进一步地，在本发明一个实施例中，所述年累计热负荷的计算公式为：年累计热负荷Qw＝累计日逐时热负荷Q×第一典型日负荷供暖天数A1+累计日逐时热负荷Q×第二典型日负荷供暖天数A2+累计日逐时热负荷Q×第三典型日负荷供暖天数A3+累计日逐时热负荷Q×第四典型日负荷供暖天数A2。
进一步地，在本发明一个实施例中，所述年累计电力负荷的计算公式为：
其中，S为计算的视在功率，Ki为当前单位指标。
进一步地，在本发明一个实施例中，所述公共建筑包括多层居住、高层居住建筑、普通办公建筑、普通酒店建筑、商场建筑、商务办公建筑、商务酒店建筑、学校建筑和医院建筑，并且所述工业建筑包括食品工厂、医药建筑、纺织建筑、造纸建筑、印染建筑、电镀建筑、化工建筑、制造建筑、金属材料加工建筑和新能源建筑。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的建筑物的负荷预测方法的流程图；以及
图2为根据本发明实施例的建筑物的负荷预测系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的建筑物的负荷预测方法及系统，首先将参照附图描述根据本发明实施例提出的建筑物的负荷预测方法。
图1是根据本发明实施例的建筑物的负荷预测方法的流程图
如图1所示，该建筑物的负荷预测方法，包括以下步骤：
在步骤S101中，检测建筑物的建筑类型。
可以理解的是，在检测建筑物的建筑类型之前，本发明实施例可以先建立一套建筑物的建筑类型分类方案，如分类方案可以为将建筑物的类型分为公共建筑类型、工业建筑类型和数据中心类型，在此不做具体限制。
具体而言，公共建筑可以为但不限于多层居住、高层居住建筑、普通办公建筑、普通酒店建筑、商场建筑、商务办公建筑、商务酒店建筑、学校建筑、医院建筑；工业建筑可以为但不限于食品工厂、医药建筑、纺织建筑、造纸建筑、印染建筑、电镀建筑、化工建筑、制造建筑、金属材料加工建筑、新能源建筑；数据中心可以为但不限于服务器管理中心、大数据存储中心。
另外，该分类标准是根据其建筑的不同累计负荷计算方式来完成的。公共建筑例如居住建筑、办公楼等，其负荷分布相对均匀，和建筑面积一般成正比，可以采用指标法，具体为：根据历史数据和设计方案确定单位面积的负荷预测，再根据其具体面积计算出该建筑的负荷预测。例如：某小区有10栋30层的高层住宅，可以先计算某一层的累计负荷，根据结果就可以得出该栋住宅和该小区整体的负荷预测。
进一步地，工业建筑如食品工厂、化工产业等，其负荷预测和建筑的面积没有明显的关系，可以采用调研法来预测，具体为：调研到用能主体的最大负荷、最小负荷、平均负荷，年用能小时数，根据上述数据得到负荷预测。例如雪糕厂，每年6-9月份为旺季，用能主体(雪糕制作机器和制冷压缩机)每天24小时工作；4、5、10月份为淡季，只有制冷压缩机工作；其他时间不工作，这样，根据负荷大小和工作时间，可以计算出该厂区的负荷预测。
此外，数据中心可以对其负荷进行分类，进而分成服务器负荷、人员负荷及维护配套负荷，根据其进行负荷预测。
可以理解的是，在本发明的实施例中，通过建立一套建筑物的建筑类型分类方案，不但可以将累计负荷计算方式的建筑物归类并一起计算累计负荷，使计算过程更加快捷准确，提高负荷预测的效率，而且可以成为负荷预测领域的业态标准，进而实现对建筑物负荷预测的标准化。
在步骤S102中，如果建筑类型为公共建筑，则根据年累计冷负荷、年累计热负荷和年累计电力负荷得到年累计负荷。
在本发明的一个实施例中，若需要进行负荷预测的建筑物为但不限于多层居住、高层居住建筑、普通办公建筑、普通酒店建筑、商场建筑、商务办公建筑、商务酒店建筑、学校建筑、医院建筑等，则确定此建筑类型为公共建筑。可以采用指标法来进行年累计负荷的预测。
根据上述建筑物的建筑类型分类方案，对所要进行负荷预测的建筑物进行检测，得到该建筑物的建筑类型。
简而言之，在根据上述建筑物的建筑类型分类方案，对所要进行负荷预测的建筑物进行检测，得到该建筑物的建筑类型之后，针对公共建筑例如居住建筑、办公楼等，其负荷分布相对均匀，和建筑面积一般成正比，可以采用指标法，具体为：根据历史数据和设计方案确定单位面积的负荷预测，再根据其具体面积计算出该建筑的负荷预测。例如：某小区有10栋30层的高层住宅，可以先计算某一层的累计负荷，根据结果就可以得出该栋住宅和该小区整体的年累计负荷预测。
进一步地，在本发明的一个实施例中，年累计负荷包括冷负荷、热负荷和电负荷。
具体而言，冷负荷为保持建筑物的热湿环境和所要求的室内温度，必须由空调系统从房间带走的热量叫冷负荷，冷负荷的计算方式为：
首先，计算设计负荷：
Qn＝K×fi×ji×qi；
其中，Qn为系统设计冷负荷，单位为W；K为同时使用系数；ji为不同类型建筑物的空调面积百分比；fi为不同类型建筑物的建筑面积，单位为m2；qi为不同类型建筑物冷负荷指标，单位为W/m2。
根据设计负荷进而得出年累计负荷：
年累计冷负荷(以分4段温度区间为例)：
QW＝A1*Q+A2*Q+A3*Q+A4*Q；
其中，Q为典型日逐时累计冷负荷，A1为第一典型日负荷供冷天数，A2为第二典型日负荷供冷天数，A3为第三典型日负荷供冷天数，A4为第四典型日负荷供冷天数。
在本发明的一个实施例中，第一典型日负荷供冷天数A1可以为100％典型日负荷供冷天数；第二典型日负荷供冷天数A2可以为75％典型日负荷供冷天数；第三典型日负荷供冷天数A3可以为50％典型日负荷供冷天数；第四典型日负荷供冷天数A4可以为25％典型日负荷供冷天数。
可以理解的是，由数据库查询当地的气象参数，统计供能时间内所有日均气温，将温度范围分成4个区间，在四个温度区间中分别以25％，50％，75％，100％的典型日负荷量来供冷，相加的总结即为整年供冷季的累计供冷量。
进一步地，在本发明的一个实施例中，热负荷是为了保持室内计算温度，需由锅炉房或其他供热设施供给的热量热负荷，其计算方式为：
设计热负荷Qh＝供能面积Ah×热负荷指标qh；
典型日逐时累计热负荷Q＝(设计热负荷Qh×逐时系数1+设计热负荷Qh×逐时系数2+……)；
年累计供热负荷Qw＝累计日逐时热负Q×100％典型日负荷供暖天数A1+累计日逐时热负荷Q×750％典型日负荷供暖天数A2+……)。
进一步地，在本发明的一个实施例中，在冷热电联供系统设计中，电力负荷的计算主要用来校核燃机容量，所以电负荷计算方式为：
采用指标法进行电力负荷计算公式如下：
S＝K·N/1000；
其中，S为计算的视在功率，单位为(KV·A)；K为单位指标，单位为(V·A/m2)；N为建筑面积，单位为(m2)。
接着采用逐时负荷系数法计算累计逐时日负荷：
通过年累计负荷不同于供冷、供热的季节性与周期性，电力负荷根据调研与推算出的具体动态电力负荷曲线，求得年总供电负荷。
最后，根据上述计算数据综合得到公共建筑的年累计负荷。
在步骤S103中，如果建筑物类型为工业建筑，则根据年平均负荷和年用能小时数得到年累计负荷。
在本发明的一个实施例中，工业建筑如食品工厂、化工产业等，其负荷预测和建筑的面积没有明显的关系，可以采用调研法来预测，具体为：调研到用能主体的最大负荷、最小负荷、平均负荷，年用能小时数，根据上述数据得到负荷预测。例如雪糕厂，每年6-9月份为旺季，用能主体(雪糕制作机器和制冷压缩机)每天24小时工作；4、5、10月份为淡季，只有制冷压缩机工作；其他时间不工作，这样，根据负荷大小和工作时间，可以计算出该厂区的年累计负荷预测。
进一步地，在本发明的一个实施例中，其计算方法为：设计负荷＝最大负荷；年累计负荷＝平均负荷*年用能小时数。
在步骤S104中，如果建筑物类型为数据中心建筑，则根据IT显热负荷、PDU电缆显热负荷、照明负荷、围护结构负荷和人员负荷得到年累计负荷。
当建筑类型为数据中心时，可以对其负荷进行分类，进而分成服务器负荷、人员负荷及维护配套负荷，根据其进行年累计负荷预测，具体为：
QIT显热＝设计标准*单机柜功率*设计依据；
QPDU电缆显热＝设计标准*单机柜功率*设计依据；
Q照明＝设计标准*设计依据；
Q围护结构＝设计标准*设计依据；
Q人员＝设计标准*设计依据；
最终，数据中心年累计负荷为：Q＝QIT显热+QPDU电缆显热+Q照明+Q围护结构+Q人员。
在步骤S105中，根据年累计负荷预测得到建筑物的负荷预测结果。
在本发明的一个实施例中，负荷预测结果包括建筑物总体需要负荷的预测，也包括各个时间段的实时负荷预测，进一步包括建筑物的最大负荷。
本发明实施例的建筑物的负荷预测方法，通过将建筑物划分为不同建筑类型，根据不同建筑类型选用相应的计算方法计算年累计负荷，节省计算时间，提高计算准确率，进而得到建筑物负荷预测结果，以实现准确快速的负荷预测，并能建立标准化预测方案。
其次参照附图描述根据本发明实施例提出的建筑物的负荷预测系统。
图2是根据本发明实施例的建筑物的负荷预测系统的结构示意图。
如图2所示，该建筑物的负荷预测系统10，包括：分类模块100，用于检测建筑物的建筑类型；第一计算模块200，用于如果建筑类型为公共建筑，则根据年累计冷负荷、年累计热负荷和年累计电力负荷得到年累计负荷；第二计算模块300，用于如果建筑物类型为工业建筑，则根据年平均负荷和年用能小时数得到年累计负荷；第三计算模块400，用于如果建筑物类型为数据中心建筑，则根据IT显热负荷、PDU电缆显热负荷、照明负荷、围护结构负荷和人员负荷得到年累计负荷；预测模块500，用于根据年累计负荷预测得到建筑物的负荷预测结果。
进一步地，在本发明一个实施例中，年累计冷负荷的计算公式为：
QW＝A1*Q+A2*Q+A3*Q+A4*Q，
其中，Q为典型日逐时累计冷负荷，A1为第一典型日负荷供冷天数，A2为第二典型日负荷供冷天数，A3为第三典型日负荷供冷天数，A4为第四典型日负荷供冷天数。
进一步地，在本发明一个实施例中，年累计热负荷的计算公式为：年累计热负荷Qw＝累计日逐时热负荷Q×100％典型日负荷供暖天数A1+累计日逐时热负荷Q×75％典型日负荷供暖天数A2+累计日逐时热负荷Q×50％典型日负荷供暖天数A3+累计日逐时热负荷Q×25％典型日负荷供暖天数A2。
进一步地，在本发明一个实施例中，年累计电力负荷的计算公式为：
其中，S为计算的视在功率，Ki为当前单位指标。
进一步地，在本发明一个实施例中，分类模块100将公共建筑分为多层居住、高层居住建筑、普通办公建筑、普通酒店建筑、商场建筑、商务办公建筑、商务酒店建筑、学校建筑和医院建筑，并且工业建筑包括食品工厂、医药建筑、纺织建筑、造纸建筑、印染建筑、电镀建筑、化工建筑、制造建筑、金属材料加工建筑和新能源建筑。
需要说明的是，前述对建筑物的负荷预测方法实施例的解释说明也适用于该实施例的系统，此处不再赘述。
本发明实施例的建筑物的负荷预测系统，通过将建筑物划分为不同建筑类型，根据不同建筑类型选用相应的计算方法计算年累计负荷，节省计算时间，提高计算准确率，进而得到建筑物负荷预测结果，以实现准确快速的负荷预测，并能建立标准化预测方案。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种建筑物的负荷预测方法，其特征在于，包括以下步骤：
检测建筑物的建筑类型；
如果所述建筑类型为公共建筑，则根据年累计冷负荷、年累计热负荷和年累计电力负荷得到年累计负荷；
如果所述建筑物类型为工业建筑，则根据年平均负荷和年用能小时数得到所述年累计负荷；
如果所述建筑物类型为数据中心建筑，则根据IT显热负荷、PDU电缆显热负荷、照明负荷、围护结构负荷和人员负荷得到所述年累计负荷；以及
根据所述年累计负荷预测得到所述建筑物的负荷预测结果。
2.根据权利要求1所述的建筑物的负荷预测方法，其特征在于，所述年累计冷负荷的计算公式为：
QW＝A1*Q+A2*Q+A3*Q+A4*Q，
其中，Q为典型日逐时累计冷负荷，A1为第一典型日负荷供冷天数，A2为第二典型日负荷供冷天数，A3为第三典型日负荷供冷天数，A4为第四典型日负荷供冷天数。
3.根据权利要求1或2所述的建筑物的负荷预测方法，其特征在于，所述年累计热负荷的计算公式为：
年累计热负荷Qw＝累计日逐时热负荷Q×第一典型日负荷供暖天数A1+累计日逐时热负荷Q×第二％典型日负荷供暖天数A2+累计日逐时热负荷Q×第三典型日负荷供暖天数A3+累计日逐时热负荷Q×第四典型日负荷供暖天数A2。
4.根据权利要求1-3任一项所述的建筑物的负荷预测方法，其特征在于，所述年累计电力负荷的计算公式为：
其中，S为计算的视在功率，Ki为当前单位指标。
5.根据权利要求1所述的建筑物的负荷预测方法，其特征在于，所述公共建筑包括多层居住、高层居住建筑、普通办公建筑、普通酒店建筑、商场建筑、商务办公建筑、商务酒店建筑、学校建筑和医院建筑，并且所述工业建筑包括食品工厂、医药建筑、纺织建筑、造纸建筑、印染建筑、电镀建筑、化工建筑、制造建筑、金属材料加工建筑和新能源建筑。
6.一种建筑物的负荷预测系统，其特征在于，包括：
分类模块，用于检测建筑物的建筑类型；
第一计算模块，用于在所述建筑类型为公共建筑时，根据年累计冷负荷、年累计热负荷和年累计电力负荷得到年累计负荷；
第二计算模块，用于在所述建筑物类型为工业建筑时，根据年平均负荷和年用能小时数得到所述年累计负荷；
第三计算模块，用于在所述建筑物类型为数据中心建筑时，根据IT显热负荷、PDU电缆显热负荷、照明负荷、围护结构负荷和人员负荷得到所述年累计负荷；以及
预测模块，用于根据所述年累计负荷预测得到所述建筑物的负荷预测结果。
7.根据权利要求6所述的建筑物的负荷预测系统，其特征在于，所述年累计冷负荷的计算公式为：
QW＝A1*Q+A2*Q+A3*Q+A4*Q，
其中，Q为典型日逐时累计冷负荷，A1为第一典型日负荷供冷天数，A2为第二典型日负荷供冷天数，A3为第三典型日负荷供冷天数，A4为第四典型日负荷供冷天数。
8.根据权利要求6或7所述的建筑物的负荷预测系统，其特征在于，所述年累计热负荷的计算公式为：
年累计热负荷Qw＝累计日逐时热负荷Q×第一典型日负荷供暖天数A1+累计日逐时热负荷Q×第二％典型日负荷供暖天数A2+累计日逐时热负荷Q×第三典型日负荷供暖天数A3+累计日逐时热负荷Q×第四典型日负荷供暖天数A2。
9.根据权利要求6-8任一项所述的建筑物的负荷预测系统，其特征在于，所述年累计电力负荷的计算公式为：
其中，S为计算的视在功率，Ki为当前单位指标。
10.根据权利要求6所述的建筑物的负荷预测系统，其特征在于，所述公共建筑包括多层居住、高层居住建筑、普通办公建筑、普通酒店建筑、商场建筑、商务办公建筑、商务酒店建筑、学校建筑和医院建筑，并且所述工业建筑包括食品工厂、医药建筑、纺织建筑、造纸建筑、印染建筑、电镀建筑、化工建筑、制造建筑、金属材料加工建筑和新能源建筑。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810168265.0A CN108334992A (zh) | 2018-02-28 | 2018-02-28 | 建筑物的负荷预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810168265.0A CN108334992A (zh) | 2018-02-28 | 2018-02-28 | 建筑物的负荷预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108334992A true CN108334992A (zh) | 2018-07-27 |
Family
ID=62930068
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810168265.0A Pending CN108334992A (zh) | 2018-02-28 | 2018-02-28 | 建筑物的负荷预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108334992A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764574A (zh) * | 2018-05-30 | 2018-11-06 | 新奥泛能网络科技有限公司 | 公共建筑物负荷计算方法及系统 |
| CN109214578A (zh) * | 2018-09-19 | 2019-01-15 | 平安科技（深圳）有限公司 | 电子装置、基于决策树模型的建筑物用电负荷预测方法及存储介质 |
| CN110276524A (zh) * | 2019-05-24 | 2019-09-24 | 华电电力科学研究院有限公司 | 一种适合规划阶段的楼宇型分布式能源系统负荷分析方法 |
| CN110851762A (zh) * | 2019-08-30 | 2020-02-28 | 北京中环合创环保能源科技有限公司 | 一种太阳能集中供热系统的建筑动态仿真模型建立方法 |
| CN110929909A (zh) * | 2018-09-19 | 2020-03-27 | 清华大学 | 一种空气源热泵用户电负荷预测方法 |
| 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 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104166799A (zh) * | 2014-08-13 | 2014-11-26 | 华电电力科学研究院 | 一种天然气分布式能源设计负荷计算方法 |
| US9443043B1 (en) * | 2014-03-28 | 2016-09-13 | Dennis J. Koop | Geothermal heat pump design simulation and analysis |
| CN106295145A (zh) * | 2016-08-02 | 2017-01-04 | 新奥泛能网络科技股份有限公司 | 一种污染物排放量计算方法及电子设备 |
| CN106529736A (zh) * | 2016-11-22 | 2017-03-22 | 新奥泛能网络科技股份有限公司 | 一种建筑能量负荷预测方法及装置 |
| CN106557843A (zh) * | 2016-11-24 | 2017-04-05 | 新奥泛能网络科技股份有限公司 | 一种用能需求预测方法 |
-
2018
- 2018-02-28 CN CN201810168265.0A patent/CN108334992A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9443043B1 (en) * | 2014-03-28 | 2016-09-13 | Dennis J. Koop | Geothermal heat pump design simulation and analysis |
| CN104166799A (zh) * | 2014-08-13 | 2014-11-26 | 华电电力科学研究院 | 一种天然气分布式能源设计负荷计算方法 |
| CN106295145A (zh) * | 2016-08-02 | 2017-01-04 | 新奥泛能网络科技股份有限公司 | 一种污染物排放量计算方法及电子设备 |
| CN106529736A (zh) * | 2016-11-22 | 2017-03-22 | 新奥泛能网络科技股份有限公司 | 一种建筑能量负荷预测方法及装置 |
| CN106557843A (zh) * | 2016-11-24 | 2017-04-05 | 新奥泛能网络科技股份有限公司 | 一种用能需求预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 湖南省土木建筑学会、湖南省建筑师学会编: "《新编二级注册建筑师考试必读》", 31 August 1997, 湖南科学技术出版社 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764574A (zh) * | 2018-05-30 | 2018-11-06 | 新奥泛能网络科技有限公司 | 公共建筑物负荷计算方法及系统 |
| CN109214578A (zh) * | 2018-09-19 | 2019-01-15 | 平安科技（深圳）有限公司 | 电子装置、基于决策树模型的建筑物用电负荷预测方法及存储介质 |
| CN110929909A (zh) * | 2018-09-19 | 2020-03-27 | 清华大学 | 一种空气源热泵用户电负荷预测方法 |
| CN110276524A (zh) * | 2019-05-24 | 2019-09-24 | 华电电力科学研究院有限公司 | 一种适合规划阶段的楼宇型分布式能源系统负荷分析方法 |
| CN110276524B (zh) * | 2019-05-24 | 2023-04-07 | 华电电力科学研究院有限公司 | 一种适合规划阶段的楼宇型分布式能源系统负荷分析方法 |
| CN110851762A (zh) * | 2019-08-30 | 2020-02-28 | 北京中环合创环保能源科技有限公司 | 一种太阳能集中供热系统的建筑动态仿真模型建立方法 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108334992A (zh) | 建筑物的负荷预测方法及系统 | |
| CN106338127B (zh) | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 | |
| US20210108821A1 (en) | Building energy system with predictive control of battery and green energy resources | |
| WO2018156700A1 (en) | Building energy management and optimization | |
| CN103503264B (zh) | 电力控制装置、控制系统及控制方法 | |
| CN103513099B (zh) | 空调耗电处理方法及装置 | |
| Chang | An innovative approach for demand side management—optimal chiller loading by simulated annealing | |
| KR102071792B1 (ko) | 무동력 냉난방 ess 컨테이너 | |
| CN104570973A (zh) | 一种企业能源管理方法及装置 | |
| Wang et al. | Study on operation optimization of decentralized integrated energy system in northern rural areas based on multi-objective | |
| Cole et al. | Use of model predictive control to enhance the flexibility of thermal energy storage cooling systems | |
| CN107133286B (zh) | 一种机房温度参数分布场三维图的生成与分析方法和系统 | |
| CN111780332B (zh) | 一种中央空调分户计量方法及装置 | |
| DE102016015503A1 (de) | Heiz- und/oder Kühlsystem mit prädiktivem Energiemanagement | |
| CN109523174A (zh) | 一种基于数据驱动的低压台区户变关系核查方法 | |
| Powell et al. | Dynamic optimization of a campus cooling system with thermal storage | |
| KR101170743B1 (ko) | 건물 에너지 관리 시스템을 통한 냉동기 최적 운전 시스템 및 방법 | |
| US20230077879A1 (en) | Thermal energy assembly | |
| CN202870163U (zh) | 空调耗电处理装置及系统 | |
| Yu et al. | Load allocation improvement for chiller system in an institutional building using logistic regression | |
| CN116936995A (zh) | 一种户外集装箱储能液冷系统及其控制方法 | |
| VanGeet et al. | FEMP best practices guide for energy-efficient data center design | |
| CN103493324A (zh) | 系统侧控制装置及方法 | |
| CN115437876A (zh) | 一种数据中心的管理方法、装置、电子设备和存储介质 | |
| Yu et al. | Probabilistic analysis of mist cooler effectiveness for air-cooled chiller systems |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |
|
| RJ01 | Rejection of invention patent application after publication |