CN113094995B - 一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法 - Google Patents

一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法 Download PDF

Info

Publication number
CN113094995B
CN113094995B CN202110404404.7A CN202110404404A CN113094995B CN 113094995 B CN113094995 B CN 113094995B CN 202110404404 A CN202110404404 A CN 202110404404A CN 113094995 B CN113094995 B CN 113094995B
Authority
CN
China
Prior art keywords
building
thermal mass
model
load transfer
heat capacity
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
CN202110404404.7A
Other languages
English (en)
Other versions
CN113094995A (zh
Inventor
丁研
吕亚聪
王翘楚
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN202110404404.7A priority Critical patent/CN113094995B/zh
Publication of CN113094995A publication Critical patent/CN113094995A/zh
Application granted granted Critical
Publication of CN113094995B publication Critical patent/CN113094995B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/06Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Water Supply & Treatment (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开一种基于集总电容模型的建筑热质量用于空调负荷转移的评估方法。该方法提出采用“有效热容”这一参数来表征建筑物热质量的蓄热能力,建立降阶简化的4R3C集总电容模型,采用粒子群算法辨识建筑的有效热容,并归纳有效热容与面积的线性关系式,针对建筑设计阶段可获取参数少的特点提供简便的负荷预测方法。本发明的应用适用于中国四个气候分区,能够快速评估利用建筑热质量进行空调负荷转移潜力,从逐时冷热负荷转移量、耗电量、经济性这三个方面出发进行效果评价。

Description

一种基于集总电容模型的建筑热质量用于空调负荷转移评估 方法
技术领域
本发明属于建筑空调负荷转移潜力评估领域,主要是涉及一种基于集总电容模型的建筑热质量用于空调负荷转移潜力评估方法。
背景技术
随着全球能源需求的持续增加,光伏风电等可再生能源的容量配置仍处于上升阶段,但由于可再生能源出力间歇、波动和不确定的特性,能源消纳和电网供需矛盾日益突出。建筑是能源消费的大户,同时也是电网的重要参与者之一,特别是空调系统在建筑电耗中又占很大的比例。建筑自身热特性和用能灵活性可以为电网的控制和优化提供有益的能源行为、电力需求和改造等:在供冷工况时,建筑物的热质量(主要包括外围护结构和内部蓄热体)会在室内温度较低时吸收冷量,并在室内温度升高时释放冷量,供热工况时相反,从而减弱空调系统用电功率调整所带来的对室内热环境的负面影响。利用建筑热质量对负荷转移来为电网稳定性提供帮助,可避免安装或者减少蓄热蓄冷设备的容量,具有初投资成本上的经济性,同时在设计阶段评估利用建筑热质量蓄热对负荷转移量的多少,有助于后续运行策略制定。
利用建筑热质量实现用能的灵活调度的一个重要前提是预测建筑的冷热负荷。而建筑空调负荷预测是十分复杂的,因为其与多种因素相关,如气象参数,建筑围护结构特性,室内照明情况,设备运行情况,室内人员数量行为等。特别是在建筑设计阶段,可获取的参数很少,仅有建筑面积、层数、围护结构热工参数等。如何在满足预测精度的前提下,简化计算原理、减少输入参数、节省计算时间是设计阶段负荷预测的主要研究内容。
因此,采用合理便捷的参数表征建筑热质量的蓄热性能,同时通过预测建筑空调负荷进一步评估其能带来的空调负荷转移潜力,对利用建筑蓄热性为电网提供灵活性有着重要意义。
发明内容
本发明针对以上技术问题,提出采用“有效热容”这一参数表征建筑热质量的蓄热能力,提出一种基于集总电容模型的负荷预测方法,并评估了建筑的空调负荷转移能力,为合理利用建筑热质量的蓄热性能缓解电网压力提供直接依据。
为实现上述目的,本发明采用如下技术方案:一种基于集总电容模型的建筑热质量用于空调负荷转移潜力评估方法,包括建立标准建筑模型提供输入数据,采用粒子群算法辨识4R3C集总电容模型的有效热容表征建筑热质量、归纳有效热容与面积的线性关系式,对比预冷预热工况与基准工况的逐时冷热负荷转移量、耗电量、电费评估建筑热质量用于空调负荷转移的效果。
进一步的,标准建筑模型的外围护结构按现行国家标准《公共建筑节能设计规范》the Design Standards for Energy Efficiency of Public Buildings(GB50189-2015)中的限值构建,建筑环境内部热质量,如家具、隔墙等能够在室内吸热和放热的物体的物理性质及形状复杂,因此将它们集成简化为等效平板进行建模。
进一步的,采用“有效热容”表征建筑物热质量的蓄热能力,建立降阶简化的4R3C集总电容模型,采用粒子群算法辨识模型中的有效热容,并归纳有效热容与建筑面积的线性关系式,进而快速计算建筑冷热负荷。
本发明相对于现有技术方案所能带来的有益效果是:
1.本发明提出了一种4R3C集总电容模型预测建筑冷热负荷,该方法所需的输入参数少、计算快速简便,适用于可获取参数信息少的建筑设计阶段。
2.本发明采用“有效热容”这一参数表征建筑热质量,提供一种评估建筑热质量蓄热性能用于空调负荷转移潜力的方法,从以逐时冷热负荷转移量评估负荷转移效果,以峰谷平时段耗电量展示对电网的影响、以全天电费考量负荷转移策略对建筑用户的可行性。
附图说明
图1是本发明实现建筑设计阶段空调负荷预测的流程图
图2是本发明建立的4R3C集总电容模型
图3是实施例中建筑负荷预测结果,基准工况与预热/预冷工况的逐时负荷对比
图4是实施例中建筑能耗和电费变化
具体实施方式
以下结合附图对本发明的具体实施过程作进一步详细说明,从而使本发明的目的、技术方案和有益效果更清楚明白。
一种基于集总电容模型的建筑热质量用于空调负荷转移潜力评估方法,实现该方法的具体流程如图1所示,具体包括以下步骤:
步骤1:在Trnsys能耗模拟软件中建立标准建筑模型获取室内温度和冷热负荷等输入性参数。
实施例依据国家标准(GB50189-2015)中划分的建筑气候分区,选取严寒地区的哈尔滨、寒冷地区的天津、夏热冬冷地区的武汉,夏热冬暖地区的广州,分别建立标准建筑模型。各城市外墙的选择与气候分区所规定的围护结构限值所对应,将家具、隔墙等内部热质量集成简化为一块等效平板,平板面积与建筑面积相对应,以60kg/m2木材换算出等效平板厚度为100mm。围护结构和内部热质量的构建材料见表1,各城市的墙体热物性参数见表2。
表1.建筑结构材料性质
Figure BDA0003021695640000041
表2.各个城市的外墙参数
Figure BDA0003021695640000042
每个城市在Trnsys中均构建5种不同面积的标准的建筑模型,分别为20×20m2、25×25m2、30×30m2、35×35m2、40×40m2,建筑高度3m,窗墙比0.4。
为减少建筑内扰负荷对后面RC模型有效热容辨识的干扰,建筑模型进行了如下简化:
(1)地板设置为绝热边界;
(2)没有通风和空气渗透,不添加设备、人员及照明等内扰负荷。
步骤2:建立4R3C集总电容模型,确定节点平衡方程。
集总电容模型的示意图如图2所示,图2说明了模型中包含的部件以及他们之间交换的热量,该模型主要包括室外环境、建筑外围护结构、室内空气和内部热质量四个部分。其中3R1C来表征建筑外围护结构,1R1C表征建筑内部热质量,将二者分开独立建模是因为外围护结构直接接触外环境,容易受外部环境影响,具有特殊的动态特性;建筑环境内组件,如家具、地毯,以及其他能够在室内吸收和释放热辐射的物体的物理性质分别研究则较为繁琐,因此将这些部件都集总在一起。
节点平衡方程为:
Figure BDA0003021695640000051
Figure BDA0003021695640000052
Figure BDA0003021695640000053
实施例中将建筑围护结构的热阻简化为均值材料,定义4R3C模型中的Rw1和Rw2分别为外围护结构导热热阻的二分之一。
步骤3:采用粒子群优化算法辨识RC模型中的有效热容这一参数,归纳有效热容与建筑面积的线性关系。
PSO算法的目标函数是为4R3C热平衡方程所计算的温度与Trnsys模拟出的室内温度最小,即:
Figure BDA0003021695640000061
与目标函数相对应,每个粒子的适应度为:
Figure BDA0003021695640000062
实施例中,PSO算法的种群数量取5000,迭代次数取1000,粒子速度取Vmax取0.5,Vmin取-0.5。围护结构的热容Cw的上下限分别为3×109和0,内部热质量的热容Cm上下限为3×108和0。
建筑的热容是与建筑面积呈线性相关的,可以写成通用公式:
Ceff=aF+b#(6)
根据PSO所辨识出的有效热容,各气候区拟合出的有效热容与建筑面积的线性关系式见表3。
表3.各气候区有效热容与建筑面积的线性关系式
Figure BDA0003021695640000063
实施例中选择某办公建筑,建筑基底面积6112m2,层数4层,将建筑面积24448m2代入到各个气候区的有效热容与建筑面积的线性关系式中,得到该建筑外围护结构的和内部热质量的有效热容。
步骤4:采用4R3C模型预测供冷供热基准工况和预冷预热工况的负荷。
将预冷预热作为负荷转移策略,供冷供热基准工况和预热预冷工况的室内温度设定见表4。
表4.供冷供热基准工况和预热预冷工况的室内温度设定
Figure BDA0003021695640000071
结合室内温度设定,利用4R3C的节点平衡方程进行计算获取各城市各个工况下的冷热负荷。
在使用预冷/预热策略时,与供冷/供热基准策略进行对比,对比其逐时负荷及逐时负荷转移量。逐时负荷转移量为:
Qaltered=Qpreheating/precooling-Qheating/coolingbaseline#(7)
供冷供热基准工况和预冷预热工况的负荷预测结果如图3所示。采用预热或预冷策略有较好的负荷转移效果,无论是供热工况还是供冷工况均会使建筑的办公时段(8:00-18:00)的负荷整体地削减。
步骤5:将空调的冷热负荷转化为空调机组的电耗,明确机组的能耗和电费。
实施例中,选取热泵机组进行夏季供冷冬季供热,冬季机组能效COP=3.9,夏季部分负荷效率IEER=12.0。各城市的分时电价的时段和价格见表5。
表5.各城市分时电价的时段和价格
Figure BDA0003021695640000081
实施例中各城市的峰谷平能耗以及全天的总电费如图4所示。由图中可以看出采用预冷或预热策略进行负荷转移将高峰时段电耗转移到低谷时段,而全天电费基本不变。
以上具体实施例旨在将本发明的目的、技术方案和有益效果阐释得更加清楚明白,应说明的是,以上所述的具体实施例仅作为本发明技术方案具体实施过程的示意,本发明并不仅限制于此。任何在本发明的精神和原则内做的修改和等同替换等,均属于本发明的保护范围内。

Claims (2)

1.一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法,其特征在于,包括以下步骤:
S1、在Trnsys能耗模拟软件中建立标准建筑模型获取室内温度和冷热负荷输入性参数;
S2、建立4R3C集总电容模型,确定节点平衡方程;
S3、采用粒子群优化算法辨识RC模型中的有效热容,归纳有效热容与建筑面积的线性关系;
S4、采用4R3C模型预测供冷供热基准工况和预冷预热工况的负荷;
S5、将空调的冷热负荷转化为空调机组的电耗,明确机组的能耗和电费。
2.根据权利要求1所述的一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法,其特征在于,标准建筑模型的外围护结构按国家标准中的限值构建,建筑环境内部热质量,如家具、隔墙等能够在室内吸热和放热的物体的物理性质及形状复杂,因此将它们集成简化为等效平板进行建模。
CN202110404404.7A 2021-04-15 2021-04-15 一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法 Active CN113094995B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110404404.7A CN113094995B (zh) 2021-04-15 2021-04-15 一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110404404.7A CN113094995B (zh) 2021-04-15 2021-04-15 一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法

Publications (2)

Publication Number Publication Date
CN113094995A CN113094995A (zh) 2021-07-09
CN113094995B true CN113094995B (zh) 2022-05-24

Family

ID=76677782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110404404.7A Active CN113094995B (zh) 2021-04-15 2021-04-15 一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法

Country Status (1)

Country Link
CN (1) CN113094995B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116734424B (zh) * 2023-06-13 2023-12-22 青岛理工大学 基于rc模型和深度强化学习的室内热环境的控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197547A (zh) * 2013-02-28 2013-07-10 哈尔滨工业大学 一种粒子群寻优的调峰炉热力站供热负荷优化调度方法
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
CN107392368A (zh) * 2017-07-17 2017-11-24 天津大学 一种基于气象预报的办公建筑动态热负荷组合预测方法
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
CN111639823A (zh) * 2020-06-10 2020-09-08 天津大学 一种基于特征集构建的建筑冷热负荷预测方法
CN112016214A (zh) * 2020-08-31 2020-12-01 同济大学 一种基于阻容模型的地埋管换热器传热计算方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197547A (zh) * 2013-02-28 2013-07-10 哈尔滨工业大学 一种粒子群寻优的调峰炉热力站供热负荷优化调度方法
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
CN107392368A (zh) * 2017-07-17 2017-11-24 天津大学 一种基于气象预报的办公建筑动态热负荷组合预测方法
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
CN111639823A (zh) * 2020-06-10 2020-09-08 天津大学 一种基于特征集构建的建筑冷热负荷预测方法
CN112016214A (zh) * 2020-08-31 2020-12-01 同济大学 一种基于阻容模型的地埋管换热器传热计算方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multi-objective optimization of the building energy performance:A simulation-based approach by means of particle swarm optimization;N.Delgarm et al.;《Applied Energy》;20161231;第293-303页 *
RC热网络建筑能耗预测模型综述;石欣 等;《仪器仪表学报》;20141231;第35卷(第12期);第59-64页 *

Also Published As

Publication number Publication date
CN113094995A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
Cao et al. Building energy-consumption status worldwide and the state-of-the-art technologies for zero-energy buildings during the past decade
Harkouss et al. Optimal design of renewable energy solution sets for net zero energy buildings
Calise et al. A novel polygeneration system integrating photovoltaic/thermal collectors, solar assisted heat pump, adsorption chiller and electrical energy storage: Dynamic and energy-economic analysis
Liu et al. Field measurement and numerical simulation of combined solar heating operation modes for domestic buildings based on the Qinghai–Tibetan plateau case
Pan et al. Energy modeling of two office buildings with data center for green building design
Sadineni et al. Impact of roof integrated PV orientation on the residential electricity peak demand
Rashad et al. Analysis of energy demand in a residential building using TRNSYS
Feng et al. Investigation of a solar heating system assisted by coupling with electromagnetic heating unit and phase change energy storage tank: Towards sustainable rural buildings in northern China
CN102024080B (zh) 建筑物夜间通风降温设计的简化计算方法
Carlucci et al. Optimization by discomfort minimization for designing a comfortable net zero energy building in the Mediterranean climate
CN106524353A (zh) 一种空调负荷主动控制参与电力调峰的方法
Han et al. Multi-objective building energy consumption prediction and optimization for eco-community planning
Liu et al. Energy consumption comparison analysis of high energy efficiency office buildings in typical climate zones of China and US based on correction model
CN113094995B (zh) 一种基于集总电容模型的建筑热质量用于空调负荷转移评估方法
Baetens et al. The impact of domestic load profiles on the grid-interaction of building integrated photovoltaic (BIPV) systems in extremely low-energy dwellings
Li et al. Long-term performance of a solar water heating system with a novel variable-volume tank
Chen et al. Contrastive analyses on annual energy consumption characteristics and the influence mechanism between new and old residential buildings in Shanghai, China, by the statistical methods
Baetens et al. The impact of load profile on the grid-interaction of building integrated photovoltaic (BIPV) systems in low-energy dwellings
Luo et al. A novel active building envelope with reversed heat flow control through coupled solar photovoltaic-thermoelectric-battery systems
Liping et al. A numerical study of Trombe wall for enhancing stack ventilation in buildings
Hai et al. Optimal design modeling of an energy system for a near-zero energy restaurant with green hydrogen energy storage systems
Yang et al. Analyzing excess heat factors of convective/radiant terminals: Balancing beginning and steady stage
CN112054505B (zh) 一种基于建筑基础信息的建筑电力需求弹性快速量化方法
Laoufi et al. Predicting Energy Requirement for Cooling and Heating the Building Located in South West of Algeria (Bechar)
CN113379160A (zh) 基于建筑物热能流的楼宇侧综合能源系统优化调度方法

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