CN113283056B - 蒸发冷却空调技术在不同地区适应度计算方法 - Google Patents
蒸发冷却空调技术在不同地区适应度计算方法 Download PDFInfo
- Publication number
- CN113283056B CN113283056B CN202110468214.1A CN202110468214A CN113283056B CN 113283056 B CN113283056 B CN 113283056B CN 202110468214 A CN202110468214 A CN 202110468214A CN 113283056 B CN113283056 B CN 113283056B
- Authority
- CN
- China
- Prior art keywords
- evaporative cooling
- cooling air
- air conditioning
- average
- adaptability
- 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
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 102
- 238000005516 engineering process Methods 0.000 title claims abstract description 77
- 238000004378 air conditioning Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001556 precipitation Methods 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 description 27
- 238000005057 refrigeration Methods 0.000 description 13
- 238000005265 energy consumption Methods 0.000 description 12
- 238000011160 research Methods 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 238000000638 solvent extraction Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 7
- 238000005192 partition Methods 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 6
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 3
- 241000723422 Catalpa Species 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000007791 dehumidification Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000556 factor analysis Methods 0.000 description 3
- 238000012353 t test Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241000286209 Phasianidae Species 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 240000004528 Catalpa ovata Species 0.000 description 1
- 235000010005 Catalpa ovata Nutrition 0.000 description 1
- 238000001134 F-test Methods 0.000 description 1
- 235000010678 Paulownia tomentosa Nutrition 0.000 description 1
- 240000002834 Paulownia tomentosa Species 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
Abstract
本发明公开了蒸发冷却空调技术在不同地区适应度计算方法，具体采用模型(1)对待确定地区的适应度进行计算，根据计算的适应度大小来确定该地区是否合适使用蒸发冷却空调技术；本发明的方法为一种黑箱方法，让蒸发冷却技术的推广方案制定者对技术适用性进行衡量时，只需要正确掌握数据的输入与结果的阅读就可以直观地清楚适用性高低，无须探究对样本数据之间的复杂联系，具有很好的实用性。
Description
技术领域
本发明属于建筑设备技术领域，具体涉及蒸发冷却空调技术在不同地区适应度计算方法。
背景技术
对于蒸发冷却空调技术而言，是以水作为冷却介质，通过水分的蒸发吸热进行冷却的技术，在某些不满足使用条件的环境下可以与机械制冷、除湿等技术相结合。该技术具有环保、高效、经济的优点，可以广泛地应用于居住、公共乃至工业建筑中。但是，一种技术的适用性往往受到各种因素的影响，关系错综复杂，甚至是复杂的非线性联系。从最简单的角度出发，地区气温越高对制冷的需求越强，但是气温高的持续天数较短又会影响到制冷需求，而就蒸发冷却技术而言，湿度的高低与其使用性能又密切相关。
我国地域辽阔，地形复杂，不同地区气候差异大，在蒸发冷却技术推广应用方面不能一概而论。按照建筑节能领域内通常采用的空调度日数作为空调使用标准存在一些问题，例如，某些地区可能存在夏季高温总天数短但日温度较高的情况，是否能够利用日较差通过建筑蓄热解决过热问题，如果采用直接蒸发冷却技术那么当地是否有水源或降水得以支撑等等。这一系列问题可以简单理解为对蒸发冷却技术在建筑中的适用性影响因素分析，也是需要综合考虑各项气象因素的一种分类方案。目前对这方面也展开了大量的研究，如强天伟、沈恒根等人研究分析了在非干燥地域使用蒸发冷却系统的问题，通过对东莞市的研究，探讨了空气湿度对于蒸发冷却技术应用的影响；中南大学张登春，陈焕新研究了蒸发冷却技术在我国干燥地区的应用，研究了蒸发冷却技术在我国干燥地区的应用的可行性；王倩对蒸发冷却空调技术的适用区以室外湿球温度作为唯一衡量指标进行了划分，确定了适应区与非适应区。
目前的研究表明，蒸发冷却空调技术已经相对成熟，对于蒸发冷却技术的研究与标准的制定主要集中在新型空调技术与蒸发冷却空调室外计算参数的确定，应用型的气候分区的研究方法多样研究成果较多且逐步转向使用数理统计的方法进行地区分类，但蒸发冷却空调技术的分区还停留在参考单一指标或局部区域的适用性分区上。
发明内容
为解决现有技术中存在的不足，本发明提供了一种蒸发冷却空调技术在不同地区适应度计算方法，仅通过输入各项参数便可明确判定我国各区域内蒸发冷却技术的适应性程度，极大提高分析效率。
为了解决上述技术问题，本发明采用如下技术方案予以实现：
本发明公开的蒸发冷却空调技术在不同地区适应度的计算方法，采用以下模型(1)对待确定地区的适应度进行计算，
y＝-2.179-0.017x1+0.068x2-0.001x3-0.008x4-0.05x5+0.499x6 (1)
式中，y表示该地区使用蒸发冷却空调技术的适应度值；x1表示累年6～8月平均温度，单位为℃；x2表示累年6～8月平均相对湿度；x3表示平均每年中日最高气温≥30℃的日数，单位为天；x4表示累年6～8月平均气温日较差，单位为℃；x5表示累年6～8月每天20时至第二天20时平均降水量，单位为mm；x6表示累年6～8月平均干湿球温度差，单位为℃；
适应度值y越大，蒸发冷却空调技术在该地区的适应性越好。
进一步的，将得到的适应度值y按照以下的适应性等级进行划分：若y<1，待确定地区非常不适合蒸发冷却空调技术；若1≤y<2，待确定地区比较不适合蒸发冷却空调技术；若2≤y<3，待确定地区一般适合蒸发冷却空调技术；若3≤y<4，待确定地区比较适合蒸发冷却空调技术；若y≥4，待确定地区非常适合蒸发冷却空调技术。
与现有技术相比，本发明的有益效果是：
本发明给出了一种蒸发冷却空调技术在不同地区适应度的计算模型，该模型为一种黑箱方法，让蒸发冷却技术的推广方案制定者对技术适用性进行衡量时，只需要正确掌握数据的输入与结果的阅读就可以直观地清楚适用性高低，无须探究对样本数据之间的复杂联系，具有很好的实用性。
附图说明
图1是实施例1获得的手肘图。
图2是实施例1中现有方法与本发明方法得到的非适应区的对比图。
图3是实施例1中现有方法与本发明方法得到的高适应区、较高适应区的对比图。
图4是实施例1中现有方法与本发明方法得到的一般适应区的对比图。
具体实施方式
本发明模型(1)中，x1表示累年6～8月平均温度，单位为℃；具体含义解释为：一天中不同时间所观测温度之和除以观测天数，得到日平均值；这个月每天的日平均温度之和除以这个月的天数，得到当月的月平均温度；6～8月中每月的月平均温度之和除以总月数3，得到6～8月的平均温度；每年6～8月的平均温度之和除以累计年数，即为累年6～8月的平均温度。
x2表示累年6～8月平均相对湿度；具体含义为：一天中不同时间所观相对湿度之和除以观测天数，得到日平均值；这个月每天的日平均值之和除以这个月的天数，得到当月的月平均值；6～8月中每月的月平均值之和除以总月数3，得到6～8月的平均值；每年6～8月的平均值之和除以累计年数，即为累年6～8月的平均相对湿度。
x3表示平均每年中日最高气温≥30℃的日数，单位为天，具体含义解释为：累年日最高温度超过30℃的总天数除以累计年数，即为平均每年中日最高气温≥30℃的日数。基于数据可获得性的指标选用原则，本发明所选用的数据库中仅对全年日最高温度超过30℃的天数进行了统计。另外对于此次研究的地理范围而言，存在气温日较差较大的地区，故使用累年日最高气温超过30℃更能说明当地存在夏季过热的问题。
x4表示累年6～8月平均气温日较差，即平均日最高温度和最低温度的差值，单位为℃；具体含义解释为：气象站全天出现的最高气温与最低气温差值即为日差值，累计统计各年6-8月每天的日差值数据后进行按月平均以及按年平均计算得出的数据。
x5表示累年6～8月每天20时至第二天20时平均降水量，单位为mm；具体含义解释为：气象站在每日晚20时至第二天20时统计的当天累计降雨量，将该月所有的降雨量之和除以这个月的天数，得到每个月的平均降雨量，将6～8月中每月的平均降雨量之和除以总月数3，得到6～8月的平均降雨量；将每年6～8月的平均降雨量之和除以年数，即为累年6～8月的平均降雨量。
x6表示累年6～8月平均干湿球温度差，即空气湿度的日较差，单位为℃；具体含义解释为：全天出现观测的最大湿度与最小湿度的差值即为日差值，累计统计各年6-8月每天的日差值数据后进行按月平均以及按年平均计算得出的数据。
本发明中，等级划分中的“一般适合、一般适合、非常适合”是指可以使用蒸发冷却空调技术，而“比较不适合、非常不适合”是指不能使用蒸发冷却空调技术或者蒸发冷却空调技术需要和其他空调技术如机械制冷等方式结合使用。
本发明首先利用以聚类分析为代表的数据挖掘方法对蒸发冷却技术适应区内不同地点累年气象数据进行分析，了解蒸发冷却技术适应区内影响该技术使用因素的结构分类，确定分类的主要影响变量；然后通过聚类系数与聚类数的线性分析确定最佳聚类数目；最后汇总各参数利用系统聚类分析法确定了具体分区，建立适用程度与分区指标回归模型。以下给出本发明采用的具体聚类分析方法的实施例。
实施例1
步骤1、数据源选取和标准化处理
本发明采用的数据集为《中国气象地面气候数据集》，该数据集中观测站点较多、数据年份较新；从该数据集中选取17个省份及直辖市中1179个气象站点为站点样本数据，1179站点样本中都含有多个气候要素。
对数据进行标准化处理，将不同量度的数据转化为统一量度，本实施例采用系数相关矩阵对数据进行标准化处理。
步骤2、气候要素指标的选取
(1)影响空调房间室内热环境的因素
对于空调使用期的设定一般默认为夏季，在GB50352-2017《民用建筑设计通则》和GB50176-2016《民用建筑热工设计规范》两个规范中，对夏季空调的计算及要求均参考的是最热月，即7月的月平均温度。而经过对上述数据库中的温度统计发现，86％的气象站点的最高气温出现时间集中在6-8月。因此，气候要素指标取6～8月的平均值。
如表1所示，判断空调房间室内热环境的主要指标为室内空气干球温度与相对湿度，超出标准值的范围即表现为对空调的需求度，因此，本发明将6～8月平均温度和6～8月相对湿度作为影响蒸发冷却空调技术使用的主要因素。
表1室内热环境影响因素
就干扰因素而言，在夏季主要分为需要供冷而消除的冷负荷与需要消除的湿负荷。一方面是通过围护结构的传热量、透过外窗的日辐射量与渗透空气带入室内的热量，日辐射量可采取遮阳手段缓解，其他与空调系统关联较大的指标在室外气象参数中，需要寻找关于影响夏季建筑对于制冷设备的需求程度的指标。在《居住建筑节能设计标准》中以耗冷量指标(Qc)和空调年耗电量(Ec)表示，具体评价指标为空调度日数CDD26，该指标表示当地的炎热程度。其值为一年中当某天是室外日平均温度高于26℃时，将高于26℃的度数乘以1天，再将此乘积累加，其单位为℃·d。但该指标忽略了部分昼夜温差较大的地区，以调研的典型技术适应区乌鲁木齐地区为例，测试日平均温度仅为28.62℃，最高温度却为33.8℃，原因是有低于25℃以下的总时长为4h的夜间时段存在。指标还忽略了部分地区虽然高温天数较短但是仍有夏季降温要求，需要为这些地区寻找一种经济节能的制冷技术满足当地居民的热舒适要求。因此，在考虑平均温度的基础上，再增添反应全天气温变化范围及体现全年高温情况的指标，即日最高气温≥30℃日数。
另一方面是通过围护结构的潮湿表面与渗透空气带入室内的湿量而影响空调房间的设备选型与舒适性。空调房间的室内散热、散湿量在以日为单位的24h内并不是一成不变的，而是会随着室外参数的变化而变化，这其中变化最为明显的就是日较差。而相对湿度的日较差与气温日较差的变化幅度相当，气温日较差变化的侧面反映了全天相对湿度的变化(参考文献：杨晓玲，丁文魁，殷玉春等.1961—2010年武威市气温日较差变化趋势及影响因子分析[J].中国沙漠.2014，34(01)：225-232)。因此，6～8月气温日较差也是影响蒸发冷却空调技术使用的主要因素。
(2)蒸发冷却技术关键影响因素
ASHRAE给出的针对蒸发冷却空调系统的夏季空调室外计算指标为干球温度对应同时发生的平均湿球温度。干球温度与湿球温度的温度差(即干湿球温度差)是蒸发冷却空调的根本驱动力，体现出蒸发冷却空调的降温效果，决定了空调的出水温度(参考文献：徐伟主编等.民用建筑供暖通风与空气调节设计规范技术指南[M].北京：中国建筑工业出版社，2012：620页)。此外，在JGJ 342-2014《蒸发冷却制冷系统工程技术规程》中也有强调蒸发冷却空调的选用除建筑物自身条件限制外，仍需考虑所在地区的气候特征、水资源及能源状况，尤其是在干湿球温度相差较大的区域。
另外，还有一些指标影响蒸发冷却空调的运行能耗。首先，室外干球温度是所有空调系统的室外设计参数中与建筑能耗之间关系最为密切的指标。其次，限于蒸发冷却空调降温原理，对于湿度较大的地区，增加除湿工序致使空调运行能耗增加。同时对于室内空气相对湿度而言，围护结构的水汽渗透与潮湿表面也有影响，这一现象的出现主要与夏季降水量有关(参考文献：李丽.湿热地区降雨对墙体传热的影响研究[D]：华南理工大学，2010)。另外，长期降雨对于当地水质与室内空气也有一定的影响，需要对的蒸发冷却机组进行除垢防锈，对空气进行过滤处理。日较差较大的地区更加适用于蒸发冷却空调的使用，无论是使用夜间储存的天然冷源，还是利用建筑围护结构的蓄热延迟空调开启时间缩短空调使用总时长都非常有实用意义。因此，夏季降水量(即6～8月降水量)是影响蒸发冷却空调技术使用运行能耗的关键因素。
基于以上分析，本发明选择数据集中的以下六个气候要素作为蒸发冷却空调适应性分区的指标：累年6-8月平均温度、累年6-8月平均相对湿度、累年日最高气温≥30℃日数、累年6-8月平均气温日较差、累年20-20时平均6-8月降水量、累年6-8月平均干湿球温度差。
步骤3，因子分析，确定各气候要素与蒸发冷却技术适应性的相关性
对数据库内的数据进行KMO方法进行分析，得到统计量值为0.656，统计量大于0.5说明各项气象参数之间确实存在较大的信息重叠，证明可以提取公因子。本实施例通过主成分分析法提取公因子，然后采用凯撒正态最大方差对提出的公因子进行正交旋转，筛选得到公因子1和公因子2，见表2。
表2公因子成分矩阵
从表2可以看出，公因子1与6-8月平均干湿球温度差、6-8月平均气温日较差呈负相关，与6-8月平均相对湿度及6-8月平均降水量呈正相关。依据步骤2分析可知，空气含湿状况能确定蒸发冷却空调可以达到的最低温度，即相对湿度、降雨量与含湿量呈正比关系，日较差可以辅助判断当天空气中水蒸气含量变化情况。由于干湿球的温度差能直接决定蒸发冷却技术的出水温度，说明公因子1可定义为蒸发冷却技术使用潜力。梳理其变化规律可知，若相对湿度数值愈大，降雨量数值愈大，日较差数值愈小，干湿球温度愈小，则公因子1值愈大，蒸发冷却技术使用潜力越小。
公因子2与6-8月平均温度、最高气温≥30℃日数正相关，与6-8月平均气温日较差负相关。说明公因子2数值越高，平均温度、高温天数就越高，而平均气温日较差就越小。
步骤4，对数据集中的数据进行聚类分区，并确定确定最佳聚类数：
本步骤通过聚类分析的方法快速从数据集的大量数据中分辨出极度干旱少雨温差大，或者高温高湿地区。具体的，本实施例采用沃德法对数据进行聚类处理，具体步骤包括：
(1)首先将每个数据点视为一个单一的类别，对于本次研究而言最多可有1179个类别，使用平均关联度量，而后计算组内平方误差和；
(2)在每次迭代中，将两个类别合并成一个类别。选择平均关联值最小，即最相似的两个类别进行合并；
(3)重复步骤2直至最终所有数据点被汇总到一个类别内停止计算，即1179个样本归成一类。
最终得到图1所示的手肘折线图，图1中，纵轴表示所有数据点到其所属的类聚中心欧式距离的平方和与数据点的总个数的比值，横轴表示数据集中数据点的个数(即1179)。通过关注斜率的变化，确定最佳聚类数目，当纵轴减少的很缓慢时，即使进一步增大聚类数，效果也并不能增强，即存在的这个“肘点”就是最佳聚类数目。
从图1中可以看出，从一类到五类下降得很快，之后下降得很慢，此时肘点处对应的数值为5，因此，最佳聚类个数为五类。
采用最大距离法对样本数据进行聚类，表3为最大距离法对样本数据的聚类结果，不同类别分别用I、II、III、IV、V表示。
表3样本数据分区结果
按照步骤3中确定公因子的方法确定各类别I、II、III、IV、V中的公因子1和公因子2的特征值，如下表4所示。
表4不同类别公因子特征值
根据步骤3中公因子分析结果可知：公因子1数值越小表示蒸发冷却空调使用潜力越大，根据表4可以看出，五个聚类类别I、II、III、IV、V对蒸发冷却空调的适应性程度逐渐增加。同时，对上述聚类类别数按照1-10标度法进行赋值，将对于蒸发冷却技术的适应性共分为5个等级[1,2,3,4,5]，分别为非常不适合(低适应区)，比较不适合(较低适应区)，一般适合(中等适应区)，比较适合(较高应区)，非常适合(高适应区)，赋值越大表示越适合使用蒸发冷却技术，表5所示。
表5标度值
步骤5，生成回归模型
根据步骤4中的分区结果，将六个气候要素指标数值(即1179×6个数据)作为自变量，适应度数值(即数值范围0～5)作为因变量进行拟合，得到模型(1)，具体的，本实施例SPSS软件进行数据拟合；
y＝-2.179-0.017x1+0.068x2-0.001x3-0.008x4-0.05x5+0.499x6 (1)。
式中，y表示该地区使用蒸发冷却空调技术的适应度值；x1表示累年6～8月平均温度，单位为℃；x2表示累年6～8月平均相对湿度；x3表示平均每年中日最高气温≥30℃的日数，单位为天；x4表示累年6～8月平均气温日较差，单位为℃；x5表示累年6～8月每天20时至第二天20时平均降水量，单位为mm；x6表示累年6～8月平均干湿球温度差，单位为℃。
y越大，说明蒸发冷却空调技术在该地区的适应性越好。具体的，若y<1，待确定地区非常不适合蒸发冷却空调技术；若1≤y<2，待确定地区比较不适合蒸发冷却空调技术；若2≤y<3，待确定地区一般适合蒸发冷却空调技术；若3≤y<4，待确定地区比较适合蒸发冷却空调技术；若y≥4，待确定地区非常适合蒸发冷却空调技术。
步骤6，回归模型的检验
对回归模型作F检验，F检验是对进行回归的所有自变量的回归系数的一个总体检验。表6中预测变量显著性sig<0.05，说明整体的回归模型是显著的，自变量具备线性预测回归目标的能力，表明回归模型可靠。模型中的R2又称决定系数，表示回归的拟合程度，越接近1说明回归方程对因变量的拟合程度越好。本次回归分析中R2值为0.826，说明因变量与自变量之间线性关系很强，可以使用线性模型。
表6 ANOVA方差分析表
同时进行t检验作为辅助验证，Beta为回归系数，分为未标准化与标准化的回归系数，代表自变量也就是预测变量和因变量的相关。t值为对回归系数t检验的结果，绝对值越大，显著性sig就越小，被认为是系数检验显著，表明自变量可以有效预测因变量的变异。为减少因单位不同而造成的误差，使结果更精确，对各个自变量以及因变量统一进行z-score标准化。结果如表7，以累年6-8月平均温度为例，t值表明有99.2％的概率正确，其它自变量同理。在大数据库支持和多因素相互影响条件下，单因素的偏离值可忽略不计。t检验与F检验分析结果相同，说明回归模型较为可靠。
表7回归方程系数
以下给出本发明的模型的有效性验证实施例，对本发明的计算方法的有效性进行验证。
实施例2
为了证明本发明方法的有效性，根据目前研究狄育慧教授《蒸发冷却空调应用的气候适应性区域划分》给出的不同适应性程度的具体城市列表及GB/T25860-2010《蒸发冷气机》标准给出了典型城市的分区。下面将本发明分析结果与以上两者相比对，验证本发明方法在适应性分区研究中的正确性。
狄育慧教授以室外湿球温度20℃、23℃以及28℃作为临界线，将全国划分为四个区域，分别定义为通风区(蒸发冷却空调技术配合自然通风即可满足夏季建筑热舒适要求)、高适应区(仅蒸发冷却空调技术即可满足夏季建筑热舒适要求)、适应区(蒸发冷却空调技术需与机械制冷技术配合满足夏季建筑热舒适要求)与非适应区(使用蒸发冷却空调技术满足夏季建筑热舒适要求有较大难度)。
采用本发明方法分区时，x1～x6六个气候要素均为累计30年的平均值。
图2所示为现有方法(即狄育慧所示方法)与本发明方法获得的非适应区示意图，可以看出，现有技术中所计算得出的非适应区气象站点分布在本发明方法获得的较低适应区和低适应区的范围内，而且本发明方法获得的较低适应区和低适应区数据更为完整，现有技术仅给出了部分非适应区域。
图3所示为现有方法与本发明方法获得的较高适应区以及高适应区示意图，可以看出，狄育慧所列的城市有分布在局部东北地区和局部云南地区，而本发明并未将其列入高适应区域与较高适应区，主要原因是本发明在湿球温度的基础上额外考虑了夏季高温情况，这两个地区夏季高温天数有限，对于制冷的需求较弱。其余研究所列城市分布均落入本发明所提出的高适应区及较高适应区内。
图4所示为现有方法与本发明方法获得的一般适应区示意图，可以看出，城市分布重合率较高，现有技术所罗列出的城市分区与本发明方法得出的分区基本一致，说明本发明方法具有较好的正确性。
GB/T25860-2010《蒸发冷气机》标准中根据室外计算湿球温度分为三个区域，直接蒸发冷却与间接蒸发冷却的运行效率分别递减，命名为干燥、中等湿度、高湿度地区。表8所示为GB/T25860-2010《蒸发冷气机》标准中的分区结果与本发明方法获得的适应性分区的对比。可以看出，GB/T25860-2010《蒸发冷气机》标准给出的青海、甘肃、新疆等地与本发明的高适应区、较高适应区重合，标准给出的北京、西安、长春等地与本发明的一般适应区重合，标准给出的广东、福建等地区与本发明的非适应区重合与本发明的较低适应区和适应区。
表8本发明的分区结果与标准验证对比
本实施例还对上述吐鲁番地区、甘肃省民勤地区、陕西省西安地区、贵州省桐梓地区和四川省乐山地区这5个分区使用蒸发冷却技术前后的舒适区比率进行对比，如表9所示。使用蒸发冷却空调的典型建筑根据GB 50189-2015《公共建筑节能设计标准》对不同热工分区的限值进行设定，进行对比研究，所采用的空调形式分为两种，一种为传统分体机械空调，另一种为蒸发冷却空调。根据ASHRAE手册中标准的舒适区要求，采用等有效温度线围成舒适区面积的方式对地区的室内空气设计条件做评判。.
从表9可以看出在原舒适区比率差距不大的情况下，使用蒸发冷却给建筑室内环境带来的舒适度提升在各个地区展现出了明显的差异，舒适区比率增长值随着蒸发冷却技术适应性程度由高至低依次下降，说明应用蒸发冷却技术可以明显改善室内环境。
表9五个地区使用蒸发冷却前后舒适区比率
本实施例还选用能耗节约百分比来判断蒸发冷却技术的适应性程度。模拟结果如表10所示，可以看出，能耗节约降低的百分比从高适应区到低适应区逐渐降低，说明蒸发冷却技术能够帮助该地区节约的能耗量逐渐减小。而使用机械制冷空调的能耗并不是递减状态，是因为各地的耗冷量和除湿量并不相同。机械制冷空调能耗从高至低排序为吐鲁番、西安、乐山、桐梓、民勤。而根据气象参数显示，平均温度与日最高气温≥30℃这两个指标从高至低的排序为吐鲁番、西安、乐山、桐梓、民勤，这与机械制冷空调能耗排序相一致。民勤与桐梓的气温及高温天数相仿但是能耗却相差近10Kwh/m2，这是因为桐梓的平均相对湿度远高于民勤，相差数值约为30％，额外增多了除湿工作需要的能耗。而蒸发冷却空调(不满足设计温度时将采用机械空调制冷辅助)能耗从高至低排序为：西安、乐山、吐鲁番、桐梓、民勤，可以看出，蒸发冷却空调的使用可以显著降低吐鲁番地区的空调能耗。
表10五个地区使用蒸发冷却前后能耗节约比率
需要说明的是，本发明并不局限于以上具体实施例，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
Claims (2)
1.蒸发冷却空调技术在不同地区适应度计算方法，其特征在于，采用以下模型(1)对待确定地区的适应度进行计算，
y＝-2.179-0.017x1+0.068x2-0.001x3-0.008x4-0.05x5+0.499x6 (1)
式中，y表示该地区使用蒸发冷却空调技术的适应度值；x1表示累年6～8月平均温度，单位为℃；x2表示累年6～8月平均相对湿度；x3表示平均每年中日最高气温≥30℃的日数，单位为天；x4表示累年6～8月平均气温日较差，单位为℃；x5表示累年6～8月每天20时至第二天20时平均降水量，单位为mm；x6表示累年6～8月平均干湿球温度差，单位为℃；
适应度值y越大，蒸发冷却空调技术在该地区的适应性越好。
2.如权利要求1所述的蒸发冷却空调技术在不同地区适应度计算方法，其特征在于，将得到的适应度值y按照以下的适应性等级进行划分：若y<1，待确定地区非常不适合蒸发冷却空调技术；若1≤y<2，待确定地区比较不适合蒸发冷却空调技术；若2≤y<3，待确定地区一般适合蒸发冷却空调技术；若3≤y<4，待确定地区一般适合蒸发冷却空调技术；若y≥4，待确定地区非常适合蒸发冷却空调技术。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110468214.1A CN113283056B8 (zh) | 2021-04-28 | 2021-04-28 | 蒸发冷却空调技术在不同地区适应度计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110468214.1A CN113283056B8 (zh) | 2021-04-28 | 2021-04-28 | 蒸发冷却空调技术在不同地区适应度计算方法 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| CN113283056A CN113283056A (zh) | 2021-08-20 |
| CN113283056B true CN113283056B (zh) | 2023-12-01 |
| CN113283056B8 CN113283056B8 (zh) | 2024-02-23 |
Family
ID=77277595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110468214.1A Active CN113283056B8 (zh) | 2021-04-28 | 2021-04-28 | 蒸发冷却空调技术在不同地区适应度计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113283056B8 (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10205852A (ja) * | 1997-01-22 | 1998-08-04 | Shinryo Corp | 建物熱負荷予測による空調制御方法 |
| CN103617565A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 城市微气象与电力空调负荷关系的建立方法 |
| CN106570729A (zh) * | 2016-11-14 | 2017-04-19 | 南昌航空大学 | 基于空调可靠性影响因素的区域聚类方法 |
| WO2020237468A1 (zh) * | 2019-05-27 | 2020-12-03 | 西门子（中国）有限公司 | 确定温度设置值的方法、装置、系统、存储介质和处理器 |
-
2021
- 2021-04-28 CN CN202110468214.1A patent/CN113283056B8/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10205852A (ja) * | 1997-01-22 | 1998-08-04 | Shinryo Corp | 建物熱負荷予測による空調制御方法 |
| CN103617565A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 城市微气象与电力空调负荷关系的建立方法 |
| CN106570729A (zh) * | 2016-11-14 | 2017-04-19 | 南昌航空大学 | 基于空调可靠性影响因素的区域聚类方法 |
| WO2020237468A1 (zh) * | 2019-05-27 | 2020-12-03 | 西门子（中国）有限公司 | 确定温度设置值的方法、装置、系统、存储介质和处理器 |
Non-Patent Citations (3)
| Title |
|---|
| 交叉式露点间接蒸发冷却空调机组性能测试研究;宋姣姣;黄翔;范坤;黄华铃;;发电与空调(05);全文 * |
| 直接与露点间接蒸发冷却空调技术在我国的地区适用性研究;刘艳峰;李娟;王莹莹;周勇;;暖通空调(第12期);全文 * |
| 直接蒸发冷却空调技术兰州地区适用性的分析;李耀亮;周文和;;建筑热能通风空调(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113283056A (zh) | 2021-08-20 |
| CN113283056B8 (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yalcintas et al. | An energy benchmarking model based on artificial neural network method utilizing US Commercial Buildings Energy Consumption Survey (CBECS) database | |
| Wan et al. | Future trends of building heating and cooling loads and energy consumption in different climates | |
| Ma et al. | Building energy research in Hong Kong: a review | |
| Lam | Climatic and economic influences on residential electricity consumption | |
| Belzer et al. | Climate change impacts on US commercial building energy consumption: an analysis using sample survey data | |
| Roberts et al. | Characterisation of Australian apartment electricity demand and its implications for low-carbon cities | |
| Delmastro et al. | The role of urban form and socio-economic variables for estimating the building energy savings potential at the urban scale | |
| Wu et al. | Residential air-conditioner usage in China and efficiency standardization | |
| Lam et al. | Principal component analysis and long-term building energy simulation correlation | |
| Baranova et al. | Correlation of energy efficiency and thermal comfort depending on the ventilation strategy | |
| Meng et al. | The effects of climate change on heating energy consumption of office buildings in different climate zones in China | |
| Min et al. | Applicability of indirect evaporative cooler for energy recovery in hot and humid areas: Comparison with heat recovery wheel | |
| CN113028596B (zh) | 一种空调系统能耗评估诊断方法及系统 | |
| Qian et al. | Power consumption and energy efficiency of VRF system based on large scale monitoring virtual sensors | |
| Yu et al. | Energy signatures for assessing the energy performance of chillers | |
| Zhong et al. | Assessment of HVAC system operational fault impacts and multiple faults interactions under climate change | |
| CN106570729A (zh) | 基于空调可靠性影响因素的区域聚类方法 | |
| Lu et al. | The performance and analysis of office building energy consumption in the west of Inner Mongolia Autonomous Region, China | |
| Xia et al. | Technological adaptation zone of passive evaporative cooling of China, based on a clustering analysis | |
| Souayfane et al. | A weather-clustering and energy-thermal comfort optimization methodology for indoor cooling in subtropical desert climates | |
| Bao et al. | Developing an integrated part load value for chillers of office buildings in Hong Kong | |
| Bhatnagar et al. | Climate zone classification of India using new base temperature | |
| CN113283056B (zh) | 蒸发冷却空调技术在不同地区适应度计算方法 | |
| Shi et al. | Performance prediction and optimization of cross-flow indirect evaporative cooler by regression model based on response surface methodology | |
| CN116642262B (zh) | 一种工业空调热量回收的智能管理方法及系统 |
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 | ||
| CI03 | Correction of invention patent | ||
| CI03 | Correction of invention patent |
Correction item: Inventor Correct: Xiabo|Han Jing|Liang Kun|Zhao Jingyuan|Wang Jiachuan False: Xiabo|Han Jing|Liang Kun|Zhao Jingyuan|Wang Jiachuan Number: 48-02 Page: The title page Volume: 39 Correction item: Inventor Correct: Xiabo|Han Jing|Liang Kun|Zhao Jingyuan|Wang Jiachuan False: Xiabo|Han Jing|Liang Kun|Zhao Jingyuan|Wang Jiachuan Number: 48-02 Volume: 39 |
|
| OR01 | Other related matters | ||
| OR01 | Other related matters |