一种考虑多源不确定性的建筑冷热负荷预测方法技术

本发明专利技术提供一种考虑多源不确定性的建筑冷热负荷预测方法，包括：(1)收集建筑冷热负荷预测基础数据资料；(2)分析影响冷热负荷预测的参数，并从中筛选具有不确定性的参数，根据参数性质确定其概率密度函数；(3)利用拉丁超立方抽样，对影响冷热负荷预测的不确定性参数生成多组样本；(4)建立建筑数学模型；(5)利用MonteCarlo方法，将参数样本集导入建筑数学模型；(6)预测建筑冷热负荷，获取建筑全年逐时冷热负荷及其分布。本发明专利技术全面考虑建筑冷热负荷预测过程中的不确定性参数，提出考虑多源不确定性的建筑冷热负荷预测方法，提高冷热负荷预测的可靠性，为建筑冷热负荷预测、空调系统设计与控制优化提供支持。计与控制优化提供支持。计与控制优化提供支持。

【技术实现步骤摘要】
一种考虑多源不确定性的建筑冷热负荷预测方法


[0001]本专利技术涉及建筑环境与暖通空调
，具体是一种考虑多源不确定性的建筑冷热负荷预测方法。

技术介绍

[0002]准确的建筑冷热负荷预测有助于合理地进行建筑空调系统设计与选型，使得空调系统能经济、高效地运行，并提供舒适的室内环境。然而在冷热负荷预测过程中，各输入参数存在不确定性，如果在计算过程中忽略该不确定性会导致计算得到的建筑冷热负荷偏高或偏低，进而导致系统设计不合理、运行费用偏离预期或室内热舒适性较差。
[0003]传统的建筑冷热负荷计算主要基于确定性方法，如以度日法为代表的简化算法及基于模拟软件的全年冷热负荷模拟。在计算逐时冷热负荷的模拟过程中选用的各输入参数主要基于已有工程信息和相关规范推荐值，但是在实际工程实践中相关参数的取值并不确定，且在项目实际建成后的各物理参数与设计参数往往存在差异。除此之外，冷热负荷模拟往往基于典型气象年数据，典型气象年为历史数据，而建筑冷热负荷实际与未来天气参数相关，因此依托典型气象年计算得到的冷热负荷与实际情况往往存在差异。
[0004]为此，有学者提出采用概率密度分布函数描述室内得热量的随机分布特性(张崎,燕达,朱丹丹,等.办公建筑室内发热量的空间不均匀特性对空调设计选型的影响分析[J].暖通空调.2014,44(10):26
‑
32.)来探讨得热量不确定性对建筑冷负荷的影响。有学者基于建筑冷热峰值负荷计算过程中的不确定性，在设计阶段使用多目标决策评估空调系统性能(Huang P,Huang G,Wang Y.HVAC system design under peak load prediction uncertainty using multiple
‑
criterion decision making technique[J].Energy and Buildings.2015,91:26
‑
36.)。有学者考虑到传统冷热负荷计算方法使用设计日和安全系数的不足，提出一种基于不确定性分析和灵敏性分析的替代框架对各不确定性参数影响下的建筑全年逐时冷负荷分布进行分析，并用于指导空调系统容量设计(Sun Y,Gu L,Wu CFJ,et al.Exploring HVAC system sizing under uncertainty[J].Energy and Buildings.2014,81:243
‑
252.)。
[0005]以上针对建筑冷热负荷的不确定性研究日渐增多，但是仍存在一定问题：
[0006](1)现有针对建筑空调冷热负荷预测的研究，多基于确定性计算，忽略不确定性的影响；
[0007](2)在有限的考虑不确定性对建筑冷热负荷预测影响的研究中，仅关注个别不确定性参数，考虑范围不够全面；
[0008](3)现有关于建筑冷热负荷预测不确定性研究中，气象参数不确定性多基于典型气象年或历史数据，未考虑未来气候变化的影响，而新建建筑的使用均在未来，因此应考虑未来气象参数的变化；
[0009](3)现有研究多预测考虑不确定性的峰值冷热负荷，而建筑全年逐时冷热负荷对空调系统的性能评估和方案设计具有较大影响，应考虑不确定性的影响对全年逐时冷热负
荷进行预测。

技术实现思路

[0010]为了解决以上技术问题，本专利技术提供了一种考虑多源不确定性的建筑冷热负荷预测方法，可提高冷热负荷预测的可靠性，为建筑冷热负荷预测、空调系统设计与控制优化提供支持。
[0011]一种考虑多源不确定性的建筑冷热负荷预测方法，包括以下步骤：
[0012](1)根据设计阶段建筑土建图纸，收集建筑冷热负荷预测基础数据资料，所述建筑冷热负荷预测基础数据资料包括室外干球温度、湿球温度、太阳辐射、人员密度、灯光密度、设备密度、通风量、渗透风量、夏季室内温度设计值、夏季室内湿度设计值、冬季室内温度设计值、冬季室内湿度设计值、屋面U值、外墙U值、窗户U值、窗户太阳得热系数、建筑朝向以及建筑几何参数；
[0013](2)分析步骤(1)中所提及的影响冷热负荷预测的参数，并选出具有不确定性的参数，根据参数性质确定概率密度函数；
[0014](3)基于步骤(2)中确定的概率密度函数，利用拉丁超立方抽样，产生多参数不确定性样本集；
[0015](4)根据步骤(1)中的收集的数据资料建立建筑数学模型；
[0016](5)利用Monte Carlo方法，根据步骤(1)收集的数据资料，设置步骤(4)建立的建筑数学模型的模型参数，其中确定性参数设置为固定值，将步骤(2)中选出的具有不确定性的参数以及步骤(3)生成的不确定性样本集，共同导入建筑数学模型；
[0017](6)根据步骤(5)所得建筑数学模型预测建筑冷热负荷，获取在不同概率密度下建筑全年逐时冷热负荷，作为该建筑空调系统设计、性能评估依据。
[0018]进一步的，步骤(2)中，将正态分布作为室外干球温度、湿球温度、太阳辐射、夏季室内温度设计值、夏季室内湿度设计值、冬季室内温度设计值、冬季室内湿度设计值与建筑朝向的概率密度函数，将三角分布作为人员密度、灯光密度、设备密度与通风量的概率密度函数，将均匀分布作为渗透风量、屋面U值、外墙U值、窗户U值与窗户太阳得热系数的概率密度函数。
[0019]进一步的，步骤(4)中采用TRNSYS软件、EnergyPlus软件、Openstudio软件、DOE
‑
2软件或DesT软件建立建筑数学模型。
[0020]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
[0021](1)与常规的基于确定性或仅考虑部分不确定性参数的研究相比，本专利技术全面考虑影响建筑冷热负荷的不确定性参数；
[0022](2)与现有基于典型气象年或历史气象数据的不确定性研究相比，本专利技术考虑未来气候变化情况，在确定气象参数概率密度函数时引入未来气象参数的影响；
[0023](3)现有不确定性研究多数仅考虑建筑峰值冷热负荷，本专利技术充分考虑全年逐时冷热负荷对空调系统性能评估和方案设计的影响，基于多源不确定性对建筑全年逐时冷热负荷进行预测；
[0024](4)本专利技术预测不同概率分布下的建筑冷热负荷，解决了传统唯一预测值不准确
不可靠的问题，为空调系统选型提供更丰富的数据支持，实现模拟与设计的有机结合。
附图说明
[0025]图1是本专利技术一种考虑多源不确定性的建筑冷热负荷预测方法的流程示意图；
[0026]图2是考虑不确定性的建筑冷热峰值负荷频谱图；
[0027]图3是考虑不确定性的建筑单位面积累计冷热负荷频谱图。
具体实施方式
[0028]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑多源不确定性的建筑冷热负荷预测方法，其特征在于，包括以下步骤：(1)根据设计阶段建筑土建图纸，收集建筑冷热负荷预测基础数据资料，所述建筑冷热负荷预测基础数据资料包括室外干球温度、湿球温度、太阳辐射、人员密度、灯光密度、设备密度、通风量、渗透风量、夏季室内温度设计值、夏季室内湿度设计值、冬季室内温度设计值、冬季室内湿度设计值、屋面U值、外墙U值、窗户U值、窗户太阳得热系数、建筑朝向以及建筑几何参数；(2)分析步骤(1)中所提及的影响冷热负荷预测的参数，并选出具有不确定性的参数，根据参数性质确定概率密度函数；(3)基于步骤(2)中确定的概率密度函数，利用拉丁超立方抽样，产生多参数不确定性样本集；(4)根据步骤(1)中的收集的数据资料建立建筑数学模型；(5)利用Monte Carlo方法，根据步骤(1)收集的数据资料，设置步骤(4)建立的建筑数学模型的模型参数，其中确定性参数设置为固定值，将步骤(2)中选出的具有不确定性的参...

【专利技术属性】
技术研发人员：崔一铂，凌在汛，郑景文，陶骞，熊平，刘曼佳，向慕超，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：