论文部分内容阅读
绿色建筑的诞生,为降低建筑能耗起到了不可或缺的重要作用。东北地区建筑冬季能耗损失严重,发展严寒地区绿色建筑节能技术对节能减排事业具有促进作用。而在建筑能耗中由围护结构热损失导致的建筑能耗可达建筑运行总能耗的50%以上,其中,外墙传热热损失约占60%～70%,门窗的传热热损失约占20%～30%。因此,在众多绿色建筑节能技术中,高热工性能外窗技术是绿色建筑节能技术中必不可少的一环,对严寒地区的绿色建筑进行高热工性能外窗技术适应性研究具有重要的意义。本文将高热工性能外窗技术适应性的研究放在了严寒地区绿色建筑背景下,在结合大量的文献资料与调研的基础上,首先对本文中提出的“高热工性能”、“技术适应性”等相关概念进行了界定与阐述。其次,结合技术适应性的概念,对严寒地区绿色建筑高热工性能外窗技术适应性的研究方向与理论框架从舒适性、热工性、经济性三个维度进行了分析与确定。本文在严寒地区选取了一座外窗性能符合高热工性能外窗定义的绿色建筑作为研究对象,从舒适性的维度对外窗的技术适应性进行实测分析。通过对室内环境参数检测、外窗热工缺陷检测、室内环境问卷调研的结果综合分析,该建筑的外窗达到了舒适性维度的技术适应性。在此建筑的基础上,继续对高热工性能外窗技术的适应性从热工性、经济性维度展开研究。由于客观条件的限制,本文借助eQUEST能耗模拟软件,在能耗结果达到《民用建筑能耗标准》(GB/T 51161-2016)的要求后,对外窗热工性单一影响因素、组合影响因素进行研究,将各因素对能耗的影响程度进行对比,并利用正交试验方法提出5种外窗组合方案。再将这些方案从能耗及经济性维度进行分析,筛选出适应于严寒地区绿色建筑的高热工性能外窗方案:6E+12A+6及6E+12A(氩)+6。最后,本文利用BP神经网络为基础建立了外窗能耗损失预测模型,对供暖能耗与制冷能耗进行预测。利用Matlab软件对BP神经网络的结构进行研究与确定,建立隐含层层数为2,节点数分别为3、5的神经网络。最后确定了神经网络的学习训练流程,对建立的神经网络的可靠性进行了验证。其能耗预测结果可为绿色建筑设计中的外窗方案选择提供参考。