CN109376961A - 一种建筑热负荷预测方法及系统 - Google Patents
一种建筑热负荷预测方法及系统 Download PDFInfo
- Publication number
- CN109376961A CN109376961A CN201811487616.0A CN201811487616A CN109376961A CN 109376961 A CN109376961 A CN 109376961A CN 201811487616 A CN201811487616 A CN 201811487616A CN 109376961 A CN109376961 A CN 109376961A
- Authority
- CN
- China
- Prior art keywords
- building
- parameters
- indoor
- parameter
- heat load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000010438 heat treatment Methods 0.000 title abstract description 12
- 230000005855 radiation Effects 0.000 claims abstract description 43
- 238000004088 simulation Methods 0.000 claims description 20
- 230000017525 heat dissipation Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 230000036962 time dependent Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000004321 preservation Methods 0.000 description 3
- 239000004793 Polystyrene Substances 0.000 description 2
- 229920002223 polystyrene Polymers 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002356 single layer 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
- G06Q10/04—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)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种建筑热负荷预测方法及系统,该方法包括:根据获取的建筑参数,创建获得建筑物理模型;基于预设室内外温度差参数和室外总辐射参数对所述建筑物理模型进行仿真,获得初始建筑物热负荷;基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷进行拟合计算,获得所述建筑热负荷预测模型,实现对建筑热负荷的预测。本发明这样获得的建筑热负荷模型充分考虑了热辐射、室内外温差对建筑热负荷的影响,使得预测模型适用性更广,得到的预测结果精度更高。
Description
技术领域
本发明涉及数据预测技术领域,特别是涉及一种建筑热负荷预测方法及系统。
背景技术
随着新能源并网容量的快速增长,电力系统的负荷峰谷差逐渐增大,火电机组的调峰能力不足问题也日益严重。之前的“以热定电”政策限制了供热机组参与电力调峰,供热机组的首要任务是满足热负荷的需求,大容量供热机组的运行有利于电网用户高峰期,但是在用电量低谷时供热带来的电负荷过剩,严重影响电网安全。此时,在保障基本供热的前提下应该尽量减少供热负荷。当小容量供热机组运行时,随着供热需求增大其可用来调峰的幅度减小,在用电高峰期不能满足调峰需求。增大供热机组调峰裕度的利用率。因此,可以考虑采用临时停止供热的方法增大机组的调峰裕度。
因此,对建筑热负荷的预测可以为供热系统的优化及规划提供依据。现有技术中通常是通过预测周期的长短建立热负荷预测模型,这就使得无法避免由于仿真模型单一,预测精度会受到适用条件的影响。仅仅通过模型的改变来改变预测热负荷的值,从而导致建筑仿真的客观性较低,并且对其他影响因素考虑较少,影响了模型的适应性,进而降低了预测精度。
发明内容
针对于上述问题,本发明提供一种建筑热负荷预测方法及系统,提高了预测模型的适应性和预测精度。
为了实现上述目的,本发明提供了如下技术方案:
一种建筑热负荷预测方法,该方法包括:
根据获取的建筑参数,创建获得建筑物理模型;
基于预设室内外温度差参数和室外总辐射参数对所述建筑物理模型进行仿真,获得初始建筑物热负荷;
基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷进行拟合计算,获得所述建筑热负荷预测模型,实现对建筑热负荷的预测。
可选地,所述根据获取的建筑参数,创建获得建筑物理模型,包括:
确定建筑参数,其中,所述建筑参数包括建筑墙厚度参数、墙密度参数、混凝土比热容参数和空气比热容参数;
采用DeST软件按照所述建筑参数搭建建筑模型,获得建筑物理模型。
可选地,所述基于预设室内外温度差参数和室外总辐射参数对所述建筑物理模型进行仿真,获得初始建筑物热负荷,包括:
根据所述预设室内外温度差参数和所述室外总辐射参数,确定所述建筑物理模型的边界条件;
基于不同的所述边界条件,对所述建筑物理模型进行仿真处理,获得与不同的所述边界条件相匹配的初始建筑物热负荷。
可选地,当获得初始建筑物热负荷后,所述方法还包括:
根据室内外温度参数和建筑物参数,创建建筑结构热平衡方程;
将所述初始建筑物热负荷确定为散热负荷,并将所述散热负荷和预设进入室内热量值代入到所述建筑结构热平衡方程,获得室内温度随时间变化值。
可选地,所述基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷进行拟合计算,获得所述建筑热负荷预测模型,包括:
根据所述室内温度随时时间变化值,设定室内温度与环境温度的差值,记为室内外温度差参数;
基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷和所述室内温度随时间变化值进行拟合,获得建筑热负荷预测模型;
基于实际天气温度变化参数,通过所述建筑热负荷预测模型,预测获得建筑热负荷的预测值。
一种建筑热负荷预测系统,包括:
创建单元,用于根据获取的建筑参数,创建获得建筑物理模型;
仿真单元,用于基于预设室内外温度差参数和室外总辐射参数对所述建筑物理模型进行仿真,获得初始建筑物热负荷;
拟合单元,用于基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷进行拟合计算,获得所述建筑热负荷预测模型,实现对建筑热负荷的预测。
可选地,所述创建单元包括:
参数确定子单元,用于确定建筑参数,其中,所述建筑参数包括建筑墙厚度参数、墙密度参数、混凝土比热容参数和空气比热容参数;
搭建子单元,用于采用DeST软件按照所述建筑参数搭建建筑模型,获得建筑物理模型。
可选地,所述仿真单元包括:
条件确定子单元,用于根据所述预设室内外温度差参数和所述室外总辐射参数,确定所述建筑物理模型的边界条件;
仿真处理子单元,用于基于不同的所述边界条件,对所述建筑物理模型进行仿真处理,获得与不同的所述边界条件相匹配的初始建筑物热负荷。
可选地,所述系统还包括:
方程创建单元,用于根据室内外温度参数和建筑物参数,创建建筑结构热平衡方程;
方程计算单元,用于将所述初始建筑物热负荷确定为散热负荷,并将所述散热负荷和预设进入室内热量值代入到所述建筑结构热平衡方程,获得室内温度随时间变化值。
可选地,所述拟合单元包括:
设定子单元,用于根据所述室内温度随时时间变化值,设定室内温度与环境温度的差值,记为室内外温度差参数;
拟合子单元,用于基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷和所述室内温度随时间变化值进行拟合,获得建筑热负荷预测模型;
预测子单元,用于基于实际天气温度变化参数,通过所述建筑热负荷预测模型,预测获得建筑热负荷的预测值。
相较于现有技术,本发明提供了一种建筑热负荷预测方法及系统,根据建筑参数创建获得建筑物理模型,由于建筑参数采用了代表性参数,则获得建筑物理模型可以代表大部分建筑,具有普遍适用性。基于最小二乘法对室内外温度差参数、室外总辐射参数和初始建筑物热负荷参数进行拟合,使得这些参数与实际数据之间的误差的平方和最小,这样获得的建筑热负荷模型充分考虑了热辐射、室内外温差对建筑热负荷的影响,使得预测模型适用性更广,得到的预测结果精度更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种建筑热负荷预测方法的流程示意图;
图2为本发明实施例提供的不同外界温度下的建筑热负荷的示意图;
图3为本发明实施例提供的一种室外温度示意图;
图4为本发明实施例提供的一种总辐射值示意图;
图5为本发明实施例提供的24小时内的建筑散热热负荷的示意图;
图6为本发明实施例提供的一种建筑热负荷预测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在本发明实施例中提供了一种建筑热负荷预测方法,参见图1,该方法可以包括以下步骤:
S101、根据获取的建筑参数,创建获得建筑物理模型。
要确定建筑热负荷,首先需要创建一个通用的建筑物理模型,可以包括以下步骤:
确定建筑参数,其中,所述建筑参数包括建筑墙厚度参数、墙密度参数、混凝土比热容参数和空气比热容参数;
采用DeST软件按照所述建筑参数搭建建筑模型,获得建筑物理模型。
举例说明,以典型住宅作为研究对应进行分析。首先,运用DeST软件按照系统参数搭建模型,其中,参数包括:设定建筑围护结构墙厚度为0.2m,墙密度为2500kg/m3,混凝土比热容为970J/kg·℃,空气的比热容为1.4J/kg·℃,空气的气体常数R为287.1J/kg·℃。以10层住宅为例,设定建筑长112m,宽28m,层高3m,外窗采用普通三玻,外门选择单层阳台金属外门,建筑物外墙混凝土墙加上聚苯板内保温,内墙参考建筑标准分户墙,楼板构建为挤塑聚苯板保温,屋顶构建为加气混凝土保温屋面,楼地构建为40mm混凝土楼地。考虑到人员作息与人数影响很小,热扰设置人员为0。为方便计算,室内温度设置为同一温度,每个时间步长为一个小时,根据上述参数信息获得建筑物理模型。
S102、基于预设室内外温度差参数和室外总辐射参数对所述建筑物理模型进行仿真,获得初始建筑物热负荷。
具体包括:
根据所述预设室内外温度差参数和所述室外总辐射参数,确定所述建筑物理模型的边界条件;
基于不同的所述边界条件,对所述建筑物理模型进行仿真处理,获得与不同的所述边界条件相匹配的初始建筑物热负荷。
参见图2,为本发明实施例提供的不同外界温度下的建筑热负荷的示意图。取室外温度分别为15℃、10℃、5℃、0℃、-5℃、-10℃、-15℃,总辐射分别设置为0MJ/m2、100MJ/m2、200MJ/m2、300MJ/m2、400MJ/m2、500MJ/m2、600MJ/m2、700MJ/m2、800MJ/m2进行仿真,取室内温度为20℃、外界温度不同数值为例,得到不同边界条件下初始建筑物热负荷。
S103、基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷进行拟合计算,获得所述建筑热负荷预测模型,实现对建筑热负荷的预测。
对应的,当获得初始建筑物热负荷后,所述方法还包括:
根据室内外温度参数和建筑物参数,创建建筑结构热平衡方程;
将所述初始建筑物热负荷确定为散热负荷,并将所述散热负荷和预设进入室内热量值代入到所述建筑结构热平衡方程,获得室内温度随时间变化值。
具体的,建筑结构热平衡方程为:
式中,Mi为建筑内空气质量,kg;Ci为空气比热容,kJ/(kg·℃);Mj为建筑总质量,kg;Cj为建筑比热容,kJ/(kg·℃);t为室内温度,℃;Qin为通过进入室内的热量,kW;Qout为室内向室外散失的热量,kW;τ为时间,s。
其中,
式中,Qin为进入室内的热量,kJ;tw2为热网供水温度,℃;tw1为热网回水温度(℃);Cp为循环水比热,kJ/(kg·℃);Dw为热网循环水流量,t/h;当停止供暖时,为了维持建筑物温度,需要满足到达该温度所需要的热负荷,建筑物供热负荷可以看成等于散热负荷,把Qin为0代入式(1),可得:
在本发明实施例中还提供了一种创建建筑热负荷预测模型的方法,包括:
根据所述室内温度随时时间变化值,设定室内温度与环境温度的差值,记为室内外温度差参数;
基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷和所述室内温度随时间变化值进行拟合,获得建筑热负荷预测模型;
基于实际天气温度变化参数,通过所述建筑热负荷预测模型,预测获得建筑热负荷的预测值。
具体的,设定室内温度与环境温度的差为ΔT,取室内温度为20℃,外界温度为-15℃、-10℃、-5℃、0℃、5℃、10℃、15℃时数据作为参考,使用最小二乘拟合法对离散数据点进行拟合,求得室内外温差ΔT、总辐射S和建筑热负荷Qout的函数关系为:
Qout=p00+p10*ΔT+p01*S+p20*ΔT2+p11*ΔT*S+
p02*S2+p30*ΔT3+p21*ΔT2*S+p12*ΔT*S2+
p03*S3+p40*ΔT4+p31*ΔT3*S+p22*ΔT2*S2+
p13*ΔT*S3+p04*S4+p50*ΔT5+p41*ΔT4*S+
p32*ΔT3*S2+p23*ΔT2*S3+p14*ΔT*S4+
p05*S5 (4)
式中:p00=-144.6,p10=60.84,p01=0.181,p20=-1.97,p11=-0.049 29,p02=-0.001 171;
p30=0.014 62,p21=0.002 95,p12=-1.251*10-5,p03=5.066*10-6,p40=0.00074;
p31=-9.822*10-5,p22=2.743*10-6,p13=-3.9*10-8,p04=-8.37*10-9,p50=-1.12*10-5;
p41=1.23*10-6,p32=-4.48*10-8,p23=-4.13*10-11,p14=-9.494*10-12,p05=4.911*10-12。
上述函数关系即为最终的建筑热负荷预测模型,可以通过实际天气温度变化参数,通过该预测模型进行预测获得建筑热负荷的预测值。
本发明提供了一种建筑热负荷预测方法,根据建筑参数创建获得建筑物理模型,由于建筑参数采用了代表性参数,则获得建筑物理模型可以代表大部分建筑,具有普遍适用性。基于最小二乘法对室内外温度差参数、室外总辐射参数和初始建筑物热负荷参数进行拟合,使得这些参数与实际数据之间的误差的平方和最小,这样获得的建筑热负荷模型充分考虑了热辐射、室内外温差对建筑热负荷的影响,使得预测模型适用性更广,得到的预测结果精度更高。
当通过建筑热负荷预测模型进行预测时,假设取某地1月16日0-24时气象预报数据作为参考。取实际天气数据,室外温度与总辐射值如图3和图4所示。由图3可知,当天最高气温出现在17点,为-5℃,最低气温出现在7点,为-7.8℃。由图4可知,最大热辐射出现在12点,为185.78MJ/m2。
设置室内温度分别为20℃、22℃、24℃、26℃四种工况。将实际数据代入式(4)得到从0时开始停暖,四种工况下24小时内的建筑散热量,如图5所示,得到24小时内的建筑散热热负荷。
最小二乘法是通过最小化误差的平方和寻找数据的最佳函数匹配,利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。在本发明实施例中提出了基于最小二乘拟合法的热负荷预测方法,通过DeST软件仿真得到不同体检下热用户的热负荷,克服了其他方法存在对建筑热负荷的破坏,适应能力差等不足,充分考虑了热辐射、室内外温差对建筑热负荷的影响,联系实际天气变化,大大提高了其预测精度。
对应的,在本发明实施例中还提供了一种建筑热负荷预测系统,参见图6,该系统包括:
创建单元601,用于根据获取的建筑参数,创建获得建筑物理模型;
仿真单元602,用于基于预设室内外温度差参数和室外总辐射参数对所述建筑物理模型进行仿真,获得初始建筑物热负荷;
拟合单元603,用于基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷进行拟合计算,获得所述建筑热负荷预测模型,实现对建筑热负荷的预测。
本发明提供了一种建筑热负荷预测系统,创建单元根据建筑参数创建获得建筑物理模型,由于建筑参数采用了代表性参数,则获得建筑物理模型可以代表大部分建筑,具有普遍适用性。仿真单元和拟合单元基于最小二乘法对室内外温度差参数、室外总辐射参数和初始建筑物热负荷参数进行拟合,使得这些参数与实际数据之间的误差的平方和最小,这样获得的建筑热负荷模型充分考虑了热辐射、室内外温差对建筑热负荷的影响,使得预测模型适用性更广,得到的预测结果精度更高。
可选地,在图6实施例的基础上,所述创建单元包括:
参数确定子单元,用于确定建筑参数,其中,所述建筑参数包括建筑墙厚度参数、墙密度参数、混凝土比热容参数和空气比热容参数;
搭建子单元,用于采用DeST软件按照所述建筑参数搭建建筑模型,获得建筑物理模型。
可选地,所述仿真单元包括:
条件确定子单元,用于根据所述预设室内外温度差参数和所述室外总辐射参数,确定所述建筑物理模型的边界条件;
仿真处理子单元,用于基于不同的所述边界条件,对所述建筑物理模型进行仿真处理,获得与不同的所述边界条件相匹配的初始建筑物热负荷。
可选地,所述系统还包括:
方程创建单元,用于根据室内外温度参数和建筑物参数,创建建筑结构热平衡方程;
方程计算单元,用于将所述初始建筑物热负荷确定为散热负荷,并将所述散热负荷和预设进入室内热量值代入到所述建筑结构热平衡方程,获得室内温度随时间变化值。
可选地,所述拟合单元包括:
设定子单元,用于根据所述室内温度随时时间变化值,设定室内温度与环境温度的差值,记为室内外温度差参数;
拟合子单元,用于基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷和所述室内温度随时间变化值进行拟合,获得建筑热负荷预测模型;
预测子单元,用于基于实际天气温度变化参数,通过所述建筑热负荷预测模型,预测获得建筑热负荷的预测值。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种建筑热负荷预测方法,其特征在于,该方法包括:
根据获取的建筑参数,创建获得建筑物理模型;
基于预设室内外温度差参数和室外总辐射参数对所述建筑物理模型进行仿真,获得初始建筑物热负荷;
基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷进行拟合计算,获得所述建筑热负荷预测模型,实现对建筑热负荷的预测。
2.根据权利要求1所述的方法,其特征在于,所述根据获取的建筑参数,创建获得建筑物理模型,包括:
确定建筑参数,其中,所述建筑参数包括建筑墙厚度参数、墙密度参数、混凝土比热容参数和空气比热容参数;
采用DeST软件按照所述建筑参数搭建建筑模型,获得建筑物理模型。
3.根据权利要求1所述的方法,其特征在于,所述基于预设室内外温度差参数和室外总辐射参数对所述建筑物理模型进行仿真,获得初始建筑物热负荷,包括:
根据所述预设室内外温度差参数和所述室外总辐射参数,确定所述建筑物理模型的边界条件;
基于不同的所述边界条件,对所述建筑物理模型进行仿真处理,获得与不同的所述边界条件相匹配的初始建筑物热负荷。
4.根据权利要求3所述的方法,其特征在于,当获得初始建筑物热负荷后,所述方法还包括:
根据室内外温度参数和建筑物参数,创建建筑结构热平衡方程;
将所述初始建筑物热负荷确定为散热负荷,并将所述散热负荷和预设进入室内热量值代入到所述建筑结构热平衡方程,获得室内温度随时间变化值。
5.根据权利要求4所述的方法,其特征在于,所述基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷进行拟合计算,获得所述建筑热负荷预测模型,包括:
根据所述室内温度随时时间变化值,设定室内温度与环境温度的差值,记为室内外温度差参数;
基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷和所述室内温度随时间变化值进行拟合,获得建筑热负荷预测模型;
基于实际天气温度变化参数,通过所述建筑热负荷预测模型,预测获得建筑热负荷的预测值。
6.一种建筑热负荷预测系统,其特征在于,包括:
创建单元,用于根据获取的建筑参数,创建获得建筑物理模型;
仿真单元,用于基于预设室内外温度差参数和室外总辐射参数对所述建筑物理模型进行仿真,获得初始建筑物热负荷;
拟合单元,用于基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷进行拟合计算,获得所述建筑热负荷预测模型,实现对建筑热负荷的预测。
7.根据权利要求6所述的系统,其特征在于,所述创建单元包括:
参数确定子单元,用于确定建筑参数,其中,所述建筑参数包括建筑墙厚度参数、墙密度参数、混凝土比热容参数和空气比热容参数;
搭建子单元,用于采用DeST软件按照所述建筑参数搭建建筑模型,获得建筑物理模型。
8.根据权利要求6所述的系统,其特征在于,所述仿真单元包括:
条件确定子单元,用于根据所述预设室内外温度差参数和所述室外总辐射参数,确定所述建筑物理模型的边界条件;
仿真处理子单元,用于基于不同的所述边界条件,对所述建筑物理模型进行仿真处理,获得与不同的所述边界条件相匹配的初始建筑物热负荷。
9.根据权利要求8所述的系统,其特征在于,所述系统还包括:
方程创建单元,用于根据室内外温度参数和建筑物参数,创建建筑结构热平衡方程;
方程计算单元,用于将所述初始建筑物热负荷确定为散热负荷,并将所述散热负荷和预设进入室内热量值代入到所述建筑结构热平衡方程,获得室内温度随时间变化值。
10.根据权利要求9所述的系统,其特征在于,所述拟合单元包括:
设定子单元,用于根据所述室内温度随时时间变化值,设定室内温度与环境温度的差值,记为室内外温度差参数;
拟合子单元,用于基于最小二乘法对所述室内外温度差参数、所述室外总辐射参数和所述初始建筑物热负荷和所述室内温度随时间变化值进行拟合,获得建筑热负荷预测模型;
预测子单元,用于基于实际天气温度变化参数,通过所述建筑热负荷预测模型,预测获得建筑热负荷的预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811487616.0A CN109376961A (zh) | 2018-12-06 | 2018-12-06 | 一种建筑热负荷预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811487616.0A CN109376961A (zh) | 2018-12-06 | 2018-12-06 | 一种建筑热负荷预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109376961A true CN109376961A (zh) | 2019-02-22 |
Family
ID=65376399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811487616.0A Pending CN109376961A (zh) | 2018-12-06 | 2018-12-06 | 一种建筑热负荷预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376961A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113701315A (zh) * | 2021-09-02 | 2021-11-26 | 国网(苏州)城市能源研究院有限责任公司 | 一种分体式空调集群智能节能控制方法及系统 |
CN114881506A (zh) * | 2022-05-24 | 2022-08-09 | 济南热力集团有限公司 | 一种基于室温和iba-lstm的供热需求负荷评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745281A (zh) * | 2014-02-11 | 2014-04-23 | 国家电网公司 | 热电联产机组的n段区间电负荷预测寻优方法 |
CN104866702A (zh) * | 2015-02-26 | 2015-08-26 | 东南大学 | 一种利用主元解耦计算夏热冬冷地区建筑负荷的方法 |
CN108895633A (zh) * | 2018-05-08 | 2018-11-27 | 林兴斌 | 利用建筑结构作为蓄冷介质的中央空调系统控制方法 |
-
2018
- 2018-12-06 CN CN201811487616.0A patent/CN109376961A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745281A (zh) * | 2014-02-11 | 2014-04-23 | 国家电网公司 | 热电联产机组的n段区间电负荷预测寻优方法 |
CN104866702A (zh) * | 2015-02-26 | 2015-08-26 | 东南大学 | 一种利用主元解耦计算夏热冬冷地区建筑负荷的方法 |
CN108895633A (zh) * | 2018-05-08 | 2018-11-27 | 林兴斌 | 利用建筑结构作为蓄冷介质的中央空调系统控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113701315A (zh) * | 2021-09-02 | 2021-11-26 | 国网(苏州)城市能源研究院有限责任公司 | 一种分体式空调集群智能节能控制方法及系统 |
CN114881506A (zh) * | 2022-05-24 | 2022-08-09 | 济南热力集团有限公司 | 一种基于室温和iba-lstm的供热需求负荷评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Artmann et al. | Parameter study on performance of building cooling by night-time ventilation | |
Catalina et al. | Development and validation of regression models to predict monthly heating demand for residential buildings | |
Braun et al. | An inverse gray-box model for transient building load prediction | |
Tong et al. | An efficient model development and experimental study for the heat transfer in naturally ventilated inclined roofs | |
Gan et al. | BIM-based framework to analyze the effect of natural ventilation on thermal comfort and energy performance in buildings | |
Korjenic et al. | Validation and evaluation of total energy use in office buildings: A case study | |
Muñoz et al. | Implications of Life Cycle Energy Assessment of a new school building, regarding the nearly Zero Energy Buildings targets in EU: A case of Study | |
Ren et al. | Enhanced air flow modelling for AccuRate–A nationwide house energy rating tool in Australia | |
Albatayneh et al. | The significance of time step size in simulating the thermal performance of buildings | |
CN109376961A (zh) | 一种建筑热负荷预测方法及系统 | |
Brun et al. | Behavioural comparison of some predictive tools used in a low-energy building | |
Vadiee et al. | A comparison between four dynamic energy modeling tools for simulation of space heating demand of buildings | |
Lee et al. | Simulation and optimization of energy efficient operation of HVAC system as demand response with distributed energy resources | |
Efkarpidis et al. | Modeling of heating and cooling energy needs in different types of smart buildings | |
Tol et al. | Development of a white-box dynamic building thermal model integrated with a heating system | |
Albatayneh et al. | An alternative approach to the simulation of wind effects on the thermal performance of buildings | |
Moftakhari et al. | All-air vs. radiant cooling systems: Analysis of design and operation factors that impact building cooling loads (ASHRAE RP 1729) | |
He et al. | Simplified building thermal model used for optimal control of radiant cooling system | |
Risberg et al. | Computational fluid dynamics simulation of indoor climate in low energy buildings: Computational set up | |
Schultz et al. | WinSim: A simple simulation program for evaluating the influence of windows on heating demand and risk of overheating | |
Yamamoto et al. | Development of a non-stationary thermal environment analysis method for combined convection and radiation air conditioning | |
JP2020154627A (ja) | 断熱性能評価装置 | |
Zhang et al. | Annual coupled EnergyPlus and computational fluid dynamics simulation of natural ventilation | |
Palme et al. | Energy consumption and robustness of buildings | |
Persson et al. | Type12 and Type56: a load structure comparison in TRNSYS |
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: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |