CN112765289B - 一种基于能耗指标的空温式气化器气候分区方法 - Google Patents

一种基于能耗指标的空温式气化器气候分区方法 Download PDF

Info

Publication number
CN112765289B
CN112765289B CN202011376815.1A CN202011376815A CN112765289B CN 112765289 B CN112765289 B CN 112765289B CN 202011376815 A CN202011376815 A CN 202011376815A CN 112765289 B CN112765289 B CN 112765289B
Authority
CN
China
Prior art keywords
ldd14
energy consumption
data
climate
air temperature
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.)
Active
Application number
CN202011376815.1A
Other languages
English (en)
Other versions
CN112765289A (zh
Inventor
焦文玲
任乐梅
冼丽珊
刘泽坤
刘天杰
田兴浩
林涛
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202011376815.1A priority Critical patent/CN112765289B/zh
Publication of CN112765289A publication Critical patent/CN112765289A/zh
Application granted granted Critical
Publication of CN112765289B publication Critical patent/CN112765289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Sensing (AREA)
  • Separation By Low-Temperature Treatments (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于能耗指标的空温式气化器气候分区方法。步骤1：对气象站点数据进行预处理；步骤2：基于步骤1的数据计算能耗度日数LDD14；步骤3：将纬度与海拔高度数据作为能耗度日数LDD14的插值自变量，带入到能耗度日数LDD14进行计算；步骤4：根据步骤2和步骤3的能耗度日数LDD14值，进行拟合交叉验证，并绘制曲线图；步骤5：对步骤4验证后的LDD14值，绘制能耗度日数LDD14空间分布图；步骤6：根据气候分区指标界限绘制能耗度日数LDD14分区图；步骤7：根据步骤6的分区图绘制液化天然气空温式气化器即LNG空温式气化器的分区图。本发明对我国进行气候区域划分，为解决不同气候区域内AAV与复热器配置、AAV运行策略等问题提供参考。

Description

一种基于能耗指标的空温式气化器气候分区方法
技术领域
本发明属于空温式气化器领域；具体涉及一种基于能耗指标的空温式气化器气候分区方法。
背景技术
空温式气化器是一种利用环境低品质热量加热换热管内的低温液体，并使其气化成为气体的换热设备。与其他类型的换热设备相比，空温式气化器具有清洁低碳、运行成本低廉、适用范围广等优势，在天然气行业广泛应用于液化天然气的气化。
然而，受管内气化流体的低温特性影响，空温式气化器运行时，极容易产生结霜状况，恶化了传热性能，导致天然气出口温度降低。另一方面，环境温度降低也会导致空温式气化器传热性能不佳，天然气出口温度降低。一旦空温式气化器出口天然气温度低于5℃，就必须利用空温式气化器后串联的耗能型辅热器对天然气进一步加热，直到天然气温度不低于5℃才能进入城市燃气管网。耗能型辅热器的使用使液化天然气气化过程产生了气化能耗。
空温式气化器的传热性能与气候环境密切相关，不同地区的气候差异、同一地区的全年气候差异都会对气化器出口的天然气温度产生较大的影响，进而影响耗能型辅热器的运行能耗。我国幅员辽阔，海拔变化大，经纬度跨度大，不同地区的气候存在较为明显的差异性。从能耗的角度，提出我国液化天然气空温式气化器的应用气候分区，为气化器的选型应用和运行操作提供借鉴，对提高我国空温式气化器运行效率和降低液化天然气气化能耗具有重大意义。
发明内容
本发明提供一种基于能耗指标的空温式气化器气候分区方法，对我国进行气候区域划分，为探讨不同气候区域内AAV与复热器配置、AAV运行策略等问题提供参考。
本发明通过以下技术方案实现：
一种基于能耗指标的空温式气化器气候分区方法，所述空温式气化器气候分区方法包括以下步骤：
步骤1：对气象站点数据进行预处理；
步骤2：基于步骤1的数据计算能耗度日数LDD14；
步骤3：将纬度与海拔高度数据作为能耗度日数LDD14的插值自变量，带入到能耗度日数LDD14进行计算；
步骤4：根据步骤2和步骤3的能耗度日数LDD14值，进行拟合交叉验证，并绘制曲线图；
步骤5：对步骤4验证后的LDD14值，绘制能耗度日数LDD14空间分布图；
步骤6：根据气候分区指标界限绘制能耗度日数LDD14分区图；
步骤7：根据步骤6的分区图绘制液化天然气空温式气化器即LNG空温式气化器的分区图。
进一步的，所述步骤1具体为，中国地面气候资料的最近8年日值数据集中，对各项要素特征值的规定包括1)若台站所在地地理条件恶劣、海拔高度无法精确测量时，取估测值，则在该估测数据的基础上加100000即0.1米；
2)若日平均相对湿度取自定时值估算时，则在原值上加1000即1％；
3)若台站监测的实际温度超仪器上限刻度，在气温上限数据基础上加10000即0.1℃；
4)其余各要素项若显示为32766，则表示数据缺测或者无观测任务；
基于上述规定对数据集内的所有数据用Matlab进行筛检，将采集到的数值进行处理，还原对估测值的处理，删除数据缺测的站点，最终能够利用的站点数组为839个；
将2010年～2017年全国839个气象站点的所有数据分别求均值，得出每个站点的2010年～2017年之间的日平均温度。
进一步的，所述步骤3具体为，基于全国839个气象站点的相关数据，利用SPSS检验LDD14与经度、纬度和海拔高度的相关性，筛选出纬度和海拔高度作为能耗度日数LDD14的插值自变量。
进一步的，根据权利要求1所述空温式气化器气候分区方法，其特征在于，所述步骤4具体为，对协同克里金法插值LDD14进行交叉验证，得到交叉验证的平均误差ME为-0.28℃·d，均方根误差RMSE为492.97℃·d，平均标准误差ASE为460.84℃·d，标准均方根误差RMSSE为1.06℃·d，预测值与观测值的拟合方程为：
LDD14_pre＝0.9501*LDD14_observe+123.4。
进一步的，所述步骤4具体为，采用K-均值聚类法，利用SPSS软件分别对全国839个气象站点的LDD14指标进行聚类分析；
LDD14为零时，LNG空温式气化器能独立运行，因此增加一个指标界限为零的分区，共6个分区。
进一步的，所述步骤5具体为，利用协同克里金法插值LDD14得到具有明显的梯度变化的中国LDD14空间分布图。
进一步的，所述步骤6具体为，依据分析得到的气候分区指标界限，利用软件ArcMap绘制LDD14分区图。
进一步的，所述步骤7具体为，基于LDD14指标，在LDD14分区图基础上绘制出了液化天然气空温式气化器在我国进行应用的气候分区图；
6个区域包括Ⅰ区：炎热区、Ⅱ区：温热区、Ⅲ区：温和区、Ⅳ区：寒冷区、Ⅴ区：严寒区和Ⅵ区：极寒区；
6个区域内LNG空温式气化器运行所需的气候条件依次变差，独立运行时间依次变短，辅热器能耗依次升高。
本发明的有益效果是：
本发明考虑了气候条件对空温式气化器的换热效果以及其配套设备的运行情况的影响，通过划分液化天然气空温式气化器在我国应用的气候分区，为液化天然气空温式气化器设备及其配套设备的设计提供依据，对于探讨不同城市空温式气化器、复热器配置及其运行策略等问题的研究具有重大意义。
附图说明
图1是本发明方法流程图。
图2是本发明LDD14协同克里金插值验证结果。
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。
实施例1
一种基于能耗指标的空温式气化器气候分区方法，所述空温式气化器气候分区方法包括以下步骤：
步骤1：对气象站点数据进行预处理；
步骤2：基于步骤1的数据计算能耗度日数LDD14；
步骤3：将纬度与海拔高度数据作为能耗度日数LDD14的插值自变量，带入到能耗度日数LDD14进行计算；
步骤4：根据步骤2和步骤3的能耗度日数LDD14值，进行拟合交叉验证，并绘制曲线图；
步骤5：对步骤4验证后的LDD14值，绘制能耗度日数LDD14空间分布图；
步骤6：根据气候分区指标界限绘制能耗度日数LDD14分区图；
步骤7：根据步骤6的分区图绘制液化天然气空温式气化器即LNG空温式气化器的分区图。
进一步的，所述步骤1具体为，中国地面气候资料的最近8年日值数据集中，对各项要素特征值的规定包括1)若台站所在地地理条件恶劣、海拔高度无法精确测量时，取估测值，则在该估测数据的基础上加100000即0.1米；
3)若日平均相对湿度取自定时值估算时，则在原值上加1000即1％；
3)若台站监测的实际温度(零上)超仪器上限刻度，在气温上限数据基础上加10000即0.1℃；
4)其余各要素项若显示为32766，则表示数据缺测或者无观测任务；
基于上述规定对数据集内的所有数据用Matlab进行筛检，将采集到的数值进行处理，还原对估测值的处理，删除数据缺测的站点，最终能够利用的站点数组为839个；
将2010年～2017年全国839个气象站点的所有数据分别求均值，得出每个站点的2010年～2017年之间的日平均温度。
进一步的，所述步骤3具体为，基于全国839个气象站点的相关数据，利用SPSS检验LDD14与经度、纬度和海拔高度的相关性，筛选出纬度和海拔高度作为能耗度日数LDD14的插值自变量。
进一步的，根据权利要求1所述空温式气化器气候分区方法，其特征在于，所述步骤4具体为，对协同克里金法插值LDD14进行交叉验证，得到交叉验证的平均误差ME为-0.28℃·d，均方根误差RMSE为492.97℃·d，平均标准误差ASE为460.84℃·d，标准均方根误差RMSSE为1.06℃·d，预测值与观测值的拟合方程为：
LDD14_pre＝0.9501*LDD14_observe+123.4。
进一步的，所述步骤4具体为，采用K-均值聚类法，利用SPSS软件分别对全国839个气象站点的LDD14指标进行聚类分析；
LDD14为零时，LNG空温式气化器能独立运行，因此增加一个指标界限为零的分区，共6个分区。
进一步的，所述步骤5具体为，利用协同克里金法插值LDD14得到具有明显的梯度变化的中国LDD14空间分布图。
进一步的，所述步骤6具体为，依据分析得到的气候分区指标界限，利用软件ArcMap绘制LDD14分区图。
进一步的，所述步骤7具体为，基于LDD14指标，在LDD14分区图基础上绘制出了液化天然气空温式气化器在我国进行应用的气候分区图；
6个区域包括Ⅰ区：炎热区、Ⅱ区：温热区、Ⅲ区：温和区、Ⅳ区：寒冷区、Ⅴ区：严寒区和Ⅵ区：极寒区；
6个区域内LNG空温式气化器运行所需的气候条件依次变差，独立运行时间依次变短，辅热器能耗依次升高。
实施例2
基于能耗指标的空温式气化器气候分区方法，本方法采用单指标体系分区方法，利用AAV能耗作为气候分区的指标，方法的流程图如图1所示。
本方法定义AAV能耗度日数(LDD14)，LDD14定义：一年中当某天室外日平均温度低于T8-80℃(T8-80℃是一个空气温度值，定义为LNG空温式气化器满负荷在相对湿度为80％的条件下，连续运行8小时，出口温度达到规范要求的最低出口温度值时对应的环境温度。)，将低于T8-80℃的度数乘以1天，再将此乘积累加，单位为℃·d，取值范围大于等于0℃·d。某地区一年中每一天的环境温度都足以满足LNG空温式气化器独立连续运行8小时的条件时LDD14取值为0；LDD14越大，表明该地区LNG空温式气化器的独立运行时间越短，由此带来的复热器能耗越大。
本方法用于气候要素插值和分区的气象数据来自于中国气象局气象数据中心的中国地面气候资料日值数据集，有效数据包括2010年～2017年全国839个基本气象站点的名称编号、日平均气温(℃)、经度(°)、纬度(°)和海拔高度(m)等。地理信息数据来自国家基础地理信息系统，主要包括中国底图shp格式的文件、中国省级行政中心的shp文件、中国河流的shp文件和精度为1KM的数字高程(DEM)数据等等。
在软件ArcMap中将所有地理数据的坐标系设置为GCS_WGS_1984，投影坐标设置为Albers。本方法的气候分区主要基于陆上国界内的气象数据和地理数据进行讨论，气象站点分布如下图所示。
对气候数据进行预处理。在中国地面气候资料的最近8年日值数据集中，对各项要素特征值均有特殊规定，主要包括：1)若台站所在地地理条件恶劣、海拔高度无法精确测量时，取估测值，则在该估测数据的基础上加100000(0.1米)；2)若日平均相对湿度取自定时值估算时，则在原值上加1000(1％)；3)若台站监测的实际温度(零上)超仪器上限刻度，在气温上限数据基础上加10000(0.1℃)；4)其余各要素项若显示为32766，则表示数据缺测或者无观测任务。基于上述特殊规定，对数据集内的所有数据用Matlab进行筛检，将依据特殊规定取特殊值的数值进行处理，还原对估测值的处理，删除数据缺测的站点，最终能够利用的站点数组包括839个。将2010年～2017年全国839个气象站点的所有数据分别求均值，得出每个站点的2010年～2017年之间的日平均温度，并计算LDD14。
基于全国839个气象站点的相关数据，利用SPSS检验LDD14与经度、纬度和海拔高度的相关性，结果如表1所示。根据表中数据，纬度与LDD14显著相关，与海拔高度相关。因此，本方法采用站点自带的纬度和海拔高度数据作为插值自变量进行LDD14插值。
表1LDD14与经度、纬度和海拔高度的相关性检验
绘制协同克里金法插值LDD14交叉验证的预测值与观测值散点图，横纵坐标轴单位均为℃·d，如图3所示。交叉验证的平均误差ME为-0.28℃·d，均方根误差RMSE为492.97℃·d，平均标准误差ASE为460.84℃·d，标准均方根误差RMSSE为1.06℃·d。可见ME、RMSSE比较小，RMSIE与ASE比较接近，拟合结果较好。预测值与观测值的拟合方程为：
LDD14_pre＝0.9501*LDD14_observe+123.4
采用K-均值聚类法，利用SPSS软件分别对全国839个气象站点的LDD14指标进行聚类分析，每种指标初始聚类中心均设为5类，得到的分类区间及聚类中心如表2所示。LDD14为零时，LNG空温式气化器可以独立运行，因此增加一个分区，指标界限为零。此外，考虑到分区的均匀性和合理性，以最小间隔100重新调整指标界限。最终得到的LDD14分类区间及界限如表3所示。
表2LDD14分类区间(单位：℃.d)
表3改进的LDD14分类区间(单位：℃.d)
依据上述分析得到的气候分区指标界限，LDD14分区图划分为六个区域，分区较为均匀，取值梯度跨度比较合理，整体上看LDD14指标在南方地区处于低值，北回归线以南为零；而在西藏地区、新疆、内蒙及东北地区处于高值，特别是高纬度地区。分布趋势与我国热工分区基本一致。
本方法基于全国839个气象点2010-2017年的气象数据，定义空温式气化器(AAV)的能耗度日数(LDD14)，并将其作为AAV气候分区的唯一指标，气候分区图主要包括6个区域，分别是Ⅰ区：炎热区、Ⅱ区：温热区、Ⅲ区：温和区、Ⅳ区：寒冷区、Ⅴ区：严寒区和Ⅵ区：极寒区。6个区域内LNG空温式气化器运行所需的气候条件依次变差，独立运行时间依次变短，辅热器能耗依次升高。各区具体特点如下:
(1)Ⅰ区：炎热区。该分区主要包括北回归线以南的海南、两广南部、云南南部等地区，LDD14为0，四季候炎热湿润。LNG空温式气化器全年可以保证运行切换周期达到8小时，无需停机除霜或者添置复热器；气化器全年独立运行，能耗为零，非常适宜LNG空温式气化器的应用。
(2)Ⅱ区：温热区。该分区主要包括长江以南的云南、湖南、湖北、重庆、江西、浙江、福建及两广部分地区等，LDD低于900℃。虽然该地区全年绝大部分时间日均环境温度仍然在14℃以上，但仍有少量时间日均环境温度低于14℃，LNG空温式气化器少量时间不能独立运行，但是全年能耗较少，总体上气候条件较好，适宜LNG空温式气化器的应用。
(3)Ⅲ区：温和区。该分区主要包括四川中部、陕西/山西/河北南部、湖北北部、江苏、山东等地区，CDD14在901-2000℃·d，全年仍有大部分时间日均环境温度仍然在14℃以上，但日均环境温度低于14℃的时间较Ⅱ区增长，LNG空温式气化器与复热器联合运行时间增长，全年能耗增加，但是总体上气候条件较好，较适宜LNG空温式气化器的应用。
(4)Ⅳ区：寒冷区。该分区主要包括新疆中南部、宁夏北部、内蒙古南部、河北北部、辽宁南部、陕西/山西北部、四川北部、西藏南部等地区，地形上包括了昆仑山脉、横断山脉、蒙古高原以及祁连山脉等高海拔地区，LDD14在2001-3300℃·d之间，全年温度较低，空温式气化器全年中仅有部分时间能够保证独立运行切换周期达到8小时，其余部分时间需要不断除霜或持续运行辅热器，能耗较大。
(5)Ⅴ区：严寒区。该分区主要包括青藏、青海大部分地区、新疆北部、内蒙北部、吉林和黑龙江大部分地区，地形上主要包括青藏高原、内蒙古高原等地区，LDD14在3301-4800℃·d之间，四季气候寒冷，空温式气化器全年中只有少部分时间可以独立运行，大部分时间需要联合辅热器，能耗大。
(6)Ⅵ区：极寒区。该分区主要包括内蒙古和黑龙江的小部分高纬度地区，气候寒冷，LDD14在4801℃·d以上，空温式气化器全年中只有少量时间可独立运行，绝大部分时间需要联合辅热器，能耗最大。

Claims (6)

1.一种基于能耗指标的空温式气化器气候分区方法，其特征在于，所述空温式气化器气候分区方法包括以下步骤：
步骤1：对气象站点数据进行预处理；
步骤2：基于步骤1的数据计算能耗度日数LDD14；
步骤3：将纬度与海拔高度数据作为能耗度日数LDD14的插值自变量，带入到能耗度日数LDD14进行计算；
步骤4：根据步骤2和步骤3的能耗度日数LDD14值，进行拟合交叉验证，并绘制曲线图；
步骤5：对步骤4验证后的LDD14值，绘制能耗度日数LDD14空间分布图；
步骤6：根据气候分区指标界限绘制能耗度日数LDD14分区图；所述LDD14分区图分为6个区域；
步骤7：根据步骤6所述的LDD14分区图绘制液化天然气空温式气化器即LNG空温式气化器的分区图；
所述步骤3具体为，基于全国839个气象站点的相关数据，利用SPSS检验LDD14与经度、纬度和海拔高度的相关性，筛选出纬度和海拔高度作为能耗度日数LDD14的插值自变量；
所述步骤4具体为，对协同克里金法插值LDD14进行交叉验证，得到交叉验证的平均误差ME为-0.28℃·d，均方根误差RMSE为492.97℃·d，平均标准误差ASE为460.84℃·d，标准均方根误差RMSSE为1.06℃·d，预测值与观测值的拟合方程为：
LDD14_pre＝0.9501*LDD14_observe+123.4；
所述LDD14定义为：一年中当某天室外日平均温度低于T8-80℃，将低于T8-80℃的度数乘以1天，再将此乘积累加，单位为℃·d，取值范围大于等于0℃·d；
所述6个分区内LNG空温式气化器运行所需的气候条件依次变差，独立运行时间依次变短，辅热器能耗依次升高。
2.根据权利要求1所述空温式气化器气候分区方法，其特征在于，所述步骤1具体为，中国地面气候资料的最近8年日值数据集中，对各项要素特征值的规定包括1)若台站所在地地理条件恶劣、海拔高度无法精确测量时，取估测值，则在该估测数据的基础上加100000即0.1米；
2)若日平均相对湿度取自定时值估算时，则在原值上加1000即1％；
3)若台站监测的实际温度超仪器上限刻度，在气温上限数据基础上加10000即0.1℃；
4)其余各要素项若显示为32766，则表示数据缺测或者无观测任务；
基于上述规定对数据集内的所有数据用Matlab进行筛检，将采集到的数值进行处理，还原对估测值的处理，删除数据缺测的站点，最终能够利用的站点数组为839个；
将2010年～2017年全国839个气象站点的所有数据分别求均值，得出每个站点的2010年～2017年之间的日平均温度。
3.根据权利要求1所述空温式气化器气候分区方法，其特征在于，所述步骤4具体为，采用K-均值聚类法，利用SPSS软件分别对全国839个气象站点的LDD14指标进行聚类分析；
LDD14为零时，LNG空温式气化器能独立运行，因此增加一个指标界限为零的分区，共6个分区。
4.根据权利要求1所述空温式气化器气候分区方法，其特征在于，所述步骤5具体为，利用协同克里金法插值LDD14得到具有明显的梯度变化的中国LDD14空间分布图。
5.根据权利要求1所述空温式气化器气候分区方法，其特征在于，所述步骤6具体为，依据分析得到的气候分区指标界限，利用软件ArcMap绘制LDD14分区图。
6.根据权利要求1所述空温式气化器气候分区方法，其特征在于，所述步骤7具体为，基于LDD14指标，在LDD14分区图基础上绘制出了液化天然气空温式气化器在我国进行应用的气候分区图；
6个区域包括Ⅰ区：炎热区、Ⅱ区：温热区、Ⅲ区：温和区、Ⅳ区：寒冷区、Ⅴ区：严寒区和Ⅵ区：极寒区。
CN202011376815.1A 2020-11-30 2020-11-30 一种基于能耗指标的空温式气化器气候分区方法 Active CN112765289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011376815.1A CN112765289B (zh) 2020-11-30 2020-11-30 一种基于能耗指标的空温式气化器气候分区方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011376815.1A CN112765289B (zh) 2020-11-30 2020-11-30 一种基于能耗指标的空温式气化器气候分区方法

Publications (2)

Publication Number Publication Date
CN112765289A CN112765289A (zh) 2021-05-07
CN112765289B true CN112765289B (zh) 2023-11-17

Family

ID=75693340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011376815.1A Active CN112765289B (zh) 2020-11-30 2020-11-30 一种基于能耗指标的空温式气化器气候分区方法

Country Status (1)

Country Link
CN (1) CN112765289B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19912929A1 (de) * 1999-03-22 2000-10-26 Achim Zeitz Verfahren zum Aufbereiten und Übermitteln von Wettervorhersagedaten an Heizungsregelgeräte
CN102768677A (zh) * 2012-06-15 2012-11-07 武汉理工大学 一种微气候和热环境数据信息图及显示方法
CN104132959A (zh) * 2014-07-01 2014-11-05 哈尔滨工业大学 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
CN105570669A (zh) * 2016-02-05 2016-05-11 华北电力大学（保定） 一种利用太阳墙和温差发电的lng空温式气化装置及方法
TW201822129A (zh) * 2016-12-01 2018-06-16 逢甲大學 綠建築效能模擬分析系統及其最適化決策方法
CN108427847A (zh) * 2018-03-16 2018-08-21 哈尔滨工业大学 一种基于GIS-mapping的严寒地区城市室外温度预测方法
CN109140580A (zh) * 2018-07-28 2019-01-04 清华大学 一种空气源热泵采暖设备适宜性区划方法
CN110909981A (zh) * 2019-10-22 2020-03-24 山东农业大学 一种评价中国大陆性季风气候区葡萄气候区划的方法
CN111399548A (zh) * 2020-03-27 2020-07-10 上海电力大学 一种可识别天气类型的跟踪式光伏发电系统控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130104455A1 (en) * 2011-05-13 2013-05-02 David P. Groeneveld Method and System for Remote Sensing and Limited Field Sampling to Prescribe and Deliver Soil Amendments Targeted Discretely Across Cultivated Fields

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19912929A1 (de) * 1999-03-22 2000-10-26 Achim Zeitz Verfahren zum Aufbereiten und Übermitteln von Wettervorhersagedaten an Heizungsregelgeräte
CN102768677A (zh) * 2012-06-15 2012-11-07 武汉理工大学 一种微气候和热环境数据信息图及显示方法
CN104132959A (zh) * 2014-07-01 2014-11-05 哈尔滨工业大学 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
CN105570669A (zh) * 2016-02-05 2016-05-11 华北电力大学（保定） 一种利用太阳墙和温差发电的lng空温式气化装置及方法
TW201822129A (zh) * 2016-12-01 2018-06-16 逢甲大學 綠建築效能模擬分析系統及其最適化決策方法
CN108427847A (zh) * 2018-03-16 2018-08-21 哈尔滨工业大学 一种基于GIS-mapping的严寒地区城市室外温度预测方法
CN109140580A (zh) * 2018-07-28 2019-01-04 清华大学 一种空气源热泵采暖设备适宜性区划方法
CN110909981A (zh) * 2019-10-22 2020-03-24 山东农业大学 一种评价中国大陆性季风气候区葡萄气候区划的方法
CN111399548A (zh) * 2020-03-27 2020-07-10 上海电力大学 一种可识别天气类型的跟踪式光伏发电系统控制方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
LNG卫星站空温式气化器内外场耦合传热数值研究;刘珊珊 等;煤气与热力;714-722 *
LNG空温式气化器应用气候分区研究;田兴浩;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190115;第3-4章 *
Research on climate zoning indicators for operating environment of liquefied natural gas ambient air vaporizer;Xinghao Tian 等;Sustainable Cities and Society;第60卷;1-10 *
不同气候分区LNG空温式气化器配置优化研究;矫依存;中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)(第01期);B019-164 *
气候和围护结构对空气源热泵空调系统性能的影响;徐鹏飞等;《化工学报》;20161215;第216-224页 *
液化天然气空温式气化器结霜工况及适用性研究;任乐梅;液化天然气空温式气化器结霜工况及适用性研究;1-168 *
过去20年气候变暖对我国冬季采暖气候条件与能源需求的影响;陈莉等;《自然资源学报》;20060815(第04期);第92-99页 *

Also Published As

Publication number Publication date
CN112765289A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
Gouda et al. Model selection for accurate daily global solar radiation prediction in China
Wang et al. Energy consumption in China's rural areas: a study based on the village energy survey
Zhao et al. Residential carbon dioxide emissions at the urban scale for county-level cities in China: A comparative study of nighttime light data
He et al. Modeling the spatiotemporal dynamics of electric power consumption in Mainland China using saturation-corrected DMSP/OLS nighttime stable light data
Fletcher et al. The climatology, meteorology, and boundary layer structure of marine cold air outbreaks in both hemispheres
Li et al. Estimation of gross primary production over the terrestrial ecosystems in China
Alamdari et al. Solar energy potentials in Iran: A review
Wan et al. Climate classifications and building energy use implications in China
Xu et al. Roles of tropical SST patterns during two types of ENSO in modulating wintertime rainfall over southern China
CN110750904A (zh) 一种基于遥感数据的区域碳储量空间格局监测系统和方法
CN109916788A (zh) 一种区分不同区域排放变化和气象条件变化对pm2.5浓度影响的方法
Fan et al. Changes in temperature and precipitation extremes during 1959–2008 in Shanxi, China
Liang et al. Estimation of the influences of air density on wind energy assessment: A case study from China
CN110909981B (zh) 一种评价中国大陆性季风气候区葡萄气候区划的方法
Zhu et al. Can reanalysis datasets describe the persistent temperature and precipitation extremes over China?
Xu et al. Determinants and identification of the northern boundary of China’s tropical zone
CN106570729A (zh) 基于空调可靠性影响因素的区域聚类方法
CN105373849A (zh) 光伏电池组件温度的分步预测方法
Sha et al. Climate warming and its impact on natural regional boundaries in China in the 1980s
CN112765289B (zh) 一种基于能耗指标的空温式气化器气候分区方法
Zhao et al. Spatio-temporal differentiation of climate warming (1959–2016) in the middle Qinling Mountains of China
He et al. Seasonal variation in the regional structure of warming across China in the past half century
Xia et al. Technological adaptation zone of passive evaporative cooling of China, based on a clustering analysis
Jin et al. Farmland dataset reconstruction and farmland change analysis in China during 1661–1985
Yuan et al. The economic impacts of global warming on Chinese cities

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
GR01 Patent grant
GR01 Patent grant