CN114355773A - 一种基于基因算法的楼宇能耗控制方法及装置 - Google Patents

一种基于基因算法的楼宇能耗控制方法及装置 Download PDF

Info

Publication number
CN114355773A
CN114355773A CN202111587300.0A CN202111587300A CN114355773A CN 114355773 A CN114355773 A CN 114355773A CN 202111587300 A CN202111587300 A CN 202111587300A CN 114355773 A CN114355773 A CN 114355773A
Authority
CN
China
Prior art keywords
air conditioner
energy consumption
heat
genetic algorithm
pmv
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.)
Pending
Application number
CN202111587300.0A
Other languages
English (en)
Inventor
武锦
李尧
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.)
Suzhou Microelectronics Industry Technology Research Institute Of Zhongke
Original Assignee
Suzhou Microelectronics Industry Technology Research Institute Of Zhongke
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 Suzhou Microelectronics Industry Technology Research Institute Of Zhongke filed Critical Suzhou Microelectronics Industry Technology Research Institute Of Zhongke
Priority to CN202111587300.0A priority Critical patent/CN114355773A/zh
Publication of CN114355773A publication Critical patent/CN114355773A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明公开了一种基于基因算法的楼宇能耗控制方法及装置，方法包括：预计平均热感觉指数PMV的计算，分析空调冷负荷的构成及计算方法，分析空调能耗比，从而构建优化PMV与空调能耗的综合指标的目标函数；并将目标函数带入基因算法分析综合指标的全局最优解。仿真结果表明，基于基因算法的模型能快速找出PMV与空调能耗的综合指标的最优解。

Description

一种基于基因算法的楼宇能耗控制方法及装置
技术领域
本技术涉及楼宇能耗优化技术领域，特别是一种基于基因算法的楼宇能耗控制方法及装置。
背景技术
随着我国对于发展绿色建筑的决心越来越高。在这个经常提到“节能”“绿色”的时代，降低能耗也是智能建筑一个标志。
现代“节能”的定义，简单概括，就是基于技术、经济、环境等情况，采取一些措施来提高能源资源的利用效率。即保证产品数量与质量的同时，尽可能地减少能源消耗量。由前面的定义，可以简单定义建筑物的节能，即在基本不影响建筑物功能和人体舒适度的前提下，尽可能减少建筑物的能源消耗。
舒适度是主要是人的主观感觉，一般指人们对客观环境的评价，影响舒适度的因素与条件十分复杂，所以舒适度调查会因个体差异而呈现不同结果。总体来说，人们会从生理与心理方面对所感受到的事物进行满意程度的评价。
节能的同时也需要考虑人们的舒适度，舒适度一方面的体现就是是人体对热(冷)反应，即热舒适度。热舒适是人体对周围热环境反应的主观满意度评价，影响人体热舒适的因素非常复杂，有空气温度、空气湿度、风速、人体运动状态等各种各样的因素。从很早开始，专家们就经过大量的实验研究，进行调研与数据分析，综合不同因素的相互作用，陆续提出一些评价热舒适的指标。
发明内容
本发明的目的是提供一种基于基因算法的楼宇能耗控制方法，通过构建评估智能楼宇中空调系统能耗与人体热舒适度的综合指标的函数并对其进行优化得到最优解。
为达到上述目的，本发明采用的技术方案是：一种基于基因算法的楼宇能耗控制方法，其包括以下步骤：
a.获取空调冷负荷参数；
b.根据空调冷负荷参数计算空调能耗Q；
c.步骤a和b中的相同条件下，同步采集平均热感指数PMV的相关参数；
d.根据空调能耗Q和平均热感指数PMV得到综合指数函数，构造函数为：
Y1＝10abs(PMV)+log(Q)
Y＝100-Y1
e.空调冷负荷参数、平均热感指数PMV的相关参数作为遗传基因算法的计算参数，将 Y＝100-Y1代入基因算法中，优化目标为Y1越小，则综合指标越优；Y越大，则综合指标越优，当Y或Y1满足算法停止条件时，根据对应参数对空调参数进行调整。
优化的，所述空调冷负荷包括建筑物围护结构传热量，围护结构在稳定温度场中，由于两壁面存在热传导的动力即温差，所以有热量将从围护结构内表面通过围护结构传导至围护结构外表面，计算公式：QR＝α×K×F(tw-tn)
其中：
QR--围护结构传热量(W)；
K--建筑材料传热系数[w/(m2·℃)]；
F--围护结构外表面积(m2)；
α--围护结构温差修正系数；
tw室外计算温度(℃)；
tn--室内设计温度(℃)。
优化的，所述空调冷负荷包括建筑物房间通风换气耗热(冷)量，计算公式：
Qh＝L×V(tw-tn)
其中：
Qh--换气传热量(w)；
L--换气量(m3/h)；
tw--室外计算温度(℃)；
tn--室内设计温度(℃)；
V--空气容积热容，[w·h/(m3·℃)]。
优化的，所述空调冷负荷包括建筑物通过外窗的太阳辐射得热量，太阳辐射热量可以透过玻璃进入空气调节区，计算透过外窗的太阳辐射热时，计算公式：
Qy＝C×&×F
其中：
Qy--通过门窗的太阳辐射热(w/m2)；
&--太阳辐射热(一般来说，太阳辐射热包括直接辐射和散射辐射)；
F--房间门窗的面积(m2)；
C--遮阳系数。
优化的，所述空调冷负荷包括人体散热量。
优化的，预计平均热感指数(PMV)的计算方法如下：
PWV＝(0.303e-0.036M+0.028){(M-W) -3.05×10-3×[5733-6.99(M-W)-Pa] -0.42[(M-W)-58.15]-1.7×10-5M(5867-Pa)-0.0014M(34-ta) -3.96×10-8×fcl[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)}
Figure BDA0003428132710000031
Figure BDA0003428132710000032
tcl＝35.7-0.028(M-W)-Icl{3.96×10-8fcl[(tcl+273)4-(tc+273)4] +fclhc(tcl-ta)}
其中：
PMV--预计平均热感觉指数；
M--人体代谢率，W/m2；
W--外部做功所消耗的热量，人休息时可以忽略不计，W/m2；
I_cl--服装热阻，m2·℃/W；
f_cl--着装时人的体表面积与裸露时人的体表面积之比；
t_a--空气温度，℃；
t_r--平均辐射温度，℃；
V--空气流速，m/s；
P_a--水蒸气分压，Pa；
h_c--对流换热系数，W/(m2·℃)；
t_cl--服装表面温度，℃。
本发明还提供了一种基于基因算法的楼宇能耗控制装置，其包括：
采集模块，其用于获取空调冷负荷参数以及与平均热感指数PMV相关的参数；
第一运算模块，其用于根据空调冷负荷参数，计算空调能耗Q，根据平均热感指数PMV相关的参数，计算平均热感指数PMV；
第二运算模块，利用基因算法，求得当Y或Y1满足算法停止条件时，对应的参数值；
控制模块，根据对应的参数值对空调参数进行调整。
由于上述技术方案运用，本发明与现有技术相比具有下列优点：仿真结果表明，基于基因算法的模型能快速找出PMV与空调能耗的综合指标的最优解。
附图说明
图1为基因算法基本流程图。
具体实施方式
下面结合附图所示的实施例对本发明作进一步描述。
基于基因算法的楼宇能耗控制方法，其包括以下步骤：
a.获取空调冷负荷参数；
b.根据空调冷负荷参数计算空调能耗Q；
c.步骤a和b中的相同条件下，同步采集平均热感指数PMV的相关参数；
d.根据空调能耗Q和平均热感指数PMV得到综合指数函数，构造函数为：
Y1＝10abs(PMV)+log(Q)
Y＝100-Y1
e.空调冷负荷参数、平均热感指数PMV的相关参数作为遗传基因算法的计算参数，将 Y＝100-Y1代入基因算法中，优化目标为Y1越小，则综合指标越优；Y越大，则综合指标越优，当Y或Y1满足算法停止条件时，根据对应参数对空调参数进行调整。
具体而言
第一方面，计算空调冷负荷；
(1)建筑物围护结构传热量，围护结构在稳定温度场中，由于两壁面存在热传导的动力即温差，所以有热量将从围护结构内表面通过围护结构传导至围护结构外表面。计算公式：
QR＝α×K×F(tw-tn)
其中：
QR--围护结构传热量(W)；
K--建筑材料传热系数[w/(m2·℃)]；
F--围护结构外表面积(m2)；
α--围护结构温差修正系数；
tw室外计算温度(℃)；
tn--室内设计温度(℃)。
(2)建筑物房间通风换气耗热(冷)量，计算公式：
Qh×L×V(tw-tn)
其中：
Qh--换气传热量(w)；
L--换气量(m3/h)；
tw--室外计算温度(℃)；
tn--室内设计温度(℃)；
V--空气容积热容(夏季一般取0.46，冬季一般取0.4)，[w·h/(m3·℃)]。
(3)建筑物通过外窗的太阳辐射得热量
一般来说，太阳辐射热量可以透过玻璃进入空气调节区，计算透过外窗的太阳辐射热时，我们要考虑到当地的太阳辐射照度、外窗的材料和构造、遮阳设施的类型以及附近是否有高大建筑或遮挡物的影响等各种因素，计算十分复杂，必要时可以进行简化。计算公式：
Qy＝C×&×F
其中：
Qy--通过门窗的太阳辐射热(w/m2)；
&--太阳辐射热(一般来说，太阳辐射热包括直接辐射和散射辐射)；
F--房间门窗的面积(m2)；
C--遮阳系数。
(4)人体散热量
人体散热的主要方式是通过皮肤实现的，除此之外，还有有少部分热量是通过呼吸道加温空气和蒸发水分而散失的。人体散热Qx和劳动程度的主要关系如表1所示。
(5)其他散热量
除了提到的上述热量，还存在其他室内设备散热的情况，比如照明负荷等，这些都需要根据实际情况来进行计算。
第二方面，构建一种关于预计平均热感指数(PMV)与空调能耗综合指标的函数；
A.PMV的计算，PMV可以根据以下公式计算得出：
PWV＝(0.303e-0.036M+0.028){(M-W) -3.05×10-3×[5733-6.99(M-W)-Pa] -0.42[(M-w)-58.15]-1.7×10-5M(5867-Pa)-0.0014M(34-ta) -3.96×10-8×fcl[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)}
Figure BDA0003428132710000051
Figure BDA0003428132710000052
tcl＝35.7-0.028(M-W)-Icl{3.96×10-8fcl[(tcl+273)4-(tr+273)4] +fclhc(tcl-ta)}
其中：
PMV--预计平均热感觉指数；
M--人体代谢率，W/m2；
W--外部做功所消耗的热量，人休息时可以忽略不计，W/m2；
Icl--服装热阻，m2·℃/W；
fcl--着装时人的体表面积与裸露时人的体表面积之比；
ta--空气温度，℃；
tc--平均辐射温度，℃；
V--空气流速，m/s；
Pa--水蒸气分压，Pa；
hc--对流换热系数，W/(m2·℃)；
tcl--服装表面温度，℃。
描述如下场景
(1)室内湿度恒定为50％，门窗关闭，空调风速调至最低，空气流速近似为0m/s，则
Figure BDA0003428132710000061
可知hc＝2.38(tcl-ta)0.25；
(2)人员在房间内的活动状态为放松休息，通过查阅资料，设定人体新陈代谢率 M＝70W/m2，不计人体做功，即人体做功率W＝0；
(3)人员在室内穿着为短袖衬衫及薄长裤，根据穿着，设定服装热阻Icl为0.078m2·℃/W，则根据计算公式，服装面积系数fcl约为1.1；
(4)水蒸气分压在湿度固定时，水蒸气分压随室内温度变化的公式为
Figure BDA0003428132710000062
(5)平均辐射温度指的是指环境四周表面对于人体辐射作用的平均温度。一般来说， 室内温度ta和平均辐射温度tr的差一般在3℃以内，可简化为tr＝3+ta；
(6)根据提供的公式2-8，以及tr＝3+ta，化简可得服装表面温度与室内温度的近似关系，tcl＝0.2917ta+24.5608。
由此可以计算出
PMV＝0.0524(70-3.05×10-3(5243.7 -0.5exp(166536-4030.183/(tn+235))) -4.977-119×10-5(5867-0.5exp(166536-4030.183/(tn+235))) -0.098(34-t)-4.356×10-8((0.2917th+24.5608+273)4-(tn+3+273)4) -2.618(0.2917tn+24.5608-tn)1.25))
B.空调能耗的计算
描述如下场景
(1)外墙、屋顶、地面及与室外相通的楼板，温差修正系数等于1；与有外门窗的非供暖房间相邻的隔墙，温差修正系数等于0.7；
(2)外窗设置为单层3mm平板玻璃单层铝合金推拉窗，传热系数K＝6.4W/m2·K，窗户面积设置为1.2m*1.5m，房间仅有一扇朝南窗户；
(3)房屋四周墙壁材质为钢筋混凝土，传热系数K＝1.74W/m2·K，房间的户型大小为 4m*6m*3m，计算时仅考虑四面墙，忽略地面与屋顶；
(4)空调能效比η取值为3.2；
(5)假设晚上室内共有两人在进行休息，室外计算温度近似为室外的气温。
由此可以计算出Q＝(QR+QX)/η＝31.33(tw-tn)+67.5
第三方面，综合A，B得到综合指标函数，构造函数为
Y1＝10abs(PMV)+log(Q)
Y＝100-Y1
并将其代入基因算法中，优化目标为Y1越小，则综合指标越优；Y越大，则综合指标越优。
Figure BDA0003428132710000071
表1
Figure BDA0003428132710000072
表2
Figure BDA0003428132710000073
Figure BDA0003428132710000081
表3
上述方法的实现装置-基于基因算法的楼宇能耗控制装置包括：采集模块，其用于获取空调冷负荷参数以及与平均热感指数PMV相关的参数；第一运算模块，其用于根据空调冷负荷参数，计算空调能耗Q，根据平均热感指数PMV相关的参数，计算平均热感指数PMV；第二运算模块，利用基因算法，求得当Y或Y1满足算法停止条件时，对应的参数值；控制模块，根据对应的参数值对空调参数进行调整。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于基因算法的楼宇能耗控制方法，其特征在于，其包括以下步骤：
a.获取空调冷负荷参数；
b.根据空调冷负荷参数计算空调能耗Q；
c.步骤a和b中的相同条件下，同步采集平均热感指数PMV的相关参数；
d.根据空调能耗Q和平均热感指数PMV得到综合指数函数，构造函数为：
Y1＝10abs(PMV)+log(Q)
Y＝100-Y1
e.空调冷负荷参数、平均热感指数PMV的相关参数作为遗传基因算法的计算参数，将Y＝100-Y1代入基因算法中，优化目标为Y1越小，则综合指标越优；Y越大，则综合指标越优，当Y或Y1满足算法停止条件时，根据对应参数对空调参数进行调整。
2.根据权利要求1所述的基于基因算法的楼宇能耗控制方法，其特征在于：所述空调冷负荷包括建筑物围护结构传热量，围护结构在稳定温度场中，由于两壁面存在热传导的动力即温差，所以有热量将从围护结构内表面通过围护结构传导至围护结构外表面，计算公式：QR＝α×K×F(tw-tn)
其中：
QR--围护结构传热量(W)；
K--建筑材料传热系数[w/(m2·℃)]；
F--围护结构外表面积(m2)；
α--围护结构温差修正系数；
tw室外计算温度(℃)；
tn--室内设计温度(℃)。
3.根据权利要求1所述的基于基因算法的楼宇能耗控制方法，其特征在于：所述空调冷负荷包括建筑物房间通风换气耗热(冷)量，计算公式：
Qh＝L×V(tw-tn)
其中：
Qh--换气传热量(w)；
L--换气量(m3/h)；
tw--室外计算温度(℃)；
tn--室内设计温度(℃)；
V--空气容积热容，[w·h/(m3·℃)]。
4.根据权利要求1所述的基于基因算法的楼宇能耗控制方法，其特征在于：所述空调冷负荷包括建筑物通过外窗的太阳辐射得热量，太阳辐射热量可以透过玻璃进入空气调节区，计算透过外窗的太阳辐射热时，计算公式：
Qy＝C×&×F
其中：
Qy--通过门窗的太阳辐射热(w/m2)；
&--太阳辐射热(一般来说，太阳辐射热包括直接辐射和散射辐射)；
F--房间门窗的面积(m2)；
C--遮阳系数。
5.根据权利要求1所述的基于基因算法的楼宇能耗控制方法，其特征在于：所述空调冷负荷包括人体散热量。
6.根据权利要求1所述的基于基因算法的楼宇能耗控制方法，其特征在于：预计平均热感指数(PMV)的计算方法如下：
PWV＝(0.303e-0.036M+0.028){(M-W)-3.05×10-3×[5733-6.99(M-W)-Pa]-0.42[(M-W)-58.15]-1.7×10-5M(5867-Pa)-0.0014M(34-ta)-3.96×10-8×fcl[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)}
Figure FDA0003428132700000021
Figure FDA0003428132700000022
tcl＝35.7-0.028(M-W)-Icl{3.96×10-8fcl[(tcl+273)4-(tr+273)4]+fclhc(tcl-ta)}
其中：
PMV--预计平均热感觉指数；
M--人体代谢率，W/m2；
W--外部做功所消耗的热量，人休息时可以忽略不计，W/m2；
I_cl--服装热阻，m2·℃/W；
f_c1--着装时人的体表面积与裸露时人的体表面积之比；
t_a--空气温度，℃；
t_r--平均辐射温度，℃；
V--空气流速，m/s；
P_a--水蒸气分压，Pa；
h_c--对流换热系数，W/(m2·℃)；
t_cl--服装表面温度，℃。
7.一种基于基因算法的楼宇能耗控制装置，其特征在于，其包括：
采集模块，其用于获取空调冷负荷参数以及与平均热感指数PMV相关的参数；
第一运算模块，其用于根据空调冷负荷参数，计算空调能耗Q，根据平均热感指数PMV相关的参数，计算平均热感指数PMV；
第二运算模块，利用基因算法，求得当Y或Y1满足算法停止条件时，对应的参数值；
控制模块，根据对应的参数值对空调参数进行调整。
CN202111587300.0A 2021-12-23 2021-12-23 一种基于基因算法的楼宇能耗控制方法及装置 Pending CN114355773A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111587300.0A CN114355773A (zh) 2021-12-23 2021-12-23 一种基于基因算法的楼宇能耗控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111587300.0A CN114355773A (zh) 2021-12-23 2021-12-23 一种基于基因算法的楼宇能耗控制方法及装置

Publications (1)

Publication Number Publication Date
CN114355773A true CN114355773A (zh) 2022-04-15

Family

ID=81102262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111587300.0A Pending CN114355773A (zh) 2021-12-23 2021-12-23 一种基于基因算法的楼宇能耗控制方法及装置

Country Status (1)

Country Link
CN (1) CN114355773A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100131819A (ko) * 2009-06-08 2010-12-16 주식회사 에코시안 공기조화기 및 그 ｐｍｖ쾌적 제어를 통한 에너지 최적화 관리방법
CN104572246A (zh) * 2014-12-08 2015-04-29 江苏大学 用于改善建筑物内环境的交互式优化方法
CN104566868A (zh) * 2015-01-27 2015-04-29 徐建成 一种中央空调控制系统及其控制方法
CN104896660A (zh) * 2015-05-20 2015-09-09 中南大学 一种办公建筑室内空调温度优化设定方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN111598478A (zh) * 2020-05-25 2020-08-28 东方电子股份有限公司 一种综合能源需求响应量计算方法
AU2020104000A4 (en) * 2020-12-10 2021-02-18 Guangxi University Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model
CN112577159A (zh) * 2020-12-10 2021-03-30 广东省科学院智能制造研究所 基于人体热舒适度的空调节能智能控制方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100131819A (ko) * 2009-06-08 2010-12-16 주식회사 에코시안 공기조화기 및 그 ｐｍｖ쾌적 제어를 통한 에너지 최적화 관리방법
CN104572246A (zh) * 2014-12-08 2015-04-29 江苏大学 用于改善建筑物内环境的交互式优化方法
CN104566868A (zh) * 2015-01-27 2015-04-29 徐建成 一种中央空调控制系统及其控制方法
CN104896660A (zh) * 2015-05-20 2015-09-09 中南大学 一种办公建筑室内空调温度优化设定方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN111598478A (zh) * 2020-05-25 2020-08-28 东方电子股份有限公司 一种综合能源需求响应量计算方法
AU2020104000A4 (en) * 2020-12-10 2021-02-18 Guangxi University Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model
CN112577159A (zh) * 2020-12-10 2021-03-30 广东省科学院智能制造研究所 基于人体热舒适度的空调节能智能控制方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
司轶芳: "舒适与节能办公建筑环境的智能调控方法研究", 中国博士学位论文全文数据库（工程科技Ⅱ辑）, no. 6, pages 11 - 67 *
朱自伟 等: "智能建筑节能策略与应用研究", 重庆建筑大学学报, no. 03, pages 99 - 101 *
迟长春: "智能建筑设备节能优化运行控制系统分析", 现代建筑电气, no. 09, pages 18 - 21 *
龙恩深: "建筑能耗基因理论研究", 中国博士学位论文全文数据库（工程科技Ⅱ辑）, no. 2, pages 15 - 40 *

Similar Documents

Publication Publication Date Title
Da Graça et al. Simulation of wind-driven ventilative cooling systems for an apartment building in Beijing and Shanghai
CN106524295A (zh) 一种区域建筑能耗预测方法
Hao et al. Influence of vertical greenery systems and green roofs on the indoor operative temperature of air-conditioned rooms
CN106529167B (zh) 一种非供暖季空调系统综合能耗的分析方法
CN112611067B (zh) 一种空调系统的人体热舒适性评价方法、系统、装置及存储介质
He et al. An enthalpy-based energy savings estimation method targeting thermal comfort level in naturally ventilated buildings in hot-humid summer zones
Zhang et al. Adaptation-based indoor environment control in a hot-humid area
CN112628948A (zh) 一种空调负荷估算分析方法、系统、装置及存储介质
CN105546768A (zh) 一种集中空调节能方法及节能系统
Song et al. Radiational panel cooling system with continuous natural cross ventilation for hot and humid regions
Liu et al. Performance of stratum ventilated heating for sleeping environment
Cao et al. Heat and moisture transfer of building envelopes under dynamic and steady-state operation mode of indoor air conditioning
CN106765745B (zh) 确定供水升温时辐射供冷系统辐射板表面温度变化的方法
CN106765744B (zh) 确定供水降温时辐射供冷系统辐射板表面温度变化的方法
CN114355773A (zh) 一种基于基因算法的楼宇能耗控制方法及装置
Watkins et al. Quantifying the effects of climate change and risk level on peak load design in buildings
CN110942262B (zh) 一种面向增量配电园区内空调需求响应的分区域调控方法
Kant et al. Thermal comfort in a room with exposed roof using evaporative cooling in Delhi
Lin et al. Solar energy model and thermal performance of an electrochromic dome-covered house
Pitts et al. Transition spaces and thermal comfort–Opportunities for optimising energy use
Zhang et al. Building Energy Efficiency Simulation of Retractable Roof of Gymnasiums.
Gao et al. Balancing thermal comfort and energy efficiency in high-rise public housing in Hong Kong: Insights and recommendations
Zhang et al. Study on Indoor Thermal Environment of Collection Multi-Layer Settlement Residential Building in Winter—Take the Herdsmen Settlement in Western Mountain Grassland as an Example
Ma et al. Demand shedding with thermal mass in office buildings
Haiying et al. Effects of different zoning thermostat controls on thermal comfort and cooling energy consumption in reading rooms of a library

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