CN113821004A - 建筑能量管理的优化方法、装置及设备 - Google Patents

建筑能量管理的优化方法、装置及设备 Download PDF

Info

Publication number
CN113821004A
CN113821004A CN202110970509.9A CN202110970509A CN113821004A CN 113821004 A CN113821004 A CN 113821004A CN 202110970509 A CN202110970509 A CN 202110970509A CN 113821004 A CN113821004 A CN 113821004A
Authority
CN
China
Prior art keywords
room
building
heat
temperature
equation
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.)
Withdrawn
Application number
CN202110970509.9A
Other languages
English (en)
Inventor
谢平平
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.)
China South Power Grid International Co ltd
China Southern Power Grid Co Ltd
Original Assignee
China South Power Grid International Co ltd
China Southern Power Grid 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 China South Power Grid International Co ltd, China Southern Power Grid Co Ltd filed Critical China South Power Grid International Co ltd
Priority to CN202110970509.9A priority Critical patent/CN113821004A/zh
Publication of CN113821004A publication Critical patent/CN113821004A/zh
Withdrawn legal-status Critical Current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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种建筑能量管理的优化方法，包括根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型；根据环境的物理参数，建立具有热动态
Figure DDA0003225464400000011
损的控制体
Figure DDA0003225464400000012
平衡控制方程式，并根据所述
Figure DDA0003225464400000013
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure DDA0003225464400000014
损模型，最后以
Figure DDA0003225464400000015
损最小为目标，构建建筑的暖通空调系统优化调控模型，其从能量的本质出发提出以
Figure DDA0003225464400000016
损最优的建筑物的暖通空调系统，能在温度舒适度范围内对楼宇室温进行优化调节，实现对暖通空调系统的能耗的优化管理和能量梯级利用，进而达到更好的节能效果。相应地，本发明实施例还提供一种建筑能量管理的优化装置及设备。

Description

建筑能量管理的优化方法、装置及设备
技术领域
本发明涉及能源管理技术领域，尤其涉及一种建筑能量管理的优化方法、装置及设备。
背景技术
随着世界经济的快速增长，社会总能耗也在迅速增加。以建筑物为代表的终端用能单元为例，随着建筑物数量的增加和居民舒适度要求的提高，建筑物的能耗也在不断增加。因此，有必要对智能建筑的能源利用效率进行研究分析，以实现建筑物最大化的节能运行。
本发明人在对智能建筑的能源利用效率进行研究分析的过程中发现，提升智能建筑能源利用效率不仅要关注能量数量的变化，更要关注能量的品质的变化。而现有技术在对智能建筑进行能效分析和经济性分析时，大都局限于能量的角度，未能从能质的角度(即
Figure BDA0003225464380000014
的角度)进行分析和评估，无法正确反映智能建筑系统用能的薄弱环节，进而无法提升智能建筑系统的能源利用。
发明内容
本发明实施例的目的是提供一种建筑能量管理的优化方法、装置及设备，其能解决现有技术不能从能量的本质分析和构建建筑的能量优化模型，进而无法实现能源的优化管理问题。
为实现上述目的，本发明实施例提供了一种建筑能量管理的优化方法，包括：
根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型；
根据环境的物理参数，建立具有热动态
Figure BDA0003225464380000012
损的控制体
Figure BDA0003225464380000013
平衡控制方程式，并根据所述
Figure BDA0003225464380000023
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure BDA0003225464380000024
损模型；
以
Figure BDA0003225464380000025
损最小为目标，构建建筑的暖通空调系统优化调控模型。
作为上述方案的改进，所述根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型，具体包括：
根据能量网络理论，以温度作为强度量和以热流作为广延量进行分析，得到热传导方程；
根据所述热传导方程，结合介质温度升高所吸收的热量等于两个传导截面间热流率的差值的特性，得到热储存方程；
根据所述热传导方程和所述热储存方程，得到热传导的热阻热容网络模型；
基于所述热阻热容网络模型，利用节点建模的方法，将建筑物视为包含墙壁节点和房间节点的网络图形，并考虑建筑物能量变化的动态特性和状态方程，建立建筑物能量传递模型，其中，所述动态特性包括每个墙壁的热传递、每个房间的热传递及模型的扰动方程。
作为上述方案的改进，所述根据能量网络理论，以温度作为强度量和以热流作为广延量进行分析，得到热传导方程，具体为：
所述热传导方程如下：
Figure BDA0003225464380000021
其中，HQ表示广延量热流，XT表示强度量温度，k和A分别表示导热系数和面积，l为热传导方向上的长度。
作为上述方案的改进，所述根据所述热传导方程，结合介质温度升高所吸收的热量等于两个传导截面间热流率的差值的特性，得到热储存方程，具体为：
所述热储存方程具体为：
Figure BDA0003225464380000022
其中，HQ表示广延量热流，XT表示强度量温度，k和A分别表示导热系数和面积，l为热传导方向上的长度，ρ和c是分别为介质的密度和比热容。
作为上述方案的改进，所述考虑建筑物能量变化的动态特性和状态方程，建立建筑物能量传递模型，具体包括：
建立墙壁的热传递方程如下：
Figure BDA0003225464380000031
其中，
Figure BDA0003225464380000032
是房间i和房间j之间的墙的热容，
Figure BDA0003225464380000033
表示房间i和j之间的墙壁的温度，
Figure BDA0003225464380000034
表示房间i和房间j之间的墙的中心线与房间i和j之间的墙的侧面之间的热阻，rij表示壁面标识符，0表示内壁，1表示外围壁；Tj r表示第j个房间的温度，αij和
Figure BDA0003225464380000036
分别为房间i和j之间的辐射热吸收系数和房间i和房间j之间的墙壁的面积.
Figure BDA0003225464380000037
表示房间i和j之间的墙的辐射热通量密度，
Figure BDA0003225464380000038
是节点wij的所有相邻节点的集合；
建立房间的热传递方程如下：
Figure BDA0003225464380000039
其中，Ti r表示第i个房间的温度，Tj r表示第j个房间的温度，
Figure BDA00032254643800000310
表示房间的热容；πij是窗户标识符，如果房间i和j之间没有窗户，则πij等于0，否则等于1；
Figure BDA00032254643800000311
表示房间i和j之间的墙壁的温度，
Figure BDA00032254643800000312
表示房间i和房间j之间的墙的中心线与房间i和j之间的墙的侧面之间的热阻，
Figure BDA00032254643800000313
表示房间i和房间j之间的窗户的热阻，
Figure BDA00032254643800000314
表示空气流入或流出房间i的空气质量流量，cpavg表示恒定压力下的平均比热容，Ti s是送入房间i的空气的温度，
Figure BDA00032254643800000316
是房间i和房间j之间的窗户面积，
Figure BDA00032254643800000317
是房间i和j之间的玻璃窗的透射率；
Figure BDA00032254643800000318
是辐射到房间i的单位面积辐射热通量密度，
Figure BDA00032254643800000319
表示房间i中内部产生的热量；
Figure BDA00032254643800000320
是房间i周围所有节点的集合；
建立模型的扰动方程如下：
Figure BDA0003225464380000041
其中，dt表示房间模型的扰动量，
Figure BDA0003225464380000042
表示所有相邻房间的温度，
Figure BDA0003225464380000043
表
示房间的内部热量，
Figure BDA0003225464380000044
表示墙壁上的辐射热通量密度，g()为函数；建立模型的非线性状态方程：
Figure BDA0003225464380000045
yt＝Cxt
其中，xt∈Rn代表热网络中的节点温度状态变量向量，ut∈Rlm是每个制热区的输入向量，包括空气质量流量和送风温度两个变量；yt∈Rm是系统的输出向量，表示制热区域温度，C是矩阵，t表示时间。
作为上述方案的改进，所述建立模型的非线性状态方程之后，还包括：
考虑空气质量流量在白天是恒定的，而在夜间是另一个恒定值，将所述非线性状态方程分为两个线性子方程，得到状态空间模型如下：
Figure BDA0003225464380000046
其中，dk为干扰矢量，E表示具有预设维数的矩阵，下标“d”和“n”分别表示白天和黑夜，A和B分别为状态空间模型中随着步长更新的第一矩阵和第二矩阵，k为时刻点，xk表示k时刻的节点温度的状态向量。
作为上述方案的改进，所述根据环境的物理参数，建立具有热动态
Figure BDA00032254643800000412
损的控制体
Figure BDA00032254643800000413
平衡控制方程式，并根据所述
Figure BDA00032254643800000414
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure BDA00032254643800000415
损模型，具体包括：
将每个房间视为控制空间，建立以下具有热动态
Figure BDA00032254643800000416
损耗的控制体
Figure BDA00032254643800000417
平衡控制方程式：
Figure BDA0003225464380000047
其中，
Figure BDA0003225464380000048
表示第i个房间的
Figure BDA00032254643800000418
损失率，T0是空气参考温度，Ti r表示第i个房间的温度；
Figure BDA0003225464380000049
是传给房间i的热量，
Figure BDA00032254643800000410
表示房间i做功导致的
Figure BDA00032254643800000419
转移速率，
Figure BDA00032254643800000411
表示空气流入或流出房间i的空气质量流量，ψ表示与质量流相关的
Figure BDA00032254643800000515
量，
Figure BDA0003225464380000051
代表房间i的
Figure BDA00032254643800000516
变化率，
Figure BDA0003225464380000052
是房间i周围所有节点的集合；
对所述
Figure BDA00032254643800000517
平衡控制方程式进行离散变化，得到以下方程：
Figure BDA0003225464380000053
其中，k表示时间步长索引，
Figure BDA0003225464380000054
表示每个时间步长的
Figure BDA00032254643800000518
损失，Tj r表示第j个房间的温度，
Figure BDA0003225464380000055
表示房间i和房间j之间的墙的中心线与房间i和j之间的墙的侧面之间的热阻，cvavg为恒定体积下的平均比热容，cpavg为恒定压力下的平均比热容，
Figure BDA0003225464380000056
为房间i的送风温度，
Figure BDA0003225464380000057
为房间i的温度，
Figure BDA0003225464380000058
是房间i中空气的质量，Tsample为采样时间。
作为上述方案的改进，所述以
Figure BDA00032254643800000519
损最小为目标，构建建筑的暖通空调系统优化调控模型，具体包括：
Figure BDA0003225464380000059
其中，
Figure BDA00032254643800000510
表示第i个房间的
Figure BDA00032254643800000520
损失率，u′t+k表示t+k时刻的制热区的送风温度控制变量向量，E表示具有预设维数的矩阵，A和B分别为状态空间模型中随着步长更新的第一矩阵和第二矩阵，dt+k为t+k时刻的干扰矢量，ε t+k为t+k时刻的输出状态变量的松弛变量向量的下限，
Figure BDA00032254643800000512
为t+k时刻的输出状态变量的松弛变量向量的上限，T t+k表示t+k时刻的热舒适度范围的下限，
Figure BDA00032254643800000514
表示t+k时刻的热舒适度范围的上限，U t+k表示t+k时刻的由热泵提供的送风温度的下限，
Figure BDA0003225464380000062
表示t+k时刻的由热泵提供的送风温度的上限，Δu为t+k时刻的热泵送风温度爬坡的下限，
Figure BDA0003225464380000064
为t+k时刻的热泵送风温度爬坡的上限，ρen为违反舒适度约束的惩罚系数，xt+k为t+k时刻的节点温度状态变量向量，yt+k为t+k时刻的输出向量。
为了实现相同的目的，本发明实施例还提供了一种建筑能量管理的优化装置，包括：
传递模型建立模块，用于根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型；
Figure BDA0003225464380000065
损模型建立模块，用于根据环境的物理参数，建立具有热动态
Figure BDA0003225464380000066
损的控制体
Figure BDA0003225464380000067
平衡控制方程式，并根据所述
Figure BDA0003225464380000068
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure BDA0003225464380000069
损模型；
优化调度模型建立模块，用于以
Figure BDA00032254643800000610
损最小为目标，构建建筑的暖通空调系统优化调控模型。
为了实现相同的目的，本发明实施例还提供了一种建筑能量管理的优化设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述发明实施例所述的建筑能量管理的优化方法。
与现有技术相比，本发明具有如下有益效果：
本发明实施例提供的建筑能量管理的优化方法，包括根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型；根据环境的物理参数，建立具有热动态
Figure BDA00032254643800000611
损的控制体
Figure BDA00032254643800000612
平衡控制方程式，并根据所述
Figure BDA00032254643800000613
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure BDA00032254643800000614
损模型，最后以
Figure BDA00032254643800000615
损最小为目标，构建建筑的暖通空调系统优化调控模型，其能从能量的本质出发，构建建筑的能量传递模型和
Figure BDA00032254643800000616
损模型，进而针对建筑物的暖通空调系统提出一种基于
Figure BDA00032254643800000617
损最优的优化方法，能在温度舒适度范围内对楼宇室温进行优化调节，实现对暖通空调系统的能耗的优化管理和能量梯级利用，进而达到更好的节能效果。相应地，本发明实施例还提供一种建筑能量管理的优化装置及设备。
附图说明
图1是本发明提供的建筑能量管理的优化方法的一个实施例的流程示意图；
图2是本发明提供的热阻热容网络模型；
图3是本发明提供的房间模型；
图4是本发明提供的以
Figure BDA0003225464380000071
损最小为目标的优化结果曲线图；
图5是本发明提供的以能耗最小为目标的优化结果曲线图；
图6是本发明提供的建筑能量管理的优化装置的一个实施例的结构示意图。
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作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。
参见图1，图1是本发明提供的建筑能量管理的优化方法的一个实施例的流程示意图。
本发明实施例提供的建筑能量管理的优化方法，包括步骤S1到步骤S3：
S1，根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型；
S2，根据环境的物理参数，建立具有热动态
Figure BDA0003225464380000072
损的控制体
Figure BDA0003225464380000073
平衡控制方程式，并根据所述
Figure BDA0003225464380000074
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure BDA0003225464380000075
损模型；
S3，以
Figure BDA0003225464380000076
损最小为目标，构建建筑的暖通空调系统优化调控模型。
在一种实施方式中，所述步骤S1“根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型”，具体包括步骤S11到步骤S14：
S11，根据能量网络理论，以温度作为强度量和以热流作为广延量进行分析，得到热传导方程。
具体的，所述热传导方程如下：
Figure BDA0003225464380000081
其中，HQ表示广延量热流，XT表示强度量温度，k和A分别表示导热系数和面积，l为热传导方向上的长度。
S12，根据所述热传导方程，结合介质温度升高所吸收的热量等于两个传导截面间热流率的差值的特性，得到热储存方程。
具体的，所述热储存方程具体为：
Figure BDA0003225464380000082
其中，HQ表示广延量热流，XT表示强度量温度，k和A分别表示导热系数和面积，l为热传导方向上的长度，ρ和c是分别为介质的密度和比热容。
S13，根据所述热传导方程和所述热储存方程，得到热传导的热阻热容网络模型。
可以理解的是，在建筑物当中，通过墙壁和天花板的热传导，空气循环引起的对流传热，通过窗户的辐射传热以及吸收太阳辐射传热是建筑物中的主要传热机制。因此，在本发明实施例中，使用能量网络理论中的热传导的热阻热容网络模型对建筑物进行热传递分析。
具体的，能量网络理论将热传导过程类比为电路中电流经过电阻电容进行传导的过程，则由式(1)和(2)可得出热传导的热阻热容网络模型如图2所示，其中C和R分别为类比电容和电阻概念的热容和热阻。
S14，基于所述热阻热容网络模型，利用节点建模的方法，将建筑物视为包含墙壁节点和房间节点的网络图形，并考虑建筑物能量变化的动态特性和状态方程，建立建筑物能量传递模型，其中，所述动态特性包括每个墙壁的热传递、每个房间的热传递及模型的扰动方程。
在本发明实施例中，利用节点建模方法中，将建筑物视为包含墙壁和房间作为节点的网络图形，其中n为总节点数，n个节点中的m个节点是房间节点，其余n-m个节点是墙壁节点。
具体的，所述建筑物能量传递模型的建立包括：
(1)建立墙壁的热传递方程如下：
Figure BDA0003225464380000091
其中，
Figure BDA0003225464380000092
是房间i和房间j之间的墙的热容，
Figure BDA0003225464380000093
表示房间i和j之间的墙壁的温度，
Figure BDA0003225464380000094
表示房间i和房间j之间的墙的中心线与房间i和j之间的墙的侧面之间的热阻，rij表示壁面标识符，0表示内壁，1表示外围壁；Tj r表示第j个房间的温度，αij和
Figure BDA0003225464380000095
分别为房间i和j之间的辐射热吸收系数和房间i和房间j之间的墙壁的面积，
Figure BDA0003225464380000096
表示房间i和j之间的墙的辐射热通量密度，
Figure BDA0003225464380000097
是节点wij的所有相邻节点的集合；
(2)建立房间的热传递方程如下：
Figure BDA0003225464380000098
其中，Ti r表示第i个房间的温度，Tj r表示第j个房间的温度，
Figure BDA0003225464380000099
表示房间的热容；πij是窗户标识符，如果房间i和j之间没有窗户，则πij等于0，否则等于1；
Figure BDA00032254643800000910
表示房间i和j之间的墙壁的温度，
Figure BDA00032254643800000911
表示房间i和房间j之间的墙的中心线与房间i和j之间的墙的侧面之间的热阻，
Figure BDA00032254643800000912
表示房间i和房间j之间的窗户的热阻，
Figure BDA00032254643800000913
表示空气流入或流出房间i的空气质量流量，cpavg表示恒定压力下的平均比热容，
Figure BDA00032254643800000914
是送入房间i的空气的温度，
Figure BDA00032254643800000915
是房间i和房间j之间的窗户面积，
Figure BDA00032254643800000916
是房间i和j之间的玻璃窗的透射率；
Figure BDA00032254643800000917
是辐射到房间i的单位面积辐射热通量密度，
Figure BDA0003225464380000101
表示房间i中内部产生的热量；
Figure BDA0003225464380000102
是房间i周围所有节点的集合；
(3)建立模型的扰动方程如下：
Figure BDA0003225464380000103
其中，dt表示房间模型的扰动量，
Figure BDA0003225464380000104
表示所有相邻房间的温度，
Figure BDA0003225464380000105
表示房间的内部热量，
Figure BDA0003225464380000106
表示墙壁上的辐射热通量密度，g()为函数；
(4)建立模型的非线性状态方程：
Figure BDA0003225464380000107
yt＝Cxt (6)
其中，xt∈Rn代表热网络中的节点温度状态变量向量，ut∈Rlm是每个制热区的输入向量，包括空气质量流量和送风温度两个变量；yt∈Rm是系统的输出向量，表示制热区域温度，C是矩阵，t表示时间。
进一步的，鉴于空气质量流量在白天是恒定的，而在夜间是另一个恒定值，将系统分为两个线性子系统，每个工作区域的质量流量都恒定。在这种方法中，状态空间模型的矩阵A和B在每个时间步长t进行更新，且系统动力学参数线性变化。使用Euler的离散化方法离散化状态更新式(6)，得到如下的状态空间模型：
Figure BDA0003225464380000108
其中，dk是干扰矢量，E是具有预设维数的矩阵，下标“d”和“n”分别表示白天和黑夜，xk表示k时刻的节点温度的状态向量。
示例性的，利用本发明实施例提供的节点建模方法，建立如图3所示的房间模型，且有：
Figure BDA0003225464380000109
Figure BDA0003225464380000111
则根据如图3所示的房间模型，有
Figure BDA0003225464380000112
并进一步对其离散化更新，得到：
Figure BDA0003225464380000113
在
Figure BDA00032254643800001111
分析中，根据参考温度，压力和化学成分定义参考环境至关重要。周围环境被用作暖通空调运行中建筑物
Figure BDA00032254643800001112
分析的参考条件，因此，建筑物的每个房间被视为控制空间。
进而，在一种实施方式中，所述步骤S12“根据环境的物理参数，建立具有热动态
Figure BDA00032254643800001113
损的控制体
Figure BDA00032254643800001114
平衡控制方程式，并根据所述
Figure BDA00032254643800001115
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure BDA00032254643800001116
损模型”，具体包括：
将每个房间视为控制空间，建立以下具有热动态
Figure BDA00032254643800001117
损耗的控制体
Figure BDA00032254643800001118
平衡控制方程式：
Figure BDA0003225464380000114
其中，
Figure BDA0003225464380000115
表示第i个房间的
Figure BDA00032254643800001119
损失率，具体的，
Figure BDA00032254643800001120
损失率表示由于不可逆性(例如空气混合传热)而导致的做功能力损失，每当温度变化时，不可避免地造成
Figure BDA00032254643800001121
损失，与在过程中永不消失的能量不同，
Figure BDA00032254643800001122
性质不是守恒的。
Figure BDA00032254643800001123
损失率
Figure BDA0003225464380000116
与控制体内不可逆的熵产生成正比；T0是空气参考温度，Ti r表示第i个房间的温度；
Figure BDA0003225464380000117
是传给房间i的热量，
Figure BDA0003225464380000118
表示房间i做功导致的
Figure BDA00032254643800001124
转移速率，对于本发明的建筑物的系统，由于房间i中没有相关的做功，因此等于零；
Figure BDA0003225464380000119
表示空气流入或流出房间i的空气质量流量，ψ表示与质量流相关的
Figure BDA00032254643800001125
量，
Figure BDA00032254643800001110
代表房间i的
Figure BDA0003225464380000128
变化率，
Figure BDA0003225464380000121
是房间i周围所有节点的集合。
具体的，对所述
Figure BDA0003225464380000129
平衡控制方程式(9)进行离散变化，得到式(10)～式(14)：
对于热传递引起的
Figure BDA00032254643800001210
变化用式(10)表示：
Figure BDA0003225464380000122
控制体积中流动流体的总
Figure BDA00032254643800001211
是其动能，势能和焓
Figure BDA00032254643800001212
的总和。式(10)显示了其单位质量形式：
ψ＝(h-h0)-T0(s-s0)+V2/2+gz (11)
其中，h和h0分别表示流体焓和寂态焓，s和s0分别表示流体熵和寂态熵，V2/2和gz分别表示流体的比动能和比重势能。由于数值不显著，忽略送风的动能和重力势能的变化，式(12)表示了基于焓和熵的变化的房间i内部的
Figure BDA00032254643800001213
变化率：
Figure BDA0003225464380000123
其中，
Figure BDA0003225464380000124
是房间i中空气的质量。由于可压缩系数接近于1(空气压力非常低)，因此考虑了理想气体的焓和熵变假设。忽略室内空气质量的变化，假设
Figure BDA0003225464380000125
等于零，则式(12)的唯一余项是第一项，得到式(13)和式(14)分别表示空气的熵变(Δs)和焓变(Δh)：
Figure BDA0003225464380000126
Figure BDA0003225464380000127
其中，h1表示状态1的焓，h2表示状态2的焓；s1表示状态1的熵，s2表示状态2的熵；v1表示状态1的动能，v2表示状态2的动能，cvavg是恒定体积下的平均比热容，cpavg是恒定压力下的平均比热容。且cpavg和cvavg的值是以研究中气温范围的平均值为参考计算的。R和v分别表示气体常数和比体积。。
将式(10)～式(14)整合并用Tsample的采样时间离散化随后可以得出以下方程：
Figure BDA0003225464380000131
其中，k表示时间步长索引，
Figure BDA0003225464380000132
表示每个时间步长的
Figure BDA00032254643800001315
损失，Tj r表示第j个房间的温度，
Figure BDA0003225464380000133
表示房间i和房间j之间的墙的中心线与房间i和j之间的墙的侧面之间的热阻，cvavg为恒定体积下的平均比热容，cpavg为恒定压力下的平均比热容，
Figure BDA0003225464380000134
为房间i的送风温度，Ti r为房间i的温度，
Figure BDA0003225464380000136
是房间i中空气的质量，Tsample为采样时间。
在一种实施方式中，所述步骤S3“以
Figure BDA00032254643800001316
损最小为目标，构建建筑的暖通空调系统优化调控模型”，具体包括：
Figure BDA0003225464380000137
其中，
Figure BDA0003225464380000138
表示第i个房间的
Figure BDA00032254643800001317
损失率，u′t+k表示t+k时刻的制热区的送风温度控制变量向量，E表示具有预设维数的矩阵，A和B分别为状态空间模型中随着步长更新的第一矩阵和第二矩阵，dt+k为t+k时刻的干扰矢量，ε t+k为t+k时刻的输出状态变量的松弛变量向量的下限，
Figure BDA00032254643800001310
为t+k时刻的输出状态变量的松弛变量向量的上限，T t+k表示t+k时刻的热舒适度范围的下限，
Figure BDA00032254643800001312
表示t+k时刻的热舒适度范围的上限，U t+k表示t+k时刻的由热泵提供的送风温度的下限，
Figure BDA00032254643800001314
表示t+k时刻的由热泵提供的送风温度的上限，Δu为t+k时刻的热泵送风温度爬坡的下限，
Figure BDA0003225464380000142
为t+k时刻的热泵送风温度爬坡的上限，ρen为违反舒适度约束的惩罚系数，xx+k为t+k时刻的节点温度状态变量向量，yt+k为t+k时刻的输出向量。
为了说明本发明实施例的效果，以如图3建立的房间模型为例，并采用如下表1所示的房间模型参数。
表1房间模型参数
Figure BDA0003225464380000143
Figure BDA0003225464380000151
通过将本发明实施例提供的以
Figure BDA0003225464380000153
损最小为目标的智能建筑的暖通空调系统优化调控模型和以能耗最小的智能建筑的暖通空调系统优化调控模型，进行对比分析。具体的，建筑物能耗函数的表达式如下：
Figure BDA0003225464380000152
其中，Ie为总功率，Pc为制冷功率，Ph为制热功率，Pf为风机功率。
并得到以能耗最小的暖通空调系统优化调控模型：
Figure BDA0003225464380000161
Figure BDA0003225464380000162
其中，Pc为制冷功率，Ph为制热功率和Pf为风机功率。
进一步通过MATLAB分别求解两者的目标函数，得到如图4所示的以
Figure BDA0003225464380000163
损最小为目标的优化结果曲线图，和如图5所示的以能耗最小为目标的优化结果曲线图，同时得到下表2所示的以
Figure BDA0003225464380000164
损最小为目标的优化结果数据表，和下表3所示的以能耗最小为目标的优化结果数据表。
表2以
Figure BDA0003225464380000165
损最小为目标的优化结果数据
Figure BDA0003225464380000166
表3以能耗最小为目标的优化结果数据
Figure BDA0003225464380000167
从图4和图5的优化曲线、表2和表3的优化结果数据表格可以看出，与以能耗最小为目标的建筑能量管理的优化方法相比，本发明实施例提供的建筑能量管理的优化方法(以
Figure BDA0003225464380000168
损最优)增加了2％的能耗，但减少了16％的
Figure BDA0003225464380000169
损。这说明，与传统的能耗最优优化方法相比，
Figure BDA00032254643800001610
损最优通过增加暖通空调系统对低质量能源的使用，从而减少不可逆的熵产生，达到了更好的节能效果。
参见图6，图6是本发明提供的建筑能量管理的优化装置的一个实施例的结构示意图。本发明实施例提供的建筑能量管理的优化装置1，其用于执行上述实施例提供的全部流程和步骤，包括：
传递模型建立模块10，用于根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型；
Figure BDA0003225464380000171
损模型建立模块20，用于根据环境的物理参数，建立具有热动态
Figure BDA0003225464380000172
损的控制体
Figure BDA0003225464380000173
平衡控制方程式，并根据所述
Figure BDA0003225464380000174
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure BDA0003225464380000175
损模型；
优化调度模型建立模块30，用于以
Figure BDA0003225464380000176
损最小为目标，构建建筑的暖通空调系统优化调控模型。
需要说明的是，本发明实施例提供的建筑能量管理的优化装置1，其用于执行上述实施例提供的建筑能量管理的优化方法的全部流程和步骤，两者的工作原理和作用效果一一对应，这里不再做过多的赘述。示例性的，所述传递模型建立模块用于执行上述实施例提供的步骤S11到步骤S13。
相应地，本发明实施例还提供了一种建筑能量管理的优化设备。该设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述各个建筑能量管理的优化方法实施例中的步骤，例如图1所示的步骤S1至S3。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述建筑能量管理的优化设备的控制中心，利用各种接口和线路连接整个建筑能量管理的优化设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述建筑能量管理的优化设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述建筑能量管理的优化设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，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，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种建筑能量管理的优化方法，其特征在于，包括：
根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型；
根据环境的物理参数，建立具有热动态
Figure FDA0003225464370000011
损的控制体
Figure FDA0003225464370000012
平衡控制方程式，并根据所述
Figure FDA0003225464370000013
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure FDA0003225464370000015
损模型；
以
Figure FDA0003225464370000014
损最小为目标，构建建筑的暖通空调系统优化调控模型。
2.如权利要求1所述的建筑能量管理的优化方法，其特征在于，所述根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型，具体包括：
根据能量网络理论，以温度作为强度量和以热流作为广延量进行分析，得到热传导方程；
根据所述热传导方程，结合介质温度升高所吸收的热量等于两个传导截面间热流率的差值的特性，得到热储存方程；
根据所述热传导方程和所述热储存方程，得到热传导的热阻热容网络模型；
基于所述热阻热容网络模型，利用节点建模的方法，将建筑物视为包含墙壁节点和房间节点的网络图形，并考虑建筑物能量变化的动态特性和状态方程，建立建筑物能量传递模型，其中，所述动态特性包括每个墙壁的热传递、每个房间的热传递及模型的扰动方程。
3.如权利要求2所述的建筑能量管理的优化方法，其特征在于，所述根据能量网络理论，以温度作为强度量和以热流作为广延量进行分析，得到热传导方程，具体为：
所述热传导方程如下：
Figure FDA0003225464370000021
其中，HQ表示广延量热流，XT表示强度量温度，k和A分别表示导热系数和面积，l为热传导方向上的长度。
4.如权利要求2所述的建筑能量管理的优化方法，其特征在于，所述根据所述热传导方程，结合介质温度升高所吸收的热量等于两个传导截面间热流率的差值的特性，得到热储存方程，具体为：
所述热储存方程具体为：
Figure FDA0003225464370000022
其中，HQ表示广延量热流，XT表示强度量温度，k和A分别表示导热系数和面积，l为热传导方向上的长度，ρ和c是分别为介质的密度和比热容。
5.如权利要求2所述的建筑能量管理的优化方法，其特征在于，所述考虑建筑物能量变化的动态特性和状态方程，建立建筑物能量传递模型，具体包括：
建立墙壁的热传递方程如下：
Figure FDA0003225464370000023
其中，
Figure FDA0003225464370000024
是房间i和房间j之间的墙的热容，
Figure FDA0003225464370000025
表示房间i和j之间的墙壁的温度，
Figure FDA0003225464370000026
表示房间i和房间j之间的墙的中心线与房间i和j之间的墙的侧面之间的热阻，rij表示壁面标识符，0表示内壁，1表示外围壁；
Figure FDA0003225464370000027
表示第j个房间的温度，αij和
Figure FDA0003225464370000028
分别为房间i和j之间的辐射热吸收系数和房间i和房间j之间的墙壁的面积，
Figure FDA0003225464370000029
表示房间i和j之间的墙的辐射热通量密度，
Figure FDA00032254643700000210
是节点wij的所有相邻节点的集合；
建立房间的热传递方程如下：
Figure FDA0003225464370000031
其中，
Figure FDA0003225464370000032
表示第i个房间的温度，
Figure FDA0003225464370000033
表示第j个房间的温度，
Figure FDA0003225464370000034
表示房间的热容；πij是窗户标识符，如果房间i和j之间没有窗户，则πij等于0，否则等于1；
Figure FDA0003225464370000035
表示房间i和j之间的墙壁的温度，
Figure FDA0003225464370000036
表示房间i和房间j之间的墙的中心线与房间i和j之间的墙的侧面之间的热阻，
Figure FDA00032254643700000319
表示房间i和房间j之间的窗户的热阻，
Figure FDA0003225464370000037
表示空气流入或流出房间i的空气质量流量，cpavg表示恒定压力下的平均比热容，
Figure FDA0003225464370000038
是送入房间i的空气的温度，
Figure FDA0003225464370000039
是房间i和房间j之间的窗户面积，
Figure FDA00032254643700000310
是房间i和j之间的玻璃窗的透射率；
Figure FDA00032254643700000311
是辐射到房间i的单位面积辐射热通量密度，
Figure FDA00032254643700000312
表示房间i中内部产生的热量；
Figure FDA00032254643700000313
是房间i周围所有节点的集合；
建立模型的扰动方程如下：
Figure FDA00032254643700000314
其中，dt表示房间模型的扰动量，
Figure FDA00032254643700000315
表示所有相邻房间的温度，
Figure FDA00032254643700000316
表示房间的内部热量，
Figure FDA00032254643700000317
表示墙壁上的辐射热通量密度，g()为函数；
建立模型的非线性状态方程：
Figure FDA00032254643700000318
yt＝Cxt
其中，xt∈Rn代表热网络中的节点温度状态变量向量，ut∈Rlm是每个制热区的输入向量，包括空气质量流量和送风温度两个变量；yt∈Rm是系统的输出向量，表示制热区域温度，C是矩阵，t表示时间，且R表示实数集，n表示x的维数，m表示y的维数，l是每个制热区域的输入变量个数。
6.如权利要求5所述的建筑能量管理的优化方法，其特征在于，所述建立模型的非线性状态方程之后，还包括：
考虑空气质量流量在白天是恒定的，而在夜间是另一个恒定值，将所述非线性状态方程分为两个线性子方程，得到状态空间模型如下：
Figure FDA0003225464370000041
其中，dk为干扰矢量，E表示具有预设维数的矩阵，下标“d”和“n”分别表示白天和黑夜，A和B分别为状态空间模型中随着步长更新的第一矩阵和第二矩阵，k为时刻点，xk表示k时刻的节点温度的状态向量。
7.如权利要求1所述的建筑能量管理的优化方法，其特征在于，所述根据环境的物理参数，建立具有热动态
Figure FDA00032254643700000413
损的控制体
Figure FDA00032254643700000414
平衡控制方程式，并根据所述
Figure FDA00032254643700000423
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure FDA00032254643700000415
损模型，具体包括：
将每个房间视为控制空间，建立以下具有热动态
Figure FDA00032254643700000416
损耗的控制体
Figure FDA00032254643700000417
平衡控制方程式：
Figure FDA0003225464370000042
其中，
Figure FDA0003225464370000043
表示第i个房间的
Figure FDA00032254643700000418
损失率，T0是空气参考温度，
Figure FDA0003225464370000044
表示第i个房间的温度；
Figure FDA0003225464370000045
是传给房间i的热量，
Figure FDA0003225464370000046
表示房间i做功导致的
Figure FDA00032254643700000421
转移速率，
Figure FDA0003225464370000047
表示空气流入或流出房间i的空气质量流量，ψ表示与质量流相关的
Figure FDA00032254643700000420
量，
Figure FDA0003225464370000048
代表房间i的
Figure FDA00032254643700000419
变化率，
Figure FDA0003225464370000049
是房间i周围所有节点的集合；
对所述
Figure FDA00032254643700000424
平衡控制方程式进行离散变化，得到以下方程：
Figure FDA00032254643700000410
其中，k表示时间步长索引，
Figure FDA00032254643700000411
表示每个时间步长的
Figure FDA00032254643700000425
损失，
Figure FDA00032254643700000412
表示第j个房间的温度，
Figure FDA0003225464370000051
表示房间i和房间j之间的墙的中心线与房间i和j之间的墙的侧面之间的热阻，cvavg为恒定体积下的平均比热容，cpavg为恒定压力下的平均比热容，
Figure FDA0003225464370000052
为房间i的送风温度，
Figure FDA0003225464370000053
为房间i的温度，
Figure FDA0003225464370000054
是房间i中空气的质量，Tsample为采样时间。
8.如权利要求1所述建筑能量管理的优化方法，其特征在于，所述以
Figure FDA00032254643700000518
损最小为目标，构建建筑的暖通空调系统优化调控模型，具体包括：
Figure FDA0003225464370000055
Figure FDA0003225464370000056
Figure FDA0003225464370000057
Figure FDA0003225464370000058
Figure FDA0003225464370000059
Figure FDA00032254643700000510
其中，
Figure FDA00032254643700000511
表示第i个房间的
Figure FDA00032254643700000519
损失率，u't+k表示t+k时刻的制热区的送风温度控制变量向量，E表示具有预设维数的矩阵，A和B分别为状态空间模型中随着步长更新的第一矩阵和第二矩阵，dt+k为t+k时刻的干扰矢量，εt+k为t+k时刻的输出状态变量的松弛变量向量的下限，
Figure FDA00032254643700000512
为t+k时刻的输出状态变量的松弛变量向量的上限，
Figure 2
表示t+k时刻的热舒适度范围的下限，
Figure FDA00032254643700000514
表示t+k时刻的热舒适度范围的上限，
Figure 1
表示t+k时刻的由热泵提供的送风温度的下限，
Figure FDA00032254643700000516
表示t+k时刻的由热泵提供的送风温度的上限，Δu为t+k时刻的热泵送风温度爬坡的下限，
Figure FDA00032254643700000517
为t+k时刻的热泵送风温度爬坡的上限，ρen为违反舒适度约束的惩罚系数，xt+k为t+k时刻的节点温度状态变量向量，yt+k为t+k时刻的输出向量。
9.一种建筑能量管理的优化装置，其特征在于，包括：
传递模型建立模块，用于根据能量网络理论和建筑物蓄热特性，建立基于热阻热容网络的建筑物能量传递模型；
Figure FDA0003225464370000061
损模型建立模块，用于根据环境的物理参数，建立具有热动态
Figure FDA0003225464370000062
损的控制体
Figure FDA0003225464370000063
平衡控制方程式，并根据所述
Figure FDA0003225464370000064
平衡控制方程式，构建考虑建筑物内部不同温度区域的智能建筑
Figure FDA0003225464370000065
损模型；
优化调度模型建立模块，用于以
Figure FDA0003225464370000066
损最小为目标，构建建筑的暖通空调系统优化调控模型。
10.一种建筑能量管理的优化设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的建筑能量管理的优化方法。
CN202110970509.9A 2021-08-23 2021-08-23 建筑能量管理的优化方法、装置及设备 Withdrawn CN113821004A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110970509.9A CN113821004A (zh) 2021-08-23 2021-08-23 建筑能量管理的优化方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110970509.9A CN113821004A (zh) 2021-08-23 2021-08-23 建筑能量管理的优化方法、装置及设备

Publications (1)

Publication Number Publication Date
CN113821004A true CN113821004A (zh) 2021-12-21

Family

ID=78913439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110970509.9A Withdrawn CN113821004A (zh) 2021-08-23 2021-08-23 建筑能量管理的优化方法、装置及设备

Country Status (1)

Country Link
CN (1) CN113821004A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114580122A (zh) * 2022-01-17 2022-06-03 华南理工大学 一种基于㶲经济的建筑暖通空调系统能质匹配优化方法
CN115183418A (zh) * 2022-05-31 2022-10-14 国网浙江省电力有限公司嘉兴供电公司 一种智能楼宇室内温度调控方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3004062A1 (de) * 1980-02-05 1981-08-13 Franz Karl 8500 Nürnberg Krieb Ganzjaehrige heizung
JP2010078447A (ja) * 2008-09-25 2010-04-08 Tokyo Electric Power Co Inc:The Ｑ値解析システム、ｑ値解析方法及びｑ値解析プログラム
CN102155860A (zh) * 2010-12-28 2011-08-17 浙江工业大学 基于火用消耗费用的换热网络构建方法
JP2012037143A (ja) * 2010-08-06 2012-02-23 Osaka Gas Co Ltd エネルギー変換機器性能評価システム
WO2013185783A1 (de) * 2012-06-11 2013-12-19 Arano-Trade Ltd. Energietransformations-system
CN110888403A (zh) * 2019-10-14 2020-03-17 中国大唐集团科学技术研究院有限公司火力发电技术研究院 基于*损失最小的锅炉对流受热面智能吹灰闭环控制系统
CN111475886A (zh) * 2020-04-30 2020-07-31 北京石油化工学院 一种基于火用经济和火用环境的建筑物墙体保温厚度的优化方法
CN111788438A (zh) * 2018-02-26 2020-10-16 林德有限责任公司 工艺介质的低温制冷
CN113065729A (zh) * 2020-01-02 2021-07-02 中国电力科学研究院有限公司 一种计及㶲损的综合能源系统优化调度方法和系统
CN114970964A (zh) * 2022-04-24 2022-08-30 国网福建省电力有限公司 基于普适性㶲损模型的电热气综合能源系统优化调度方法
US20230289906A1 (en) * 2020-06-30 2023-09-14 University Of Florida Research Foundation, Inc. Exergy-based life cycle assessment of buildings

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3004062A1 (de) * 1980-02-05 1981-08-13 Franz Karl 8500 Nürnberg Krieb Ganzjaehrige heizung
JP2010078447A (ja) * 2008-09-25 2010-04-08 Tokyo Electric Power Co Inc:The Ｑ値解析システム、ｑ値解析方法及びｑ値解析プログラム
JP2012037143A (ja) * 2010-08-06 2012-02-23 Osaka Gas Co Ltd エネルギー変換機器性能評価システム
CN102155860A (zh) * 2010-12-28 2011-08-17 浙江工业大学 基于火用消耗费用的换热网络构建方法
WO2013185783A1 (de) * 2012-06-11 2013-12-19 Arano-Trade Ltd. Energietransformations-system
CN111788438A (zh) * 2018-02-26 2020-10-16 林德有限责任公司 工艺介质的低温制冷
CN110888403A (zh) * 2019-10-14 2020-03-17 中国大唐集团科学技术研究院有限公司火力发电技术研究院 基于*损失最小的锅炉对流受热面智能吹灰闭环控制系统
CN113065729A (zh) * 2020-01-02 2021-07-02 中国电力科学研究院有限公司 一种计及㶲损的综合能源系统优化调度方法和系统
CN111475886A (zh) * 2020-04-30 2020-07-31 北京石油化工学院 一种基于火用经济和火用环境的建筑物墙体保温厚度的优化方法
US20230289906A1 (en) * 2020-06-30 2023-09-14 University Of Florida Research Foundation, Inc. Exergy-based life cycle assessment of buildings
CN114970964A (zh) * 2022-04-24 2022-08-30 国网福建省电力有限公司 基于普适性㶲损模型的电热气综合能源系统优化调度方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HAI LU: "Energy quality management for building clusters and districts(BCDs) through multi-objective optimization", ENERGY CONVERSION AND MANAGEMENT *
JASON NG CHENG HIN: "Optimization of a residential solar combisystem for minimum life cycle cost, energy use and exergy destroyed", SOLAR ENERGY *
JUNBO WANG: "The applicaiton of exergy destruction minization in convective heat transfer optimization", APPLIED THERMAL ENGINEERING *
周燕: "建筑供暖与制冷能量系统㶲分析及应用研究", 中国博士学位论文全文数据库 工程科技II辑, pages 1 - 91 *
李明: "综合能源系统建模分析与运行优化研究", 中国优秀硕士学位论文全文数据库 工程科技II辑, pages 1 - 51 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114580122A (zh) * 2022-01-17 2022-06-03 华南理工大学 一种基于㶲经济的建筑暖通空调系统能质匹配优化方法
CN115183418A (zh) * 2022-05-31 2022-10-14 国网浙江省电力有限公司嘉兴供电公司 一种智能楼宇室内温度调控方法及系统

Similar Documents

Publication Publication Date Title
Magnier et al. Multiobjective optimization of building design using TRNSYS simulations, genetic algorithm, and Artificial Neural Network
Gan A parametric study of Trombe walls for passive cooling of buildings
Li et al. Fast bidirectional building performance optimization at the early design stage
Moon Performance of ANN-based predictive and adaptive thermal-control methods for disturbances in and around residential buildings
CN113821004A (zh) 建筑能量管理的优化方法、装置及设备
CN103049612B (zh) 一种基于模型降阶技术的建筑室内环境优化方法
CN111442478A (zh) 空调系统优化控制方法、智能终端、存储装置
Zhao EnergyPlus model-based predictive control (EPMPC) by using MATLAB/SIMULINK and MLE+
Aldawoud Windows design for maximum cross-ventilation in buildings
KR101301123B1 (ko) 냉난방부하 예측방법
Rinaldi et al. Natural ventilation for passive cooling by means of optimized control logics
Antretter et al. Assessing the potential of active insulation systems to reduce energy consumption and enhance electrical grid services
CN112558485A (zh) 一种适用于多区暖通空调的分布式自适应温度预测控制方法
De Rosa et al. Impact of wall discretization on the modeling of heating/cooling energy consumption of residential buildings
CN117313396A (zh) 一种计及多主体需求响应的环境温度节能优化方法及系统
Zhang et al. A hybrid dynamical modelling and control approach for energy saving of central air conditioning
Yang et al. Modelling and simulation on temperature and humidity decoupling of indoor environment
Fanti et al. A natural ventilation control in buildings based on co-simulation architecture and Particle Swarm Optimization
Zhang et al. Annual coupled EnergyPlus and computational fluid dynamics simulation of natural ventilation
CN114925929A (zh) 一种基于度日数的建筑负荷预测方法及装置
Mottillo Sensitivity analysis of energy simulation by building type/Discussion
Ascione et al. Thermal dynamic insulation: numerical modeling in a transient regime and application to alternative aviary houses
CN112944599A (zh) 空调系统的多参数耦合控制方法及装置
Kim et al. Model-based predictive control for buildings with decoupling and reduced-order modeling
Berisha et al. The influence of the outside temperature during the design of a heating system

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20211221

WW01 Invention patent application withdrawn after publication