• 欢迎访问本网站。如果您忘记登录密码,请点击找回密码本网站不收费,没有VIP,非赢利,资源分享仅供学习。
建筑物动态能耗分析用气象仿真模型研究

建筑物动态能耗分析用气象仿真模型研究 2022-10-14

没有下载权限
建筑物动态能耗分析用气象仿真模型研究.JPG



摘要
可持续发展给暖通工程师提出的要求是, 设计合理、高效、优化的HVAC 系统。
HVAC 系统的优化设计, 以全年能耗分析为基础, 而能耗分析必须输入可靠的气象
数据。我国能耗分析用的气象数据非常欠缺, 为推广先进的全年能耗分析方法, 构
成能耗分析用的气象数据是我国暖通界迫切的任务。
全年能耗分析用的全年气象数据, 可以根据若干年的观测, 按一定方法统计构
成典型年, 也可用数学模型模拟产生。论文选择数学模拟方法, 因为该方法具有较
少主观性、比较简洁, 并且更适合我国现有气象观测客观条件的优点。论文主要以
北京、西安、重庆和成都的数据为基础, 辅以昆明和福州的少量数据进行分析。建
模参数选择了对能耗分析最重要的三个要素, 即辐射、气温和水汽压。根据我国目
前逐日气象记录相对充分, 而逐时观测稀少的客观条件, 论文采用了分阶段建模和
模拟的方法。即先模拟逐日气象参数, 在此基础上再模拟逐时气象参数。
逐日气象参数包括日总辐射、日均气温、气温日较差、日均水汽压和水汽压日
较差。逐日气象参数既有周期性变化趋势, 又有随机特点, 由于两者对能耗分析都
有显著影响, 因此对逐日气象参数建立了组合模型, 即确定性模型+ 随机模型。确
定性模型描述周期性变化, 是由少量的显著频率构成的傅立叶级数。这些显著频率
通过傅立叶变换及频谱分析确定。5 个逐日气象参数的周期变化最多用显著频率0、
1 、2 、3 、4(周/年]来描述就足够了。
逐日气象参数分离确定项之后的随机项是均值平稳(零均值)、方差时变, 并且
存在互相关的非正态分布的随机序列。这些序列可以认为是分段(逐月〉平稳的,
因此用每个月的标准差进行标准化可得到方差也平稳的序列。本文对该标准序列采
用误差函数成功进行了正态变换, 这保证了模拟仿真数据与原始数据具有相同的分
布。对平稳化正态化之后的随机序列,论文建立了多维满系数ARX 模型即
AX =BY + ε 来进行模拟。模型以辐射序列为输入, 模拟输出温湿度参数。模型阶
数根据相关分析和FPE 准则确定, 参数估计采用了最小二乘法。ARX 模型的残差
通过了白I噪声及正态检验。辐射作为相对独立的要素, 单独建立一元AR ( 2 )模型
模拟。多元ARX 模型与多元AR 模型即AX ' = ε相比的明显好处是, 充分保证了随
机序列之间的互相关, 特别是0 步互相关。因为多维ARX 模型模拟温湿度参数时
使用了同一时刻的辐射,而多维AR 模型不可能用同一天的辐射计算温湿度。经检
验ARX 模型的模拟数据不但与建模数据具有相同的相关关系, 还具有相同的分布
特征。
论文的逐日气象组合模型形式, Fourier 模型+ARX 模型是国内首次提出, 并首
次进行了正态变换, 模型在数据相关系数, 分布特征方面也保持得最好。日散射或
日直射没有与日总射同时进入随机模型, 因为随机模拟时难以保证散射或直射不大
于日总射。故论文另外建立了一个日散射系数Kd 多项式分离模型, 在日总辐射己知
的情况下估计日总辐射。该模型的估计数据与原始数据具有一致的月均值,对长期
能耗分析具有足够的准确性。还建立了日散射概率密度模型。
逐时辐射模型采用了确定性模型。通过对原始逐时总辐射数据进行傅立叶变换,
确定了显著频率, 高频部分为1 、2、3、4[周/ 日]及以上每个频率的4 个旁瓣,低频
部分为0 、1 、2、3、4 [周/年], 用显著频率构成逐时总辐射的傅立叶级数模型。模
拟时, 该模型用日总辐射调整,以保证逐时值之和与日值相当。在逐日总射和逐时
总射基础上, 建立了逐时散射系数kd 多项式模型。该逐时散射模型考虑了大气质量
的影响, 即不同大气质量下给出不同的拟合式, 精度比笼统的拟合模型显著提高。
对昆明和福州的资料分析表明, 逐时气温用日均气温和气温日较差进行标准化
后,可以建立一个全年适用的傅立叶模型。该标准化逐时气温模型的显著频率是1 、
2[周/天] 。就日均气温的计算而言, 逐时资料和日4 次定时值+最高最低值资料是一
致的。因此对只有日4 次定时值+最高最低值资料的北京、西安、成都和重庆, 建
立的逐时气温模型具有足够的准确性。本文按北京时间建立逐时气温模型, 注意了
最高最低气温的出现时间。
与逐时气温一样, 逐时水汽压也进行了标准化处理。逐时资料和日4 值资料计
算的日均水汽压可以认为一致, 但水汽压日较差有明显区别。我国大多数地区只有
水汽压日4 值资料, 根据日4 值资料建立逐时化模型存在先天不足, 决定了任何复
杂的模型都不可能准确。因此采用了简单组合模型t 傅立叶模型+ 白噪声模型, 其
中白l噪声标准差统一取0.28,,为了保证随机模拟的水汽压不超过当时的饱和水汽压,
建立了修正模型, 该修正模型认为月均逐时相对湿度与月均逐时标准气温呈线性关
系。
气象参数本质上是非平稳、非线性时间序列,论文除了用组合模型进行模拟外,
还探讨了用线性神经网络和BP 网络对其进行预报和模拟。研究表明,如果以一步
预报为目的, 神经网络比常规时间序列分析方法优越, 因此可以用在HVAC 系统的
实时控制。但就随机模拟能耗分析用的全年气象数据而言, 神经网络并不适合。因
此, 如果以能耗分析为目的, 本文推荐采用组合逐日模型以及相应的逐时化模型,
不推荐神经网络方法。
论文给出了气象组合模型模拟软件( suSim )的整体框架, 以及北京、西安、
重庆和成都的相关数据库。冷热耗量计算表明, TMY2 与随机模型有显著差别, 其
原因是4 个城市的刊在Y2 缺乏代表性。比较气象参数月均值表明, TMY2 的气温数
据有一定代表性, 而辐射数据根本不能代表原始数据。本文模型的准确性比TMY2
好,用于金年能耗分析具有足够的准确性。所以本文的方法可以推广到其它地区。
关键词 能耗分析: 气象参数: 随机过程: 模型: 时间序列分析: 傅立叶分析:
神经网络
作者
标准分享
下载
9
查看
1,045
首次发行
最近更新
评分
0.00 颗星 0 次评分

更多来自 标准分享 的资源

分享此资源

后退
顶部