CN113065190A - 一种基于不确定性的居住建筑供热量计算方法 - Google Patents
一种基于不确定性的居住建筑供热量计算方法 Download PDFInfo
- Publication number
- CN113065190A CN113065190A CN202110404577.9A CN202110404577A CN113065190A CN 113065190 A CN113065190 A CN 113065190A CN 202110404577 A CN202110404577 A CN 202110404577A CN 113065190 A CN113065190 A CN 113065190A
- Authority
- CN
- China
- Prior art keywords
- temperature
- heat supply
- building
- indoor temperature
- model
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于不确定性的居住建筑供热量计算方法,该方法包括以下步骤:利用建筑室外温度和室内温度的平均值,开发线性回归模型,计算室内温度分布的上四分位点;利用室外温度和供热温度,开发改进三阶RC模型,计算供热系统供热量;利用上四分位点和室内温度的平均值计算室内温度的正态分布曲线;根据室内温度的不保证率要求、最低供热温度及正态分布曲线,确定系统运行的供热温度;将供热温度和室外温度输入到改进三阶RC模型中,得到在最低供热温度和不保证率要求下的供热系统供热量。本发明针对于解决居住建筑多用户室温监测结果不一致情况下,建筑供热量的计算问题,在保证建筑稳定供热的同时,降低建筑供热系统能耗。
Description
技术领域
本发明属于计算领域,具体涉及一种基于不确定性的居住建筑供热量计算方法。
背景技术
在我国的北方城镇地区,集中供热是提高居住建筑室内温度,保证冬季室内环境舒适的重要方式,但不可避免地造成了建筑能源消耗的增加。据统计,2015年我国北方城镇地区供热能耗占建筑总能耗的22%。因此,在低碳环保发展的社会背景下,降低建筑供热损失,提高供热系统效率对降低建筑能耗具有重要意义。
对建筑供热系统而言,建筑供热量直接决定着系统运行能耗的高低,而室内温度值又是供热量计算的重要参数。但通过对居住建筑的室温监测发现,居住建筑中普遍存在着多用户室内温度不一致的问题,部分用户的室内温度过高,而部分用户室内温度达不到供热标准的要求。出现这种问题的主要原因是,在居住建筑供热系统中,一个换热站承担的供热面积约为5-10万平方米,其中往往包含着多栋、多用户的不同供热需求,管路情况复杂,部分用户可能会出现水利失调的现象。因此,在居住建筑多用户温度监测结果不一致的情况下,如何计算建筑的供热量是一个重要问题。
目前为解决这个问题,工程上的方法只是尽可能地增加建筑的供热量,以提高水利失调用户的室内温度,满足其供热需求,而此时非水利失调用户则处于过量供热的状态,会使得室内温度过高,造成能源浪费。同时目前很多针对居住建筑供热量的动态计算方法,均忽略了水利失调对用户室温造成的影响,使得实际的供热效果达不到预期要求。
发明内容
有鉴于此,本发明提供一种基于不确定性的居住建筑供热量计算方法,以解决居住建筑供热系统运行过程中,多用户室温监测结果不一致情况下,建筑供热量的计算问题。
为实现上述目的,本发明提出了一种基于不确定性的居住建筑供热量计算方法,包括以下步骤:
步骤1:首先建立反映建筑室内温度分布上四分位点的线性回归模型,模型的输入变量为建筑室外温度Tout和室内温度平均值Tin,模型的输出变量为室内温度分布的上四分位点Tp。
该室内温度分布的上四分位点Tp的计算公式为:
式中,Tmax为室内温度的最大值(℃);Tin为室内温度的平均值(℃)。
该室内温度分布上四分位点Tp的线性回归模型为:
Tp=b1+b2Tout+b3Tin+b4Tout 2+b5Tin 2(10)
式中,Tp为室内温度分布上四分位点(℃);Tout为建筑室外温度(℃);Tin为室内温度平均值(℃);b1,b2,b3,b4,b5为待识别的系数。
步骤2:利用实测室内温度平均值Ts,in、室外温度Ts,out及室内温度分布上四分位点Ts,p,采用最小二乘法对线性回归模型中的系数进行识别,使得识别后的线性方程式可以根据建筑室外温度Tout和室内温度平均值Tin计算室内温度分布的上四分位点Tp;
步骤3:基于建筑供热量的计算需求及建筑物的实际材料属性,利用建筑热负荷计算方法和建筑围护结构传热的电等效原理,开发计算建筑供热量的改进3R3C模型,该模型参考热负荷计算方法,将建筑日射得热作为供热有利因素予以忽略,同时通过添加附加系数α,将冷风渗透耗热量及冷风侵入耗热量附加到供热量的计算中。开发的改进三阶RC模型如图2所示,模型的输入变量包括建筑室外温度Tout和供热温度Tg,模型的输出变量为供热系统的供热量W;
该改进三阶模型的各节点方程式为:
Tin节点:
T2节点:
T1节点:
式中,Tin为室内节点温度(℃);T1为围护结构虚拟节点1的等效温度(℃);T2为围护结构虚拟节点2的等效温度(℃);Tout为室外节点温度(℃);Cin为室内的等效热容(J/(kg·K));C1为围护结构虚拟节点1的等效热容(J/(kg·K));C2为围护结构虚拟节点2的等效热容(J/(kg·K));Rw1为室外节点与虚拟节点1之间的等效热阻(K/W);Rw2为虚拟节点1与虚拟节点2之间的等效热阻(K/W);Rw3为虚拟节点2与室内节点之间的等效热阻(K/W);Rw4为室外节点与室内节点之间的等效热阻(K/W),W为建筑供热量(kW);a为等效附加系数。
其中,Rw4等效地表示建筑外门、外窗的热阻;Rw1、Rw2、Rw3等效地表示建筑外墙的热阻;Cin等效地表示建筑内墙、家具及空气的热容;C1、C2等效地表示建筑外墙的热容;a等效地表示冷风渗透、冷风侵入耗热量及各附加耗热量的影响。
步骤4:利用灰狼优化算法对步骤3中搭建的三阶模型的参数进行辨识,使得参数辨识后的灰箱模型可以反映建筑供热温度Tg和室外温度Tout与建筑供热量W之间的关系。待辨识的参数包括四个等效热阻Rw1、Rw2、Rw3、Rw4,三个等效热容C1、C2、Cin及一个等效附加系数a,灰狼优化算法迭代计算的流程图如图3所示。在优化算法的迭代过程中,实测的建筑室内温度Ts,in、室外温度Ts,out作为边界条件输入到改进RC模型中,用于计算每只灰狼位置对应的供热量Wi,而实测的建筑供热量Ws则用于适应度函数值的计算。
该优化过程的适应度函数为:
F=Ws-Wi(14)
式中,F为适应度函数值(kW);Ws为实测建筑供热量(kW);Wi为每只灰狼位置计算的供热量(kW)。
步骤5:根据室内温度平均值Tin和步骤2中得到的室内温度分布的上四分位点Tp,计算室内温度的正态分布曲线,使得该曲线可以反映室内温度分布的不确定性。
正态分布曲线的计算方式如下:
式中,f(T)为室内温度是T的概率(%);Tin为室内温度平均值(℃);Tp为室内温度分布上四分位点(℃);δ为室内温度分布的标准差。
步骤6:将建筑供暖室内温度的不保证率ε和最低供暖温度Tl带入到步骤5中确定的正态分布曲线中,进行概率计算,确定系统运行的供热温度Tg;
供热温度Tg的计算方程为:
式中,ε为不保证率(%);Tl为最低供暖温度(℃);Tg为系统运行的供热温度(℃)。
步骤7:将步骤6中得到的供热温度Tg和室外温度Tout输入到步骤4中参数辨识后的改进RC模型中,计算在最低供热温度Tl和不保证率ε要求下的系统供热量W。
有益效果
(1)本发明致力于解决居住建筑多用户室温监测结果不一致情况下,建筑供热量的计算问题,开发了一种建筑室内温度分布的计算方法,进而通过概率计算确定用于供热量计算的室内温度,保证供热系统在运行过程中可以满足绝大部分用户的需求,提高供热系统的稳定性。
(2)本发明依据建筑最低供热温度和不保证率进行供热量的计算,可以尽可能地避免用户出现过量供热的情况,减小建筑供热量损失,降低供热能耗;同时允许运维人员通过调整最低供热温度和不保证率满足不同情景下供热量计算的需要。
(3)本发明的建筑供热量计算方法,能够根据室外温度、最低供热温度和不保证率实时计算和输出建筑的供热量,满足供热系统自动控制的需要。
附图说明
图1为本发明一种基于不确定性的居住建筑供热量计算方法的技术流程图;
图2为本发明搭建的改进三阶RC模型的结构图;
图3为本发明使用灰狼算法辨识RC模型参数的迭代流程图;
图4为本发明一个实施例中线性回归模型计算结果与实测值对比图;
图5为本发明一个实施例中建筑电等效模型计算结果与实测值对比图;
图6为本发明一个实施例中温度正态分布图;
图7为本发明一个实施例中建筑供热量计算结果;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
本发明提供了一种建筑供热量的不确定性计算方法,其技术流程图如图1所示,包括以下步骤:
步骤1:建立反映建筑室内温度分布上四分位点的线性回归模型,模型的输入变量为建筑室外温度Tout和室内温度平均值Tin,模型的输出变量为室内温度分布的上四分位点Tp。
步骤2:利用实测室内温度平均值Ts,in、室外温度Ts,out及室内温度分布上四分位点Ts,p,采用最小二乘法对线性回归模型中的系数进行识别,使得识别后的线性方程式可以根据建筑室外温度Tout和室内温度平均值Tin计算室内温度分布的上四分位点Tp。
具体的,本实例中应用1200组温度数据进行系数的识别,识别后的线性回归方程为:
Tp=-2014.9-1186.9Tout+64.4Tin-1221.4Tout 2+37.2Tin 2(18)
式中,Tp为室内温度分布上四分位点(℃);Tout为建筑室外温度(℃);Tin为室内温度平均值(℃)。
将实测结果与线性回归模型计算的结果进行对比,如图4所示。经计算,该模型的计算结果与实测结果的平均绝对误差为0.25℃,R2为0.71,表明线性回归模型可以比较准确地计算室内温度分布上四分位点Tp。
步骤3:基于建筑供热量的计算需求及建筑物的实际材料属性,利用建筑热负荷计算方法和建筑围护结构传热的电等效原理,开发计算建筑供热量的改进3R3C模型,该模型的输入变量包括建筑室外温度Tout和供热温度Tg,模型的输出变量为供热系统的供热量W。
步骤4:利用灰狼优化算法对步骤3中搭建的三阶模型的参数进行辨识,使得参数辨识后的灰箱模型可以反映建筑供热温度Tg和室外温度Tout与建筑供热量W之间的关系。在优化算法的迭代过程中,实测的建筑室内温度Ts,in、室外温度Ts,out作为边界条件输入到改进RC模型中,用于计算各搜索代理对应的供热量Wi,而实测的建筑供热量Ws则用于适应度函数值F的计算。
本实例中应用750组数据用于灰狼算法对参数的辨识,用250组数据进行辨识后的模型检验。参数辨识的流程图如图3所示,辨识得到的三阶RC模型参数如下表:
表1三阶RC模型参数辨识结果
将实测结果与电等效模型计算的结果进行对比,如图5所示。经计算,该模型的计算结果与实测结果的平均绝对误差为4.96kW,R2为0.73,表明该模型可以准确地反映建筑供热温度Tg和室外温度Tout与建筑供热量W之间的关系。
步骤5:根据室内温度平均值Tin和步骤2中得到的室内温度分布的上四分位点Tp,计算室内温度的正态分布曲线,使得该曲线可以反映室内温度分布的不确定性。
具体的,本实例中温度正态分布曲线如图6所示,对应于室内平均温度Tin为18.8℃,室外温度Tout为-3.71℃,温度的上四分位点为22.9℃,得到的概率密度分布函数为:
式中,T为室内温度(℃);f(T)为室内温度为T时出现的概率。
步骤6:将建筑供暖室内温度的不保证率ε和最低供暖温度Tl带入到步骤5中确定的正态分布曲线中,进行概率计算,确定系统运行的供热温度Tg;
本实例中,设定的最低供暖温度Tl为18℃,不保证率ε为5%,计算对应于室外温度Tout为-3.71℃时的系统运行供热温度Tg为24.4℃。
步骤7:将步骤6中得到的供热温度Tg和室外温度Tout输入到步骤4中参数辨识后的灰箱模型中,计算在最低供热温度和不保证率要求下的系统供热量W。
本实例中,供热温度Tg为24.4℃,室外温度Tout为-3.71℃,输入到灰箱模型中计算,得到供热系统供热量W为48.2kW。同时连续计算了一周(共168小时)的供热量,如图7所示,说明该计算方法可以连续地、稳定地对建筑供热量进行计算。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于不确定性的居住建筑供热量计算方法,其特征在于,包括以下步骤:
步骤1):首先建立反映建筑室内温度分布上四分位点的线性回归模型,模型的输入变量为建筑室外温度Tout和室内温度平均值Tin,模型的输出变量为室内温度分布的上四分位点Tp;
步骤2):利用实测的室内温度平均值Ts,in、室外温度Ts,out及室内温度分布上四分位点Ts,p,采用最小二乘法对线性回归模型中的系数进行识别,使得识别后的线性方程式可以根据建筑室外温度Tout和室内温度平均值Tin计算室内温度分布的上四分位点Tp;
步骤3):基于建筑供热量的计算需求及建筑物的实际材料属性,利用建筑热负荷计算方法和建筑围护结构传热的电等效原理,开发计算建筑供热量的改进3R3C模型,该模型的输入变量包括建筑室外温度Tout和供热温度Tg,模型的输出变量为供热系统的供热量W;
步骤4):利用灰狼优化算法对步骤3中搭建的三阶模型的参数进行辨识,使得参数辨识后的灰箱模型可以反映建筑供热温度Tg和室外温度Tout与建筑供热量W之间的关系。在优化算法的迭代过程中,实测的建筑室内温度Ts,in、室外温度Ts,out作为边界条件输入到改进RC模型中,用于计算各搜索代理对应的供热量Wi,而实测的建筑供热量Ws则用于适应度函数值F的计算。
步骤5):根据室内温度平均值Tin和步骤2)中得到的室内温度分布的上四分位点Tp,计算室内温度的正态分布曲线,使得该曲线可以反映室内温度分布的不确定性。
步骤6):将建筑供暖室内温度的不保证率ε和最低供暖温度Tl带入到步骤5)中确定的正态分布曲线中,进行概率计算,确定系统运行的供热温度Tg;
步骤7):将步骤6)中得到的供热温度Tg和室外温度Tout输入到步骤4)中参数辨识后的改进RC模型中,计算在最低供热温度Tl和不保证率ε要求下的系统供热量W。
2.根据权利要求1所述的一种基于不确定性的居住建筑供热量计算方法,其特征在于,所述步骤1)中以建筑室外温度Tout和室内温度平均值Tin为变量,计算室内温度分布上四分位点Tp的线性回归模型为:
Tp=b1+b2Tout+b3Tin+b4Tout 2+b5Tin 2 (1)
式中,Tp为室内温度分布上四分位点(℃);Tout为建筑室外温度(℃);Tin为室内温度平均值(℃);b1,b2,b3,b4,b5为待识别的系数。
3.根据权利要求1所述的一种基于不确定性的居住建筑供热量计算方法,其特征在于,所述步骤3)中搭建的计算建筑供热量的改进3R3C模型,该模型参考热负荷计算方法,将建筑日射得热作为供热有利因素予以忽略,同时通过添加附加系数α,将冷风渗透耗热量及冷风侵入耗热量附加到供热量的计算中,开发的改进三阶RC模型结构如图2所示。
该改进三阶模型的各节点方程式为:
Tin节点:
T2节点:
T1节点:
式中,Tin为室内节点温度(℃);T1为围护结构虚拟节点1的等效温度(℃);T2为围护结构虚拟节点2的等效温度(℃);Tout为室外节点温度(℃);Cin为室内的等效热容(J/(kg·K));C1为围护结构虚拟节点1的等效热容(J/(kg·K));C2为围护结构虚拟节点2的等效热容(J/(kg·K));Rw1为室外节点与虚拟节点1之间的等效热阻(K/W);Rw2为虚拟节点1与虚拟节点2之间的等效热阻(K/W);Rw3为虚拟节点2与室内节点之间的等效热阻(K/W);Rw4为室外节点与室内节点之间的等效热阻(K/W),W为建筑供热量(kW);a为等效附加系数。
4.根据权利要求1所述的一种基于不确定性的居住建筑供热量计算方法,其特征在于,所述步骤4)中利用灰狼优化算法对步骤3中搭建的三阶模型的参数进行辨识,待辨识的参数包括四个等效热阻Rw1、Rw2、Rw3、Rw4,三个等效热容C1、C2、Cin及一个等效附加系数a,灰狼优化算法迭代计算的流程图如图3所示。在优化算法的迭代过程中,实测的建筑室内温度Ts,in、室外温度Ts,out作为边界条件输入到改进RC模型中,用于计算每只灰狼位置对应的供热量Wi,而实测的建筑供热量Ws则用于适应度函数值的计算。
该优化过程的适应度函数为:
F=Ws-Wi (5)
式中,F为适应度函数值(kW);Ws为实测建筑供热量(kW);Wi为每只灰狼位置计算的供热量(kW)。
7.根据权利要求1所述的一种基于不确定性的居住建筑供热量计算方法,其特征在于,所述步骤7)中将通过概率计算的供热温度Tg和室外温度Tout输入到参数辨识后的灰箱模型中,得到在最低供热温度Tl和不保证率ε要求下的系统供热量W。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110404577.9A CN113065190B (zh) | 2021-04-15 | 2021-04-15 | 一种基于不确定性的居住建筑供热量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110404577.9A CN113065190B (zh) | 2021-04-15 | 2021-04-15 | 一种基于不确定性的居住建筑供热量计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113065190A true CN113065190A (zh) | 2021-07-02 |
CN113065190B CN113065190B (zh) | 2022-05-27 |
Family
ID=76567232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110404577.9A Active CN113065190B (zh) | 2021-04-15 | 2021-04-15 | 一种基于不确定性的居住建筑供热量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065190B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114992808A (zh) * | 2022-06-15 | 2022-09-02 | 山东大学 | 基于组合智能算法的热泵空调热管理控制方法及系统 |
CN117113018A (zh) * | 2023-10-25 | 2023-11-24 | 清华四川能源互联网研究院 | 基于特征参数的能耗数据解析方法和系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102865623A (zh) * | 2012-09-28 | 2013-01-09 | 季涛 | 一种集中供暖公共建筑供热节能控制方法 |
CN103323149A (zh) * | 2013-07-03 | 2013-09-25 | 哈尔滨工业大学 | 基于户式散热器热分配表法实现采暖系统的热计量方法及热计量系统 |
CN104303125A (zh) * | 2012-01-23 | 2015-01-21 | 地球网络股份有限公司 | 优化和控制建筑的能耗 |
US20160146497A1 (en) * | 2014-11-20 | 2016-05-26 | Honeywell International Inc. | Maintaining an attribute of a building |
CN106096781A (zh) * | 2016-06-07 | 2016-11-09 | 哈尔滨工业大学 | 基于综合温度的供热负荷预报方法 |
CN107945054A (zh) * | 2016-10-13 | 2018-04-20 | 天津大学 | 一种居住建筑综合热工性能评价方法 |
US20180358810A1 (en) * | 2017-06-08 | 2018-12-13 | Board Of Regents, The University Of Texas System | Systems and methods for optimizing building-to-grid integration |
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 |
CN111336669A (zh) * | 2020-03-12 | 2020-06-26 | 苏州大学 | 基于模型预测控制的室内空调通风系统 |
CN111678112A (zh) * | 2020-06-15 | 2020-09-18 | 云能科技有限公司 | 一种多能协同的城镇能源供应系统及其控制调节方法 |
CN111898856A (zh) * | 2020-04-02 | 2020-11-06 | 沈阳工业大学 | 基于极限学习机的物理-数据融合楼宇的分析方法 |
-
2021
- 2021-04-15 CN CN202110404577.9A patent/CN113065190B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104303125A (zh) * | 2012-01-23 | 2015-01-21 | 地球网络股份有限公司 | 优化和控制建筑的能耗 |
CN102865623A (zh) * | 2012-09-28 | 2013-01-09 | 季涛 | 一种集中供暖公共建筑供热节能控制方法 |
CN103323149A (zh) * | 2013-07-03 | 2013-09-25 | 哈尔滨工业大学 | 基于户式散热器热分配表法实现采暖系统的热计量方法及热计量系统 |
US20160146497A1 (en) * | 2014-11-20 | 2016-05-26 | Honeywell International Inc. | Maintaining an attribute of a building |
CN106096781A (zh) * | 2016-06-07 | 2016-11-09 | 哈尔滨工业大学 | 基于综合温度的供热负荷预报方法 |
CN107945054A (zh) * | 2016-10-13 | 2018-04-20 | 天津大学 | 一种居住建筑综合热工性能评价方法 |
US20180358810A1 (en) * | 2017-06-08 | 2018-12-13 | Board Of Regents, The University Of Texas System | Systems and methods for optimizing building-to-grid integration |
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 |
CN111336669A (zh) * | 2020-03-12 | 2020-06-26 | 苏州大学 | 基于模型预测控制的室内空调通风系统 |
CN111898856A (zh) * | 2020-04-02 | 2020-11-06 | 沈阳工业大学 | 基于极限学习机的物理-数据融合楼宇的分析方法 |
CN111678112A (zh) * | 2020-06-15 | 2020-09-18 | 云能科技有限公司 | 一种多能协同的城镇能源供应系统及其控制调节方法 |
Non-Patent Citations (2)
Title |
---|
FILIP BELIĆ,ET AL: "Thermal Modeling of Buildings with RC Method and", 《IEEE》 * |
姚微: "WSAC居住建筑热响应特性的研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114992808A (zh) * | 2022-06-15 | 2022-09-02 | 山东大学 | 基于组合智能算法的热泵空调热管理控制方法及系统 |
CN114992808B (zh) * | 2022-06-15 | 2023-06-02 | 山东大学 | 基于组合智能算法的热泵空调热管理控制方法及系统 |
CN117113018A (zh) * | 2023-10-25 | 2023-11-24 | 清华四川能源互联网研究院 | 基于特征参数的能耗数据解析方法和系统 |
CN117113018B (zh) * | 2023-10-25 | 2024-02-06 | 清华四川能源互联网研究院 | 基于特征参数的能耗数据解析方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113065190B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113065190B (zh) | 一种基于不确定性的居住建筑供热量计算方法 | |
CN113297660A (zh) | 一种基于多目标的建筑方案阶段节能优化设计模式构建方法 | |
Li et al. | Experimental validation of the simulation module of the water-cooled variable refrigerant flow system under cooling operation | |
Olesen et al. | Dynamic Evaluation of the Cooling Capacity of Thermo-Active Building Systems. | |
CN109028275B (zh) | 一种用户侧楼宇多能源优化调度方法 | |
CN111125938A (zh) | 基于次优算法的大型中央空调冷冻水管网优化设计方法 | |
CN107023966A (zh) | 一种地铁站空调冷却水出水温度设定值优化方法 | |
CN111898856B (zh) | 基于极限学习机的物理-数据融合楼宇的分析方法 | |
CN106969838A (zh) | 基于红外热像的供暖系统用户失水检测方法 | |
CN114896664B (zh) | 园区建筑光伏一体化围护结构优化方法及系统 | |
CN111829059A (zh) | 一种供热系统动态建模方法、模型及调控系统 | |
Wang et al. | A zoned group control of indoor temperature based on MPC for a space heating building | |
CN107202405A (zh) | 优化有寒暑假建筑空调设计负荷的计算方法 | |
CN117057021A (zh) | 一种基于多目标动态权重的建筑改造方案优化方法 | |
CN109918612B (zh) | 一种基于稀疏学习的台区拓扑结构校验方法 | |
CN116307074A (zh) | 真实热力数据的获取方法、热力数据的神经网络模型构建系统及构建方法、热负荷预测方法 | |
Lorenzati et al. | Social housing in Italy: Energy audit and dynamic simulation towards a nZEB policy | |
CN115289530A (zh) | 一种基于室温不平衡率的全网供热平衡调节方法 | |
Jiang et al. | Study on Fuzzy Control for Air-To-Water Heat Pumps Connected to a Residential Floor Heating System | |
Tan et al. | Modeling and simulation of layered water tank based on MATLAB/SIMULINK | |
CN114465238A (zh) | 一种热电联合生产模拟运行优化方法及装置 | |
Cheng et al. | Short-term cooling, heating and electrical load forecasting in business parks based on improved entropy method | |
CN103353903A (zh) | 百万机组核电站汽轮机房采暖热指标评估方法及系统 | |
CN110688739A (zh) | 一种基于用电量数据的低压台区用户拓扑纠错方法和系统 | |
CN110032825B (zh) | 基于室内热环境不保证率的空调室外计算参数确定方法 |
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 |