CN110673489A - 一种商用建筑房间的热负荷辨识方法 - Google Patents

一种商用建筑房间的热负荷辨识方法 Download PDF

Info

Publication number
CN110673489A
CN110673489A CN201911035795.9A CN201911035795A CN110673489A CN 110673489 A CN110673489 A CN 110673489A CN 201911035795 A CN201911035795 A CN 201911035795A CN 110673489 A CN110673489 A CN 110673489A
Authority
CN
China
Prior art keywords
bui
building
equivalent
temperature
room
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
Application number
CN201911035795.9A
Other languages
English (en)
Inventor
孟祥荣
高嵩
赵岩
路宽
李军
庞向坤
韩英昆
于庆彬
颜庆
解笑苏
李元元
刘恩仁
袁森
辛刚
王进
王茗
陈玉峰
李华东
隋美娥
王建东
张超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911035795.9A priority Critical patent/CN110673489A/zh
Publication of CN110673489A publication Critical patent/CN110673489A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种商用建筑房间的热负荷辨识方法，包括以下步骤：S1，利用2R2C热等效模型对商用建筑房间进行热阻和热容等效处理；S2，对商用建筑房间的室内空气温度和建筑围护结构温度两个温度结点列写基尔霍夫电流方程；S3，利用非线性曲线拟合方法对基尔霍夫电流方程中待辨识参数进行求解得到寻优区间；S4，取建筑围护结构温度和室内空气温度的测量值和估计值的均方根误差最小作为优化的目标函数；S5，取目标函数的倒数作为遗传算法的适应度函数，获得适应度函数的最优待辨识参数值；S6，对最优待辨识参数值进行有效性验证；S7，对商用建筑房间的热参数进行优化。本发明保证了电力需求响应控制的准确性。

Description

一种商用建筑房间的热负荷辨识方法
技术领域
本发明涉及一种商用建筑房间的热负荷辨识方法，属于电力负荷优化技术领域。
背景技术
目前商用建筑耗能已经在电力用户总耗能中占据了相当大的比重，在北方，特别是夏季，随着极端天气的频现，电力高峰负荷在一定程度上影响了电网的供需平衡，部分省市出现“拉闸限电”等现象，严重影响其生产、生活的舒适度。如何在不降低用户舒适度的前提下，削减高峰负荷，已经成为智能电网目前广泛关注的重点问题之一。
空调负荷因其热能转换和存储特性使其成为智能电网中峰值负荷迁移与减少的主要目标对象。要想研究空调负荷与电网负荷迁移等的关系，首先需得到空调负荷即建筑房间温度变化较精确的模型。但目前关于建筑房间负荷建模主要存在的问题有：(1)利用热传导方式建模，可利用EnergyPlus等软件进行估算、模拟，但需要知道房间的材料、厚度、空气渗透率、太阳辐射等诸多参数，且这些参数每个建筑房间都存在个体差异，不尽相同，这样得到的模型通用性差；(2)采用纯数据辨识的方法，此方法根据实际建筑房间当前的输入-输出数据进行模型辨识，模型精度较高，但却忽略了模型本身的物理意义，使得所辨识的结果与实际物理意义有较大误差。
以上建筑房间负荷建模的两个问题对不同建筑房间，要得到自己的较精确模型造成了障碍，如果不解决将会造成房间模型不准确、适用性差等问题，进而影响电力需求响应控制的准确性，造成智能电网中峰值负荷迁移与减少潜力估计，难以进行。
发明内容
针对以上方法存在的不足，本发明提出了一种商用建筑房间的热负荷辨识方法，其能够通过商用建筑房间负荷模型辨识对建筑房间的热参数进行优化，保证了电力需求响应控制的准确性，维持电网的供需平衡。
本发明解决其技术问题采取的技术方案是：
本发明实施例提供的一种商用建筑房间的热负荷辨识方法，包括以下步骤：
S1，利用2R2C热等效模型对商用建筑房间进行热阻和热容等效处理；
S2，对商用建筑房间的室内空气温度和建筑围护结构温度两个温度结点列写基尔霍夫电流方程；
S3，利用非线性曲线拟合方法对基尔霍夫电流方程中待辨识参数进行求解得到寻优区间；
S4，取建筑围护结构温度和室内空气温度的测量值和估计值的均方根误差最小作为优化的目标函数；
S5，取目标函数的倒数作为遗传算法的适应度函数，获得适应度函数的最优待辨识参数值；
S6，对最优待辨识参数值进行有效性验证：再次选取室外温度及部分热量数据，将得到的优化后的辨识参数值带入到2R2C热等效模型中，得到建筑围护结构温度和房间空气温度的估计值，与实际测得的建筑围护结构温度和房间空气温度的真实值进行计算其平均误差和均方根误差，检测是否符合要求，若符合要求则进行下一步；
S7，对商用建筑房间的热参数进行优化。
作为本实施例一种可能的实现方式，在步骤S1中，根据房间内所储存的热能用热容表示，房间阻碍热量传递的大小用热阻表示，将建筑房间等效为建筑围护结构及建筑内热物质两大部分，每个部分用一个热容加一个热阻表示，则建筑房间利用热等效2R2C模型进行等效表示，其中，Rbui,o为建筑外围等效热阻,Rbui,i为建筑内部热物质等效热阻,Cin为室内等效热容，Cbui为建筑围护结构等效热容。
作为本实施例一种可能的实现方式，在步骤S2中，所述基尔霍夫电流方程为：
Figure BDA0002247778870000032
式中，t为时间，Cin为建筑内部等效热容，Cbui为建筑围护结构等效热容，Rbui,o为建筑外围等效热阻，Rbui,i为建筑内部热物质等效热阻，Tin(t)为t时刻室内房间温度，Tout(t)为t时刻室外空气温度，Tbui(t)为t时刻建筑围护结构的温度，Qrad为热辐射热量，Abui为建筑围护结构电流，Ain为建筑内部电流，Qin为建筑内部热量，Qout为通过空调制冷设备除去的热量。
作为本实施例一种可能的实现方式，在步骤S3中，将包含室内温度
Figure BDA0002247778870000033
建筑围护结构
Figure BDA0002247778870000034
和室外空气温度
Figure BDA0002247778870000035
已知历史数据带入方程(1)和方程(2),利用非线性曲线拟合方法对室内等效热容Cin、建筑围护结构等效热容Cbui、建筑外围等效热阻Rbui,o和建筑内部热物质等效热阻Rbui,i进行粗略辨识,分别得到室内等效热容估计值Cin,est、建筑围护结构等效热容估计值Cbui,est、建筑外围等效热阻估计值Rbui,o,est和建筑内部热物质等效热阻估计值Rbui,i,est，以得到需要辨识参数的寻优区间，其中，Cin∈[0,C]，Cbui∈[0,C]，Rbui,o∈[0,R]，Rbui,i∈[0,R]。
作为本实施例一种可能的实现方式，在步骤S4中，依据得到待辨识参数的寻优区间，C取室内等效热容估计值Cin,est和建筑围护结构等效热容估计值Cbui,est中最大值的3倍作为寻优区间的最大值，即C∈[3*max(Cin,est,Cbui,est)]，R取建筑外围等效热阻估计值Rbui,o,est和建筑内部热物质等效热阻估计值Rbui,i,est中最大值的3倍作为寻优区间的最大值，即R∈[3*max(Rbui,o,est,Rbui,i,est)]，利用遗传算法进一步优化待辨识参数值，优化的目标函数采用建筑围护结构温度Tbui(t)和房间空气温度Tin(t)的测量值
Figure BDA0002247778870000036
和估计值
Figure BDA0002247778870000037
的均方根误差最小，即：
Figure BDA0002247778870000042
式中，N为样本数，k为第k时刻。
作为本实施例一种可能的实现方式，在步骤S5中，取目标函数的倒数作为适应度函数即f2R2C(Rbui,o,Rbui,i,Cbui,Cin)＝1/J2R2C(Rbui,o,Rbui,i,Cbui,Cin)，通过遗传算法进行建筑房间热参数辨识，获得使得适应度函数f2R2C(Rbui,o,Rbui,i,Cbui,Cin)最大的最优的室内温度等效热容Cin，建筑围护结构温度等效热容Cbui，建筑外围等效热阻Rbui,o和建筑内部热物质等效热阻Rbui,i。
作为本实施例一种可能的实现方式，通过遗传算法进行建筑房间热参数辨识的具体过程为：
首先初始化种群，igen＝1，式中，igen为种群迭代的代数，依据步骤S3所得到的参数值范围，初始化辨识参数建筑外围等效热阻、建筑内部热物质等效热阻、建筑围护结构等效热容、室内等效热容的初始值[Rbui,o,Rbui,i,Cbui,Cin]initial，然后依据步骤S4计算目标函数J2R2C(Rbui,o,Rbui,i,Cbui,Cin)，进行逐代计算其适应度函数f2R2C(Rbui,o,Rbui,i,Cbui,Cin)，选择记录适应度最好的参数[Rbui,o,Rbui,i,Cbui,Cin]best，判断种群是否迭代到最大代数，如果已经迭代到最大代数则结束，否则通过选择、交叉、变异产生新的个体，[Rbui,o,Rbui,i,Cbui,Cin]new，再次重复新的迭代循环，最后更新迭代次数达到所设定值后，记录最优的适应度所对应的辨识参数值[Rbui,o,Rbui,i,Cbui,Cin]best。
作为本实施例一种可能的实现方式，在步骤S6中，选取室外温度
Figure BDA0002247778870000043
及部分热量数据段，将步骤S5所得到优化后室内等效热容Cin，建筑围护结构等效热容Cbui，建筑外围等效热阻Rbui,o,建筑内部热物质等效热阻值Rbui,i带入到方程(1)和方程(2)中，得到建筑围护结构温度和房间空气温度的估计值
Figure BDA0002247778870000051
与实际测得的建筑围护结构温度
Figure BDA0002247778870000052
和房间空气温度
Figure BDA0002247778870000053
的真实值通过下式进行计算其平均误差MAE和均方根误差RMSE：
Figure BDA0002247778870000054
和
Figure BDA0002247778870000055
其中，
Figure BDA0002247778870000056
m1为选取数据段的起始时刻，M为所选数据段的长度；
如果所得到的平均误差MAE和均方根误差RMSE满足辨识要求，则说明所采取的方法的有效性。
本发明实施例的技术方案可以具有的有益效果如下：
本发明实施例的技术方案不仅提出了一种商用建筑房间的热负荷辨识方法，而且还提出了一种如何利用遗传优化算法对建筑房间的热参数辨识取全局最优解的方法，利用物理模型和参数辨识组合的方法进行建模分析，并采用遗传算法对商用建筑房间热参数进行优化，保证了电力需求响应控制的准确性，维持电网的供需平衡，同时考虑了建筑围护结构和建筑内热物质多种天气情况，体现模型辨识的准确性和全面性。
附图说明：
图1是根据一示例性实施例示出的一种商用建筑房间的热负荷辨识方法的流程图；
图2是本申请所述2R2C等效模型的示意图；
图3是一种遗传算法辨识建筑房间负荷模型参数流程图；
图4是室内房间温度,室外空气温度和建筑围护结构温度的时序图；
图5(a)至(c)是房间温度真值与估计值及辨识误差和均方根误差RMSE的示意图；
图6(a)至图6(c)是适应度值及负荷模型辨识参数图；
图7是建筑围护结构实测和估计温度值及平均误差示意图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明：
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
图1是根据一示例性实施例示出的一种商用建筑房间的热负荷辨识方法的流程图。如图1所示，本发明实施例提供的一种商用建筑房间的热负荷辨识方法，包括以下步骤：
S1，利用2R2C热等效模型对商用建筑房间进行热阻和热容等效处理。
根据房间内所储存的热能用热容表示，房间阻碍热量传递的大小用热阻表示，可以将建筑房间等效为建筑围护结构及建筑内热物质两大部分，每个部分用一个热容加一个热阻表示，则建筑房间利用2R2C热等效模型进行等效,如图2所示,其中,2R2C热等效模型指Rbui,o为建筑外围等效热阻,Rbui,i为建筑内部热物质等效热阻,Cin为室内等效热容，Cbui为建筑围护结构等效热容,也即本发明需要辨识的参数。图中，其他重要参数为
Figure BDA0002247778870000061
为k时刻室内空气温度,
Figure BDA0002247778870000062
为k时刻建筑围护结构的温度,
Figure BDA0002247778870000063
为k时刻室外空气温度和房间内灯光、设备得热量Qin,Qout为通过空调制冷设备除去的热量。
S2，对商用建筑房间的室内空气温度和建筑围护结构温度两个温度结点列写基尔霍夫电流方程。
所述基尔霍夫电流方程为：
Figure BDA0002247778870000071
Figure BDA0002247778870000072
式中，t为时间，Cin为建筑内部等效热容，Cbui为建筑围护结构等效热容，Rbui,o为建筑外围等效热阻，Rbui,i为建筑内部热物质等效热阻，Tin(t)为t时刻室内房间温度，Tout(t)为t时刻室外空气温度，Tbui(t)为t时刻建筑围护结构的温度，Qrad为热辐射热量，Abui为建筑围护结构电流，Ain为建筑内部电流，Qin为建筑内部热量，Qout为通过空调制冷设备除去的热量。
利用步骤S1中的热等效模型,对房间的两个温度结点Tin和Tbui,列写如式(1)和式(2)所示的基尔霍夫电流方程，这里,热容等效电容，流过热容的热流等效于流过电容的电流，其中,室内房间温度
Figure BDA0002247778870000073
室外空气温度
Figure BDA0002247778870000074
建筑围护结构的温度均可通过提前安装的传感器进行测量，而室内等效热容Cin，建筑围护结构等效热容Cbui，建筑外围等效热阻Rbui,o，建筑内部热物质等效热阻Rbui,i为未知参数，需要进行参数辨识。
S3，利用非线性曲线拟合方法对基尔霍夫电流方程中待辨识参数进行求解得到寻优区间。
对步骤S2所提到的未知参数利用已知历史数据，包含室内温度
Figure BDA0002247778870000076
建筑围护结构
Figure BDA0002247778870000077
室外空气温度
Figure BDA0002247778870000078
将其带入方程(1)和(2),利用非线性曲线拟合方法对室内等效热容Cin，建筑围护结构等效热容Cbui，建筑外围等效热阻Rbui,o，建筑内部热物质等效热阻Rbui,i进行粗略辨识,分别得到室内等效热容、建筑围护结构等效热容、建筑外围等效热阻、建筑内部热物质等效热阻的估计值分别为Cin,est,Cbui,est,Rbui,o,est,Rbui,i,est，以得到需要辨识参数的寻优区间，其中，Cin∈[0,C]，Cbui∈[0,C]，Rbui,o∈[0,R]，Rbui,i∈[0,R]。本申请等效热容值C取max(Cin,Cbui)的3倍，等效热阻值R取max(Rbui,i,est,Rbui,o,est)的3倍作为所辨识参数的最大值。
S4，取建筑围护结构温度和室内空气温度的测量值和估计值的均方根误差最小作为优化的目标函数。
依据步骤S 3得到待辨识参数的辨识区间，Cin∈[0,C]，Cbui∈[0,C]，Rbui,o∈[0,R]，Rbui,i∈[0,R]，C取max(Cin,Cbui)的3倍，R取max(Rbui,i,est,Rbui,o,est)的3倍作为所辨识参数的最大值，利用遗传算法进一步优化待辨识参数值，优化的目标函数采用建筑围护结构温度Tbui(t)和房间空气温度Tin(t)的测量值
Figure BDA0002247778870000081
和估计值的均方根误差最小，即：
Figure BDA0002247778870000083
Figure BDA0002247778870000084
式中，N为样本数，k为第k时刻。
S5，取目标函数的倒数作为遗传算法的适应度函数，获得适应度函数的最优待辨识参数值。
遗传算法寻优的核心为确定合适的适应度函数，从而寻找一组最优参数使得其适应度函数最大，而在步骤S4中，目标函数为建筑围护结构温度Tbui(t)和房间空气温度Tin(t)的测量值和估计值
Figure BDA0002247778870000086
的均方根误差最小，故这里考虑取目标函数的倒数作为适应度函数即f2R2C(Rbui,o,Rbui,i,Cbui,Cin)＝1/J2R2C(Rbui,o,Rbui,i,Cbui,Cin)，也就是寻找使得适应度函数f2R2C(Rbui,o,Rbui,i,Cbui,Cin)最大的最优的室内温度等效热容Cin，建筑围护结构温度等效热容Cbui，建筑外围等效热阻Rbui,o和建筑内部热物质等效热阻Rbui,i值；
通过遗传算法进行建筑房间负荷模型辨识，具体为：首先初始化种群，igen＝1，依据步骤S3所得到的参数值范围，初始化辨识参数[Rbui,o,Rbui,i,Cbui,Cin]initial的值，然后依据步骤S4计算目标函数J2R2C(Rbui,o,Rbui,i,Cbui,Cin)，进行逐代计算其适应度函数f2R2C(Rbui,o,Rbui,i,Cbui,Cin)，选择记录适应度最好的参数[Rbui,o,Rbui,i,Cbui,Cin]best，判断种群是否迭代到最大代数，如果已经到了，则结束，如果没有，则通过选择、交叉、变异产生新的个体，[Rbui,o,Rbui,i,Cbui,Cin]new，再次重复新的循环，最后更新迭代次数达到所设定值后，记录最优的适应度所对应的辨识参数值[Rbui,o,Rbui,i,Cbui,Cin]best，辨识流程图如图3所示。
S6，对最优待辨识参数值进行有效性验证：再次选取室外温度及部分热量数据，将得到的优化后的辨识参数值带入到2R2C热等效模型中，得到建筑围护结构温度和房间空气温度的估计值，与实际测得的建筑围护结构温度和房间空气温度的真实值进行计算其平均误差和均方根误差，检测是否符合要求，若符合要求则进行下一步。
选取室外温度
Figure BDA0002247778870000091
及部分热量数据段，将步骤S5所得到优化后室内等效热容Cin，建筑围护结构等效热容Cbui，建筑外围等效热阻Rbui,o,建筑内部热物质等效热阻Rbui,i值带入到方程(1)和方程(2)中，得到建筑围护结构温度和房间空气温度的估计值
Figure BDA0002247778870000092
与实际测得的建筑围护结构温度
Figure BDA0002247778870000093
和房间空气温度
Figure BDA0002247778870000094
的真实值通过下式进行计算其平均误差MAE和均方根误差RMSE：
Figure BDA0002247778870000095
和
Figure BDA0002247778870000096
其中，m1为选取数据段的起始时刻，M为所选数据段的长度；
如果所得到的平均误差MAE和均方根误差RMSE满足辨识要求，则说明所采取的方法的有效性。
S7，对商用建筑房间的热参数进行优化。
本发明以空调制冷模式时，建筑负荷模型辨识为例。以下是本发明所述方法在具体应用场景中的应用。
本申请中的商用建筑房间为100平方米和3米高。为了验证所提出的方法的有效性和准确性，通过中央空调系统提前预置的传感器对本发明中所需要的室内温度、室外温度、建筑围护结构温度进行测量并保存。
步骤1：将建筑房间利用热阻、热容，进行2R2C热等效模型等效，得到需辨识的参数建筑外围等效热阻、建筑内部热物质等效热阻、建筑围护结构等效热容、室内等效热容即[Rbui,o,Rbui,i,Cbui,Cin]。
步骤2：对房间的两个温度结点室内房间温度Tin，建筑围护结构温度Tbui,列写基尔霍夫电流方程，如式(1)和(2)所示。
步骤3：将实测的k时刻室内空气温度k时刻建筑围护结构的温度
Figure BDA0002247778870000102
k时刻室外空气温度
Figure BDA0002247778870000103
如图4所示，代入热等效模型，利用非线性曲线拟合方法对需要辨识参数[Rbui,o,Rbui,i,Cbui,Cin]得到寻优区间Cin∈[0,25000]，Cbui∈[0,25000]，Rbui,o∈[0,0.2]，Rbui,i∈[0,0.2]。
步骤4：取建筑围护结构温度和房间空气温度的测量值和估计值的均方根误差最小，如图5所示，作为优化的目标函数J2R2C(Rbui,o,Rbui,i,Cbui,Cin)；
步骤5：取目标函数的倒数作为遗传算法的适应度函数f2R2C(Rbui,o,Rbui,i,Cbui,Cin)＝1/J2R2C(Rbui,o,Rbui,i,Cbui,Cin)，寻找使得适应度函数最大的最优的待辨识参数值，得Cbui＝204,775J/m2k，Rbui,o＝0.03783m2k/W，Rbui,i＝0.02303m2k/W，Cin＝202,215J/m2k，如图6所示。
步骤6：再次选取室外温度及相关得热量的部分数据段，将得到的优化后的辨识参数值带入到步骤2的热等效模型中，得到建筑围护结构温度和房间空气温度的估计值，与实际测得的建筑围护结构温度和房间空气温度的真实值进行计算其平均误差，如图7所示。
步骤7：对商用建筑房间的热参数进行优化。
以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视作为本发明的保护范围。

Claims (8)

1.一种商用建筑房间的热负荷辨识方法，其特征是，包括以下步骤：
S1，利用2R2C热等效模型对商用建筑房间进行热阻和热容等效处理；
S2，对商用建筑房间的室内空气温度和建筑围护结构温度两个温度结点列写基尔霍夫电流方程；
S3，利用非线性曲线拟合方法对基尔霍夫电流方程中待辨识参数进行求解得到寻优区间；
S4，取建筑围护结构温度和室内空气温度的测量值和估计值的均方根误差最小作为优化的目标函数；
S5，取目标函数的倒数作为遗传算法的适应度函数，获得适应度函数的最优待辨识参数值；
S6，对最优待辨识参数值进行有效性验证：再次选取室外温度及部分热量数据，将得到的优化后的辨识参数值带入到2R2C热等效模型中，得到建筑围护结构温度和房间空气温度的估计值，与实际测得的建筑围护结构温度和房间空气温度的真实值进行计算其平均误差和均方根误差，检测是否符合要求，若符合要求则进行下一步；
S7，对商用建筑房间的热参数进行优化。
2.根据权利要求1所述的一种商用建筑房间的热负荷辨识方法，其特征是，在步骤S1中，根据房间内所储存的热能用热容表示，房间阻碍热量传递的大小用热阻表示，将建筑房间等效为建筑围护结构及建筑内热物质两大部分，每个部分用一个热容加一个热阻表示，则建筑房间利用热等效2R2C模型进行等效表示，其中，Rbui,o为建筑外围等效热阻,Rbui,i为建筑内部热物质等效热阻,Cin为室内等效热容，Cbui为建筑围护结构等效热容。
3.根据权利要求2所述的一种商用建筑房间的热负荷辨识方法，其特征是，在步骤S2中，所述基尔霍夫电流方程为：
Figure FDA0002247778860000021
Figure FDA0002247778860000022
式中，t为时间，Cin为建筑内部等效热容，Cbui为建筑围护结构等效热容，Rbui,o为建筑外围等效热阻，Rbui,i为建筑内部热物质等效热阻，Tin(t)为t时刻室内房间温度，Tout(t)为t时刻室外空气温度，Tbui(t)为t时刻建筑围护结构的温度，Qrad为热辐射热量，Abui为建筑围护结构电流，Ain为建筑内部电流，Qin为建筑内部热量，Qout为通过空调制冷设备除去的热量。
4.根据权利要求3所述的一种商用建筑房间的热负荷辨识方法，其特征是，在步骤S3中，将包含室内温度
Figure FDA0002247778860000023
建筑围护结构和室外空气温度
Figure FDA0002247778860000025
已知历史数据带入方程(1)和方程(2),利用非线性曲线拟合方法对室内等效热容Cin、建筑围护结构等效热容Cbui、建筑外围等效热阻Rbui,o和建筑内部热物质等效热阻Rbui,i进行粗略辨识,分别得到室内等效热容估计值Cin,est、建筑围护结构等效热容估计值Cbui,est、建筑外围等效热阻估计值Rbui,o,est和建筑内部热物质等效热阻估计值Rbui,i,est，以得到需要辨识参数的寻优区间，其中，Cin∈[0,C]，Cbui∈[0,C]，Rbui,o∈[0,R]，Rbui,i∈[0,R]。
5.根据权利要求4所述的一种商用建筑房间的热负荷辨识方法，其特征是，在步骤S4中，依据得到待辨识参数的寻优区间，C取室内等效热容估计值Cin,est和建筑围护结构等效热容估计值Cbui,est中最大值的3倍作为寻优区间的最大值，即C∈[3*max(Cin,est,Cbui,est)]，R取建筑外围等效热阻估计值Rbui,o,est和建筑内部热物质等效热阻估计值Rbui,i,est中最大值的3倍作为寻优区间的最大值，即R∈[3*max(Rbui,o,est,Rbui,i,est)]，利用遗传算法进一步优化待辨识参数值，优化的目标函数采用建筑围护结构温度Tbui(t)和房间空气温度Tin(t)的测量值
Figure FDA0002247778860000026
和估计值的均方根误差最小，即：
Figure FDA0002247778860000031
式中，N为样本数，k为第k时刻。
6.根据权利要求5所述的一种商用建筑房间的热负荷辨识方法，其特征是，在步骤S5中，取目标函数的倒数作为适应度函数即f2R2C(Rbui,o,Rbui,i,Cbui,Cin)＝1/J2R2C(Rbui,o,Rbui,i,Cbui,Cin)，通过遗传算法进行建筑房间热参数辨识，获得使得适应度函数f2R2C(Rbui,o,Rbui,i,Cbui,Cin)最大的最优的室内温度等效热容Cin，建筑围护结构温度等效热容Cbui，建筑外围等效热阻Rbui,o和建筑内部热物质等效热阻Rbui,i。
7.根据权利要求6所述的一种商用建筑房间的热负荷辨识方法，其特征是，通过遗传算法进行建筑房间热参数辨识的具体过程为：
首先初始化种群，igen＝1，式中，igen为种群迭代的代数，依据步骤S3所得到的参数值范围，初始化辨识参数建筑外围等效热阻、建筑内部热物质等效热阻、建筑围护结构等效热容、室内等效热容的初始值[Rbui,o,Rbui,i,Cbui,Cin]initial，然后依据步骤S4计算目标函数J2R2C(Rbui,o,Rbui,i,Cbui,Cin)，进行逐代计算其适应度函数f2R2C(Rbui,o,Rbui,i,Cbui,Cin)，选择记录适应度最好的参数[Rbui,o,Rbui,i,Cbui,Cin]best，判断种群是否迭代到最大代数，如果已经迭代到最大代数则结束，否则通过选择、交叉、变异产生新的个体，[Rbui,o,Rbui,i,Cbui,Cin]new，再次重复新的迭代循环，最后更新迭代次数达到所设定值后，记录最优的适应度所对应的辨识参数值[Rbui,o,Rbui,i,Cbui,Cin]best。
8.根据权利要求7所述的一种商用建筑房间的热负荷辨识方法，其特征是，在步骤S6中，选取室外温度
Figure FDA0002247778860000033
及部分热量数据段，将步骤S5所得到优化后室内等效热容Cin，建筑围护结构等效热容Cbui，建筑外围等效热阻Rbui,o,建筑内部热物质等效热阻值Rbui,i带入到方程(1)和方程(2)中，得到建筑围护结构温度和房间空气温度的估计值
Figure FDA0002247778860000041
与实际测得的建筑围护结构温度
Figure FDA0002247778860000042
和房间空气温度的真实值通过下式进行计算其平均误差MAE和均方根误差RMSE：
Figure FDA0002247778860000044
和
Figure FDA0002247778860000045
其中，
Figure FDA0002247778860000046
m1为选取数据段的起始时刻，M为所选数据段的长度；
如果所得到的平均误差MAE和均方根误差RMSE满足辨识要求，则说明所采取的方法的有效性。
CN201911035795.9A 2019-10-25 2019-10-25 一种商用建筑房间的热负荷辨识方法 Pending CN110673489A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911035795.9A CN110673489A (zh) 2019-10-25 2019-10-25 一种商用建筑房间的热负荷辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911035795.9A CN110673489A (zh) 2019-10-25 2019-10-25 一种商用建筑房间的热负荷辨识方法

Publications (1)

Publication Number Publication Date
CN110673489A true CN110673489A (zh) 2020-01-10

Family

ID=69084844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911035795.9A Pending CN110673489A (zh) 2019-10-25 2019-10-25 一种商用建筑房间的热负荷辨识方法

Country Status (1)

Country Link
CN (1) CN110673489A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435031A (zh) * 2021-06-24 2021-09-24 华中科技大学 一种空调所属房屋一阶etp模型的参数辨识方法和系统
CN114435369A (zh) * 2022-02-11 2022-05-06 浙江吉利控股集团有限公司 一种混合动力汽车能耗优化方法
CN117117976A (zh) * 2023-10-25 2023-11-24 广东电网有限责任公司中山供电局 一种双馈感应风力发电机参数辨识方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017217131A1 (ja) * 2016-06-15 2017-12-21 日本電気株式会社 建物熱モデル生成装置、建物熱モデル生成方法および建物熱モデル生成プログラム
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017217131A1 (ja) * 2016-06-15 2017-12-21 日本電気株式会社 建物熱モデル生成装置、建物熱モデル生成方法および建物熱モデル生成プログラム
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHENGWEI WANG等: "Parameter estimation of internal thermal mass of building dynamic models using genetic algorithm", 《ENERGY CONVERSION AND MANAGEMENT》 *
张 琦: "基于电等效模型的建筑冷热负荷预测建模研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *
赵艳玲: "基于数据的建筑能耗预测与优化", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435031A (zh) * 2021-06-24 2021-09-24 华中科技大学 一种空调所属房屋一阶etp模型的参数辨识方法和系统
CN113435031B (zh) * 2021-06-24 2024-05-14 华中科技大学 一种空调所属房屋一阶etp模型的参数辨识方法和系统
CN114435369A (zh) * 2022-02-11 2022-05-06 浙江吉利控股集团有限公司 一种混合动力汽车能耗优化方法
CN114435369B (zh) * 2022-02-11 2023-12-22 浙江吉利控股集团有限公司 一种混合动力汽车能耗优化方法
CN117117976A (zh) * 2023-10-25 2023-11-24 广东电网有限责任公司中山供电局 一种双馈感应风力发电机参数辨识方法及装置
CN117117976B (zh) * 2023-10-25 2024-03-05 广东电网有限责任公司中山供电局 一种双馈感应风力发电机参数辨识方法及装置

Similar Documents

Publication Publication Date Title
JP5572799B2 (ja) 空調システム制御装置
Reynders et al. Quality of grey-box models and identified parameters as function of the accuracy of input and observation signals
CN110673489A (zh) 一种商用建筑房间的热负荷辨识方法
Wang et al. Simplified building model for transient thermal performance estimation using GA-based parameter identification
CN104132959B (zh) 一种基于神经网络的严寒地区建筑外墙传热性能预测方法
JP6104235B2 (ja) 建物のエネルギー消費の予測方法
Egan et al. Definition of a useful minimal-set of accurately-specified input data for Building Energy Performance Simulation
Picard et al. Comparison of Model Predictive Control performance using grey-box and white box controller models
CN112800700A (zh) 低温表面干模态结霜模拟方法、装置、电子设备和介质
KR101301123B1 (ko) 냉난방부하 예측방법
Karmacharya et al. Thermal modelling of the building and its HVAC system using Matlab/Simulink
Albatayneh et al. Warming issues associated with the long term simulation of housing using CFD analysis
US20230274053A1 (en) Method for dynamically simulating thermal response of building by integrating a ratio of convection heat to radiation heat of heating terminal
Chinazzo et al. Assessing robustness regarding weather uncertainties for energy-efficiency-driven building refurbishments
KR101764673B1 (ko) 에너지부하예측장치, 방법, 및 컴퓨터-판독가능 매체
CN110648018A (zh) 一种寒冷地区的城市居民建筑系统的能耗预测方法
CN114239991A (zh) 一种基于数据驱动的楼宇供热负荷预测方法、装置与设备
Gestwick et al. Trial application of ASHRAE 1051-RP: calibration method for building energy simulation
JP2005157829A (ja) 設備モデル作成方法及び設備モデル構築プログラム、建物モデル作成方法及び建物モデル作成プログラム、並びに、設備改修評価方法及び建物改修評価方法
Collinge et al. Hybrid dynamic-empirical building energy modeling approach for an existing campus building
Inderfurth et al. Parameter identification for low-order building models using optimization strategies
Degerfeld et al. Sensitivity analysis of the thermal energy need of a residential building assessed by means of the EN ISO 52016 simplified dynamic method
Berger et al. Mould growth damages due to moisture: comparing 1D and 2D heat and moisture models?
Zhao et al. Research on Energy‐Saving Design of Rural Building Wall in Qinba Mountains Based on Uniform Radiation Field
Wang et al. Reduction analysis of building thermal models for simulation of heating accidents

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200110