CN108520341A - 一种考虑人数不确定性的教学楼空调系统设备选型方法 - Google Patents
一种考虑人数不确定性的教学楼空调系统设备选型方法 Download PDFInfo
- Publication number
- CN108520341A CN108520341A CN201810246058.2A CN201810246058A CN108520341A CN 108520341 A CN108520341 A CN 108520341A CN 201810246058 A CN201810246058 A CN 201810246058A CN 108520341 A CN108520341 A CN 108520341A
- Authority
- CN
- China
- Prior art keywords
- classroom
- teaching building
- rate
- probability
- full house
- 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
- 238000004378 air conditioning Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013461 design Methods 0.000 claims abstract description 90
- 238000005057 refrigeration Methods 0.000 claims abstract description 82
- 238000001816 cooling Methods 0.000 claims abstract description 39
- 238000009423 ventilation Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000011835 investigation Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 31
- 238000010187 selection method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 240000002853 Nelumbo nucifera Species 0.000 description 5
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 5
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 210000003128 head Anatomy 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 206010010356 Congenital anomaly Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 241000031708 Saprospiraceae Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002918 waste heat Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种考虑人数不确定性的教学楼空调系统设备选型方法,步骤为:对本地区同类高校教学楼人数进行调研,得到各教室及整栋教学楼满座率变化范围及其概率与累计概率;计算不同满座率下各教室新风量与最大小时负荷的变化范围及其概率与累计概率,结合保证率来确定各教室的设计新风量与设计负荷,依据生产厂家的性能参数,对教室空调末端设备选型;计算不同满座率下整栋教学楼最大小时总冷负荷的变化范围及其概率与累计概率,结合保证率确定教学楼制冷主机的设计容量,最后依据生产厂家的性能参数,对制冷主机及其辅助设备选型。本发明方法考虑了高校教学楼内人数的不确定性及其对空调系统冷负荷的影响,能够避免设备容量冗余过大的弊端。
Description
技术领域
本发明涉及建筑节能和空调系统研究领域,特别涉及一种考虑人数不确定性的教学楼空调系统设备选型方法。
背景技术
随着全球气候变暖与生活水平的提高,越来越多的高校教学楼设置了空调系统。在高校教学楼总能耗中,空调能耗所占比重大,空调系统节能已成为高校教学楼建筑节能的关键。
教室内人员密度大,而人员的散热、散湿量会形成室内冷负荷。另一方面,为了满足室内人员的卫生要求,保证教室空气品质,需要送新风。而将夏季炎热的室外空气处理至空调房间室内设计参数,需要消耗冷量,即形成新风冷负荷。因此,教学楼内人数对其冷负荷具有很大影响,特别是在高温高湿的中国南方地区,其影响更大。冷负荷计算结果是教学楼空调系统设计的主要依据与设备选型的基础。
高校教学楼内各教室内的人数随着排课情况的变化而变化,即使同一间教室,在不同的时间段、不同天,因排课情况存在差异,其人数也会不同,所以,高校教学楼的人数存在不可避免的不确定性。
当前教学楼中央空调系统设计与设备选型采用的是常规方法,也就是确定性方法。常规方法对教学楼内各空调房间的人数依据设计师的经验进行取值,或者安全起见,人数按教室的座位数(即,取人数的最大值),然后计算所取人数下各教室及整栋教学楼的新风量与设计日逐时负荷,确定教室的设计新风量与设计负荷(负荷包括总冷负荷、室内冷负荷、室内湿负荷),在此基础上结合空调末端设备厂家的性能参数对空调末端设备进行选型;确定制冷主机的设计容量,结合制冷主机及其辅助设备厂家的性能参数对制冷主机及其辅助设备进行选型。由于常规方法确定的教学楼人数在绝大部分时间远大于实际人数,所以,使得教学楼空调冷负荷计算结果远高于实际需求,并进一步导致空调系统设备选型容量冗余过大。虽然现在有多种效果好、应用广泛的空调节能技术,但是,各种空调节能技术对设备容量的调节有一定的范围,在空调系统设备容量冗余过大,空调系统存在先天不足的情况下,这些空调节能技术难以发挥其节能效果。
因此,在教学楼中央空调系统设计阶段,合理确定空调系统设备的设计负荷,并对其进行合理选型,是空调系统节能运行的前提与基础,意义重大。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出一种考虑人数不确定性的教学楼空调系统设备选型方法,该方法考虑了高校教学楼内人数的不确定性及其对空调系统冷负荷的影响,合理地确定空调设备的容量,避免了设备容量冗余过大的弊端。
本发明的目的通过以下的技术方案实现:一种考虑人数不确定性的教学楼空调系统设备选型方法,包括步骤:
(1)对本地区同类高校教学楼人数进行调研;
(2)空调末端设备选型:经调研得到各教室满座率变化范围及其概率与累计概率,计算不同满座率下各教室的新风量与设计日逐时负荷,进而得出各教室新风量与最大小时负荷的变化范围及其概率与累计概率,结合保证率来确定各教室的设计新风量与设计负荷;然后在焓湿图上对教室空气处理过程进行相关计算,依据空调末端设备生产厂家的性能参数,对教室空调末端设备选型;
(3)制冷主机及其辅助设备选型:调研得到整栋教学楼满座率变化范围及其概率与累计概率,计算不同满座率下整栋教学楼设计日逐时总负荷,进而得到教学楼最大小时总冷负荷的变化范围及其概率与累计概率;按保证率与教学楼最大小时总冷负荷的累计概率,确定教学楼制冷主机的设计容量,最后依据制冷主机及其辅助设备生产厂家的性能参数,对制冷主机及其辅助设备进行选型。
优选的,步骤(1)中,对本地区同类高校教学楼人数进行调研的步骤是:
用满座率α来表示教室座位的利用情况,α指教室或教学楼内的实际人数与总座位数之比,满座率与教室内或教学楼内座位数的乘积表示教室内或教学楼内的人数,获得教学楼各教室与整栋教学楼满座率的调研数据。
优选的,步骤(2)中,计算不同满座率下各教室的新风量与设计日逐时负荷,步骤是:
将各教室满座率变化范围按从小到大划分为i个相等的子区间,每个子区间的中点αmean,i代表该子区间的满座率,其对应的概率与累计概率代表该子区间满座率的概率与累计概率;
各教室的满座率变化情况用最大满座率与所有i个子区间的中点αmean,i代表,即包括了(i+1)个满座率,分别将这(i+1)个满座率与教室座位数相乘,得到与各满座率对应的教室人数,将其作为冷负荷计算软件中人数的输入值;
在冷负荷计算软件中进行模拟计算,得出各教室不同满座率下,设计日逐时负荷以及对应的新风量,各逐时值中的最大值分别为最大小时负荷,上述的负荷包括总冷负荷、室内冷负荷、室内湿负荷。
优选的,步骤(2)中,各教室新风量与最大小时负荷的变化范围及其概率与累计概率的计算方法是:
在得到不同满座率下各教室的新风量、最大小时负荷后,某个满座率对应的概率与累计概率即为该满座率下新风量、最大小时负荷的概率与累计概率,从而得到教学楼内各教室的新风量、最大小时负荷的变化范围及其概率与累计概率。
优选的,步骤(2)中,各教室的设计新风量与设计负荷的确定方法是:
由高校与设计师共同确定一个保证率,对于教室而言,某一保证率β是指教室的设计负荷与新风量能满足教室实际需求的概率;对于整栋教学楼而言,某一保证率β是指教学楼的设计总冷负荷能满足教学楼实际用冷需求的概率;按保证率与各教室的新风量、最大小时负荷的累计概率,确定出各教室的设计新风量与设计负荷。
优选的,步骤(3)中,不同满座率下,教学楼设计日逐时负荷的计算方法是:
将整栋教学楼的满座率变化范围按从小到大划分为k个相等的子区间,每个子区间的中点αmean,k代表该子区间的满座率,其对应的概率与累计概率代表该子区间满座率的概率与累计概率;
整栋教学楼的满座率变化情况用最大满座率与所有k个子区间的中点αmean,k代表,共包括(k+1)个满座率,分别将这(k+1)个满座率与整栋教学楼的总座位数相乘,得到与各满座率对应的教学楼总人数,将其作为冷负荷计算软件中人数的输入值;采用冷负荷计算软件进行模拟计算,得出整栋教学楼不同满座率下,设计日逐时总冷负荷与最大小时总冷负荷。
优选的,步骤(3)中,教学楼制冷主机的设计容量的确定方法是:
预先确定一个保证率按保证率与教学楼最大小时总冷负荷的累计概率,确定教学楼制冷主机的设计容量。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明充分考虑了高校教学楼内人数不确定性对空调系统冷负荷的影响。以高校教学楼人数调研为基础,能科学预测各教室的新风量与最大小时负荷、教学楼最大小时总冷负荷的变化范围以及不同取值出现的概率与累计概率,结合保证率来共同确定各教室的设计新风量与设计负荷,制冷主机的设计容量,以此作为高校教学楼中央空调系统设备选型的依据。
2、本发明的空调设备选型结果既能满足实际需要,其设备容量又低于常规选型方法中的设备容量,避免了高校教学楼空调系统出现设备容量冗余过大,运行效率低的现象。不仅节省了高校教学楼中央空调系统的初投资,而且降低其运行能耗。
附图说明
图1为本发明方法的流程图。
图2为本发明方法中教室的空气处理过程示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
本实施例提供了一种考虑人数不确定性的教学楼空调系统设备选型方法,下面以广州某高校的教学楼为例,参见图1来对该方法的步骤以及其效果进行具体说明。
本实施例实验对象参数为:广州某高校的教学楼,建筑面积7170.4平方米,教室总面积3967.2平方米,共六层,每层层高3.8米,24间教室,3624个座位。教学楼内的教室共三种类型,详见表1。教室的分布为:每层4间,1间教室1、1间教室2,2间教室3。教室外墙传热系数、外窗传热系数、屋顶传热系数分别为:1.44W/(m2.℃)、2.49W/(m2.℃)、0.77W/(m2.℃),教室1、教室2的东、西向均为内墙。教室的照明功率与用电设备功率分别为:9W/m2、5W/m2。该教学楼的空调系统仅供冷,供冷季节为3月1-7月15日,8月29日-11月30日,暑假教学楼关闭。供冷季节,每天空调系统运行时间为8:00-12:00,14:00-18:00,19:00-22:00。教学楼空调系统拟采用风机盘管+新风系统。教室空调室内设计参数:干球温度26℃,相对湿度60%。
表1教学楼内教室类型
教室类型 | 面积(m2) | 数量(间) | 座位数(个) |
教室1 | 205.2 | 6 | 196 |
教室2 | 182.4 | 6 | 180 |
教室3 | 136.8 | 12 | 114 |
(1)同类教学楼的人数调研
对该高校同一区域、规模类似的教学楼进行人数调研。其中教室1的人数调研结果为现有8间座位数在190-204范围内人数调研结果的平均值,教室2是8间座位数在170-187范围内人数调研结果的平均值,教室3是10间座位数在100-118范围内人数调研结果的平均值。上课时教室的人数取排课计划中选课学生总数,没有排课的教室内的人数,通过对自习教室中自习人数的调研来确定。对教学楼内无课供自习的教室中自习人数的现场调研结果表明,座位数在100-200范围内的教室其满座率均小于等于10%,故无课教室的满座率按10%计。对调研教学楼各教室以及整栋楼依据教务处的全年排课情况,可得出供冷季节空调运行时间内的逐时满座率。不同满座率出现的概率与累计概率用其频率与累计频率表示。
(2)教室空调末端设备选型
1)计算各教室满座率变化范围及其概率与累计概率
依据同类高校教学楼满座率的调研结果,整理得到各教室的满座率变化范围以及平均值详见表2,各教室不同满座率出现的概率与累计概率如表3所示。
表2各教室以及整栋教学楼满座率的变化范围与平均值
最小值 | 平均值 | 最大值 | |
教室1 | 10.0% | 26.5% | 63.9% |
教室2 | 9.2% | 28.6% | 74.6% |
教室3 | 10.0% | 37.0% | 87.5% |
整栋教学楼 | 9.8% | 30.6% | 52.5% |
表3各教室各满座率的概率与累计概率
2)不同满座率下教室新风量与设计日逐时负荷计算
采用鸿业负荷计算8.0软件计算教室的设计日逐时负荷(负荷包括总冷负荷、室内冷负荷、室内湿负荷)。按表3,将各教室满座率变化范围等分为10个子区间,用其中点代表该子区间的满座率。因此,各教室的满座率变化情况用最大满座率与10个子区间中点共计11个值来代表,分别将不同满座下教室人数作为鸿业负荷计算8.0软件中的人数输入值,计算各教室的新风量与设计日逐时负荷。教室的新风量为教室内人数与新风指标的乘积,其中,新风指标为:28m3/h(当人员密度小于0.4人/m2时)或24m3/h(当人员密度小于0.4人/m2时)。设计日逐时负荷中最大的负荷即为教室在输入人数下的最大小时负荷。
3)教室新风量、最大小时负荷变化范围及其概率与累计概率
依据前述负荷计算结果,可以得出各教室的新风量、最大小时负荷(负荷包括总冷负荷、室内冷负荷、室内湿负荷)的变化范围及其出现的概率及累计概率。以教学楼二层为例,其计算结果详见表4~表6。
表4二层教室1新风量、最大小时负荷变化范围及其概率与累计概率
表5二层教室2新风量、最大小时负荷变化范围及其概率与累计概率
表6二层教室3新风量、最大小时负荷变化范围及其概率与累计概率
4)确定教室的设计新风量与设计负荷
确定教学楼空调系统的保证率后,结合各教室的新风量与最大小时负荷及其对应的累计概率,可确定满足该保证率的各教室的设计新风量与设计负荷。
取保证率为98%,对于二层的教室,依据表4~表6中的累计概率,利用线性差值法计算出累计概率为98%时,各教室的设计新风量与设计负荷如表7所示。
表7二层各教室设计新风量与设计负荷(98%保证率)
5)确定教室空调末端设备型号
在得出教室设计新风量与设计负荷后,依据教学楼中央空调系统方案可进行教室空调末端设备选型。本教学楼的空调系统拟采用风机盘管加新风系统,因此,教室的空调末端设备为风机盘管与新风机组。
下面以教学楼二层的教室1为例说明教室空调末端设备的选型过程。
教室的空气处理过程如图2所示。室外新风W经新风机组处理到状态点L送入教室,室内回风N经风机盘管处理到状态点M,二者混合到状态点O,经过室内热湿比线ε吸收室内余热与余湿后将室内空气处理到设计状态点N。由于教室的人数较多,湿负荷较大,新风不能只处理到室内空气的焓值,而是必须具有一定的除湿能力才能和风机盘管共同作用下实现对房间的温湿度调节。
在焓湿图上对教室1进行风机盘管加新风系统空气处理过程的计算,计算条件为:设计室内冷负荷为20154W、湿负荷为2.575g/s、设计新风量为2758m3/h。计算结果如下:
新风处理机组应该承担的负荷为:全热冷负荷38.94kW,显热冷负荷17.178kW,潜热冷负荷21.762kW,湿负荷9.15g/s。
风机盘管应该承担的负荷为:全热冷负荷7.938kW,显热冷负荷5.693kW,潜热冷负荷2.245kW,湿负荷0.977g/s。风机盘管承担热湿比为8126.2kJ/kg。
风量关系为:新风量2758m3/h,室内送风风量4665.4m3/h,风机盘管送风风量1907.4m3/h。然后,依据上面的计算结果,进行风机盘管与新风机组选型。
风机盘管选型:
拟选4台型号相同的卧室暗装风机盘管,则每台风机盘管的要求如下:
最小风量为:1907.4÷4=476.9(m3/h);最小全热制冷量在考虑积灰对风机盘管性能的影响取10%的附加率后为:(7.938÷4)×(1+10%)=2.18(kW);热湿比应小于或等于8126.2kJ/kg。
选择4台型号为FP-5WA美的卧式暗装风机盘管。FP-5WA风机盘管在冷冻水进水温度7℃,水量8L/min,进风空气的干/球湿温度为26℃/19℃时的性能为:高档全热制冷量为2.453kW,高档风量为500m3/h,输入功率38W,风机盘管的热湿比为7574.9kJ/kg,均满足要求。
新风机组选型:
拟选1台吊顶式新风机组,新风机组的要求如下:
最小风量为:2758m3/h;最小全热制冷量为:38.94kW。
选择1台型号为MKD1-02 6R12的美的吊顶式新风机组,该机组在在冷冻水进水温度7℃,水量119L/min,进风空气的干/球湿温度为34℃/28℃时的性能为性能:全热制冷量为41.63kW,风量为2800m3/h,输入功率0.37kW,全压300Pa,风量与全热制冷量均满足要求。
同理,可对二层教室2、教室3进行教室空调末端设备选型,选型结果如下:
教室2:3台FP-6.3WA美的卧式暗装风机盘管,1台MKD1-03 6R10美的吊顶式新风机组。
FP-6.3WA风机盘管在冷冻水进水温度7℃,水量6L/min,进风空气的干/球湿温度为26℃/19℃时的性能为:高档全热制冷量为2.7kW,高档风量为630m3/h,输入功率39W,风机盘管的热湿比为7574.5kJ/kg。
MKD1-03 6R10美的吊顶式新风机组在冷冻水进水温度7℃,水量131L/min,进风空气的干/球湿温度为34℃/28℃时的性能为性能:全热制冷量为46.05kW,风量为3000m3/h,输入功率0.40kW,全压300Pa。
教室3:3台FP-5WA美的卧式暗装风机盘管,1台MKD1-02 6R8F的美的吊顶式新风机组。
MKD1-02 6R8F美的吊顶式新风机组在冷冻水进水温度7℃,水量78.3L/min,进风空气的干/球湿温度为34℃/28℃时的性能为性能:全热制冷量为27.45kW,风量为2000m3/h,输入功率0.30kW,全压300Pa。
(3)制冷主机及其辅助设备选型
1)计算教学楼满座率变化范围及其概率与累计概率
依据同类高校教学楼满座率的调研结果,整理得到整栋教学楼的满座率变化范围以及平均值详见表2,整栋教学楼满座率的变化范围及各满座率出现的概率与累计概率如表8所示。
表8整栋教学楼各满座率的概率与累计概率
满座率 | 概率 | 累计概率 |
9.4%-13.7% | 5.94% | 5.94% |
13.7%-18.0% | 11.53% | 17.47% |
18.0%-22.3% | 5.82% | 23.30% |
22.3%-26.6% | 7.04% | 30.34% |
26.6%-30.9% | 11.65% | 41.99% |
30.9%-35.2% | 16.45% | 58.44% |
35.2%-39.5% | 22.83% | 81.27% |
39.5%-43.8% | 15.70% | 96.97% |
43.8%-48.1% | 2.05% | 99.02% |
48.1%-52.4% | 0.87% | 99.88% |
52.5% | 0.12% | 100.00% |
2)计算不同满座率下,教学楼设计日逐时负荷
仍采用鸿业负荷计算8.0软件计算整栋教学楼的设计日逐时负荷。按表8,把整栋教学楼满座率变化范围等分为10个子区间,用其中点代表该子区间的满座率。因此,整栋教学楼的满座率变化情况就可用最大满座率与10个子区间中点共计11个值来代表,分别将不同满座率对应的教学楼人数作为鸿业负荷计算8.0软件中的人数输入值,计算整栋教学楼的设计日逐时负荷,设计日逐时负荷中最大的负荷即为整栋教学楼在输入人数下的最大小时负荷。
3)整栋教学楼最大小时总冷负荷及对应的概率与累计概率
依据上一步教学楼设计日逐时负荷的计算结果,可以得出整栋教学楼的最大小时总冷负荷及其对应的概率与累计概率,如表9所示。
表9整栋教学楼最大小时总冷负荷及其概率与累计概率
满座率 | 最大小时总冷负荷/W | 概率 | 累计概率 |
9.4%-13.7% | 343639 | 5.94% | 5.94% |
13.7%-18.0% | 396060 | 11.53% | 17.47% |
18.0%-22.3% | 448228 | 5.82% | 23.30% |
22.3%-26.6% | 502552 | 7.04% | 30.34% |
26.6%-30.9% | 554865 | 11.65% | 41.99% |
30.9%-35.2% | 609341 | 16.45% | 58.44% |
35.2%-39.5% | 664952 | 22.83% | 81.27% |
39.5%-43.8% | 683002 | 15.70% | 96.97% |
43.8%-48.1% | 734793 | 2.05% | 99.02% |
48.1%-52.4% | 758686 | 0.87% | 99.88% |
52.5% | 778870 | 0.12% | 100.00% |
4)确定教学楼制冷主机的设计容量
教学楼空调系统的保证率取值与教室保证率相同,为98%,结合表9的计算结果,得出教学楼制冷主机的设计容量为709074.7W,即,709.074kW。
5)制冷主机及其辅助设备选型
制冷主机选型时实际制冷量大于或等于709.074kW即可满足要求。为了提高部分负荷时制冷主机的运行效率,制冷主机选用2台。则单台制冷主机所需要的制冷量为:709.07÷2=354.54(kW)。
选用2台麦克维尔型号为MCS-FBB105的风冷螺杆式冷水机组,额定工况下该冷水机组性能参数如下:
制冷量:370kW,压缩机输入功率:103.5kW,冷冻水流量:64m3/h,冷冻水阻力:58kPa。额定工况:冷冻水进/出水温度为12℃/7℃,环境温度35℃。
经计算该制冷主机在设计工况下(室外温度34.2℃)的实际制冷量为372.2kW,因此,MCS-FBB105的风冷螺杆是冷水机组的制冷量能满足教学楼的实际用冷需求。
在制冷主机选型完成后,可以依据制冷主机的冷冻水流量、冷冻水阻力以及整个空调系统冷冻水系统的总阻力,并考虑流量与阻力安全系数后,对冷冻水泵进行选型。冷冻水泵的选型结果为:2台型号为TP100-250/2格兰富水泵,额定流量70.4m3/h,额定扬程23m,额定功率6.1kW。
本实施例中,将本发明所述选型方法与常规设备选型方法选型结果进行比对,具体的比对结果如下:
1)教学楼空调系统常规设备选型方法选型结果
教学空调系统常规设备选型方法不考虑人数的不确定性,对教室与教学楼按经验估算人数或按最安全的方式确定人数,然后计算该人数情况下各教室的新风量与逐时负荷、整栋教学楼的逐时负荷,将各教室的最大小时负荷以及对应的新风量,作为教室的设计负荷与设计新风量,将整栋教学楼的最大小时总冷负荷作为制冷主机的设计容量,然后进行教室空调末端设备与制冷主机及其辅助设备选型。下面的常规设备选型方法中,各教室人数等于座位数,整栋教学楼的人数等于教学楼所有教室座位数之和。
a.教室空调末端设备选型
仍然以二层的教室为例,各教室取人数等于座位数,采用鸿业负荷计算8.0软件计算各教室的设计日逐时负荷,取其最大值作为设计负荷,计算此人数下教室的新风量,作为设计新风量,计算结果详见表10。
表10二层各教室设计新风量与设计负荷(常规设备选型方法)
二层各教室风机盘管与新风机组依据表10中设计负荷与设计新风量,通过在焓湿图进行空气处理过程的计算,结合末端设备生产厂家的数据,进行末端空调设备的选型。满足室内热、湿负荷与新风量的二层各教室选型结果如下:
教室1:1台FP-7.1WA美的卧式暗装风机盘管(风量:710m3/h,制冷量:3.24kW,功率:47W),2台MKD1-02 6R12美的吊顶式新风机组(风量2400m3/h,制冷量:37.33kW,功率:0.33kW)。
教室2:1台FP-6.3WA美的卧式暗装风机盘管(风量:630m3/h,制冷量:2.7kW,功率:39W),2台MKD1-02 6R10美的吊顶式新风机组(风量2200m3/h,制冷量:32.45kW,功率:0.31kW)。
教室3:1台FP-8WA美的卧式暗装风机盘管(风量:800m3/h,制冷量:4.21kW,功率:70W),1台MKD1-02 6R12美的吊顶式新风机组(风量2800m3/h,制冷量:41.64kW,功率:0.37kW)。
b.制冷主机及其辅助设备选型
按整栋教学楼所有教室的座位之和(即,3624个座位数)作为教学楼总人数,用鸿业负荷计算8.0软件计算整栋教学楼的设计日逐时负荷。依据计算结果,教学楼制冷主机的设计容量为1303672W,即1303.672kW。
制冷主机选型结果:选用2台麦克维尔型号为MCS-FBB175的风冷螺杆式冷水机组,额定工况下该冷水机组性能参数如下:
制冷量:663kW,压缩机输入功率:177.3kW,冷冻水流量:114m3/h,冷冻水阻力:70kPa。额定工况:冷冻水进/出水温度为12℃/7℃,环境温度35℃。
冷冻水泵选型结果:2台型号为TP100-310/2格兰富水泵,额定流量125.4m3/h,额定扬程28m,额定功率12kW。
2)本实施例选型方法与常规空调设备方法的选型结果对比
高校教学楼中央空调系统分别采用本发明选型方法与常规空调设备选型方法进行选型,选型结果比较详见表11。
表11本发明与常规教学楼空调系统设备选型方法选型结果对比
表11表明按常规空调设备选型方法进行教学楼空调系统设备选型时,空调末端设备的总额定制冷量之和以及制冷主机的额定制冷量之和均大于本发明方法中的选型结果。尤其是制冷主机的额定制冷量之和,考虑人数不确定性后,降低了44.2%。由于教学楼中实际人数是不断变化且各教室不可能同时100%满座率。因此,基于最安全的方式来估算人数的常规空调系统设备选型方法必将导致空调系统在实际运行过程中存在很大的容量冗余,出现大马拉小车的情况,即使采用各种调节手段也无法完全改善这种由于设备选型的先天不足造成的运行能效降低。而本申请充分考虑人数不确定性,通过前期对本地区同类高校教学楼人数的调研数据,可以科学预测各教室的新风量与最大小时负荷、教学楼最大小时总冷负荷的变化范围及其出现的累计概率,结合保证率来共同确定各教室的设计新风量与设计负荷,制冷主机的设计容量,以此作为高校教学楼中央空调系统设备选型的依据,具有初投资低且运行效率高的优点。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种考虑人数不确定性的教学楼空调系统设备选型方法,其特征在于,包括步骤:
(1)对本地区同类高校教学楼人数进行调研;
(2)空调末端设备选型:经调研得到各教室满座率变化范围及其概率与累计概率,计算不同满座率下各教室的新风量与设计日逐时负荷,进而得出各教室新风量与最大小时负荷的变化范围及其概率与累计概率,结合保证率来确定各教室的设计新风量与设计负荷;然后在焓湿图上对教室空气处理过程进行相关计算,依据空调末端设备生产厂家的性能参数,对教室空调末端设备选型;
(3)制冷主机及其辅助设备选型:经调研得到整栋教学楼满座率变化范围及其概率与累计概率,计算不同满座率下整栋教学楼设计日逐时总负荷,进而得到教学楼最大小时总冷负荷的变化范围及其概率与累计概率;按保证率与教学楼最大小时总冷负荷的累计概率,确定教学楼制冷主机的设计容量,最后依据制冷主机及其辅助设备生产厂家的性能参数,对制冷主机及其辅助设备进行选型。
2.根据权利要求1所述的考虑人数不确定性的教学楼空调系统设备选型方法,其特征在于,步骤(1)中,对本地区同类高校教学楼人数进行调研的步骤是:
用满座率α来表示教室座位的利用情况,α指教室或教学楼内的实际人数与总座位数之比,满座率与教室内或教学楼内座位数的乘积表示教室内或教学楼内的人数,获得教学楼各教室与整栋教学楼满座率的调研数据。
3.根据权利要求1所述的考虑人数不确定性的教学楼空调系统设备选型方法,其特征在于,步骤(2)中,计算不同满座率下各教室的新风量与设计日逐时负荷,步骤是:
将各教室满座率变化范围按从小到大划分为i个相等的子区间,每个子区间的中点αmean,i代表该子区间的满座率,其对应的概率与累计概率代表该子区间满座率的概率与累计概率;
各教室的满座率变化情况用最大满座率与所有i个子区间的中点αmean,i代表,即包括了(i+1)个满座率,分别将这(i+1)个满座率与教室座位数相乘,得到与各满座率对应的教室人数,将其作为冷负荷计算软件中人数的输入值;
在冷负荷计算软件中进行模拟计算,得出各教室不同满座率下,设计日逐时负荷以及对应的新风量,各逐时值中的最大值分别为最大小时负荷,上述的负荷包括总冷负荷、室内冷负荷、室内湿负荷。
4.根据权利要求1所述的考虑人数不确定性的教学楼空调系统设备选型方法,其特征在于,步骤(2)中,各教室新风量与最大小时负荷的变化范围及其概率与累计概率的计算方法是:
在得到不同满座率下各教室的新风量、最大小时负荷后,某个满座率对应的概率与累计概率即为该满座率下新风量、最大小时负荷的概率与累计概率,从而得到教学楼内各教室的新风量、最大小时负荷的变化范围及其概率与累计概率。
5.根据权利要求1所述的考虑人数不确定性的教学楼空调系统设备选型方法,其特征在于,步骤(2)中,各教室的设计新风量与设计负荷的确定方法是:
预先确定一个保证率,对于教室而言,某一保证率β是指教室的设计负荷与新风量能满足教室实际需求的概率;对于整栋教学楼而言,某一保证率β是指教学楼的设计总冷负荷能满足教学楼实际用冷需求的概率;按保证率与各教室的新风量、最大小时负荷的累计概率,确定出各教室的设计新风量与设计负荷。
6.根据权利要求1所述的考虑人数不确定性的教学楼空调系统设备选型方法,其特征在于,步骤(3)中,不同满座率下,教学楼设计日逐时负荷的计算方法是:
将整栋教学楼的满座率变化范围按从小到大划分为k个相等的子区间,每个子区间的中点αmean,k代表该子区间的满座率,其对应的概率与累计概率代表该子区间满座率的概率与累计概率;
整栋教学楼的满座率变化情况用最大满座率与所有k个子区间的中点αmean,k代表,共包括(k+1)个满座率,分别将这(k+1)个满座率与整栋教学楼的总座位数相乘,得到与各满座率对应的教学楼总人数,将其作为冷负荷计算软件中人数的输入值;采用冷负荷计算软件进行模拟计算,得出整栋教学楼不同满座率下,设计日逐时总冷负荷与最大小时总冷负荷。
7.根据权利要求1所述的考虑人数不确定性的教学楼空调系统设备选型方法,其特征在于,步骤(3)中,教学楼制冷主机的设计容量的确定方法是:
预先确定一个保证率,按保证率与教学楼最大小时总冷负荷的累计概率,确定教学楼制冷主机的设计容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810246058.2A CN108520341A (zh) | 2018-03-23 | 2018-03-23 | 一种考虑人数不确定性的教学楼空调系统设备选型方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810246058.2A CN108520341A (zh) | 2018-03-23 | 2018-03-23 | 一种考虑人数不确定性的教学楼空调系统设备选型方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108520341A true CN108520341A (zh) | 2018-09-11 |
Family
ID=63434203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810246058.2A Pending CN108520341A (zh) | 2018-03-23 | 2018-03-23 | 一种考虑人数不确定性的教学楼空调系统设备选型方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108520341A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109780675A (zh) * | 2019-01-31 | 2019-05-21 | 广东美的制冷设备有限公司 | 空调器及控制方法、运行状态与课程表的关联方法 |
CN114399191A (zh) * | 2022-01-11 | 2022-04-26 | 西安建筑科技大学 | 一种基于建筑节能的高校排课系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170211830A1 (en) * | 2016-01-25 | 2017-07-27 | Hitachi Information & Telecommunication Engineering, Ltd. | Air-conditioning control system, air-conditioning planning device, and planning method |
CN107143970A (zh) * | 2017-04-18 | 2017-09-08 | 珠海格力电器股份有限公司 | 空调选型方法和装置 |
CN107169606A (zh) * | 2017-05-18 | 2017-09-15 | 天津大学 | 一种办公建筑冷负荷的预测方法 |
-
2018
- 2018-03-23 CN CN201810246058.2A patent/CN108520341A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170211830A1 (en) * | 2016-01-25 | 2017-07-27 | Hitachi Information & Telecommunication Engineering, Ltd. | Air-conditioning control system, air-conditioning planning device, and planning method |
CN107143970A (zh) * | 2017-04-18 | 2017-09-08 | 珠海格力电器股份有限公司 | 空调选型方法和装置 |
CN107169606A (zh) * | 2017-05-18 | 2017-09-15 | 天津大学 | 一种办公建筑冷负荷的预测方法 |
Non-Patent Citations (1)
Title |
---|
张崎等: "办公建筑室内发热量的空间不均匀特性对空调设计选型的影响分析", 《暖通空调》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109780675A (zh) * | 2019-01-31 | 2019-05-21 | 广东美的制冷设备有限公司 | 空调器及控制方法、运行状态与课程表的关联方法 |
CN109780675B (zh) * | 2019-01-31 | 2021-05-25 | 广东美的制冷设备有限公司 | 空调器及控制方法、运行状态与课程表的关联方法 |
CN114399191A (zh) * | 2022-01-11 | 2022-04-26 | 西安建筑科技大学 | 一种基于建筑节能的高校排课系统及方法 |
CN114399191B (zh) * | 2022-01-11 | 2024-05-07 | 西安建筑科技大学 | 一种基于建筑节能的高校排课系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pan et al. | Energy modeling of two office buildings with data center for green building design | |
CN106529167B (zh) | 一种非供暖季空调系统综合能耗的分析方法 | |
CN102128481B (zh) | 空调器及其控制方法及装置 | |
CN106524295A (zh) | 一种区域建筑能耗预测方法 | |
CN105841300A (zh) | 一种计及新风系统的中央空调建模及调控策略 | |
CN104160217B (zh) | 空调控制装置以及存储介质 | |
Lim et al. | Indoor environment control and energy saving performance of a hybrid ventilation system for a multi-residential building | |
Cui et al. | Performance evaluation of hybrid radiant cooling system integrated with decentralized ventilation system in hot and humid climates | |
CN116398994B (zh) | 一种基于负荷预测的冷水机组群控优化方法 | |
Kapalo et al. | Effect of the variable air volume on energy consumption-Case study | |
CN108520341A (zh) | 一种考虑人数不确定性的教学楼空调系统设备选型方法 | |
CN203586489U (zh) | 一种能量回收型新风处理机组 | |
Sui et al. | Effects of radiant terminal and air supply terminal devices on energy consumption of cooling load sharing rate in residential buildings | |
TW201027014A (en) | Method for managing air conditioning power consumption | |
Yang et al. | Control strategy optimization for energy efficiency and comfort management in HVAC systems | |
Kim et al. | Energy evaluation of data center with low cooling water temperature and free cooling | |
CN110942262B (zh) | 一种面向增量配电园区内空调需求响应的分区域调控方法 | |
CN209279299U (zh) | 一种冷冻水大温差节能空调系统 | |
CN113268796A (zh) | 一种暖通空调系统设备自动选型算法 | |
Kant et al. | Heating ventilation and air-conditioning systems for energy-efficient buildings | |
WO2014148165A1 (ja) | エネルギーネットワークの運転制御方法および装置 | |
Yau et al. | A comprehensive review of variable refrigerant flow (VRF) and ventilation designs for thermal comfort in commercial buildings | |
CN109340933A (zh) | 一种冷冻水大温差节能空调系统及其实现方法 | |
Yasin et al. | Energy and Cost Evaluation of Different HVAC Systems in an Office Building | |
Ghaith | Energy efficiency of conventional air conditioning systems in light of climate change |
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: 20180911 |