论文部分内容阅读
办公建筑能耗总量巨大,降低办公建筑的采暖空调能耗可以有效地缓解我国能源供给问题。目前,办公建筑采暖空调系统的运行普遍存在着效率低下等问题,粗狂式的调节已不能满足建筑节能的需求。采暖空调的负荷特征分析与预测是系统优化运行的基础,因此本研究以天津市多栋办公建筑的监测数据为基础,分别建立了办公建筑采暖空调负荷的预测模型,并对预测模型进行了案例分析。本研究旨在建立一种简单有效的办公建筑采暖空调负荷预测方法,并在此基础上实现采暖空调系统的优化运行。本文首先建立了采暖空调负荷评价指标,并根据评价指标分析了冷热负荷的负荷特征。然后利用TRNSYS软件分析了办公建筑分项负荷的构成,并初步筛选了冷热负荷的影响因素。室外干球温度、湿球温度、人员在室率对冷负荷影响显著,而热负荷的影响因素则为室外干球温度和人员在室率。一般地办公建筑的负荷可以分解为三部分即:随室外气象参数波动的气象因子项、随室内在室率变化的内扰项、随机误差项。通过对监测数据的分析可以得到:(1)日平均热负荷与日平均温度相关性较高;(2)其值的大小与节假日效应项密切相关;(3)利用残差修正能有效地消除随机误差的影响。因此,以日平均温度和节假日效应项为输入变量的多元非线性残差修正模型即可对日平均热负荷进行预测,然后利用负荷分布系数即可得到逐时热负荷的预测值,实际案例分析表明这种预测模型有着较高的预测精度。人的使用习惯对冷负荷也有着较大的影响,通过分析发现高温累积效应对办公建筑的日平均冷负荷影响显著。实际案例分析表明以日最高干球温度、日最高湿球温度、日平均温度及高温累积效应项为输入变量的多元线性残差修正模型能使办公建筑日平均冷负荷的预测精度能控制在10%左右。利用自回归各态历经模型(ARX)及日平均冷负荷预测值能较好地对办公建筑逐时冷负荷进行预测,其预测精度能有效地控制在12%左右。而利用BP神经网络对未来1小时的冷负荷进行超短期预测时,预测精度则能控制在8%以内。