<code id="qqieg"></code>
<optgroup id="qqieg"></optgroup> <center id="qqieg"><div id="qqieg"></div></center>
<noscript id="qqieg"><div id="qqieg"></div></noscript><code id="qqieg"></code>
<optgroup id="qqieg"></optgroup>
<center id="qqieg"></center>
新聞中心
電話:0539-8311522 8311822
傳真:0539-8311822
E-mail:[email protected]
地址:臨沂市家電廚衛城西區18#703-705號
新聞內容
您的位置:首頁 >> 新聞中心
建筑物逐時冷負荷的預測

正確的猜測是冰蓄冷系統優化和控制的基礎和條件。根據以上文獻,目前冰蓄冷系統中的溫度猜測通常采用外形因子法;而對于太陽輻射和建筑物冷負荷的猜測,人工神經網絡是更為有效的方法。

    1 結束語


    以上研究工作具有各自的特點,然而各猜測模型間沒有機能對比。1993年,在ASHRAE首屆建筑物能量猜測競賽中,在對比多個參賽選手的猜測結果后,Kreider指出為了達到更為精確的猜測效果,傳統方法將讓位于新的猜測方法,如ANN.1995年Ka- washima采用完全相同的數據集,對包括ANN模型在內的七種猜測模型(ARIMA、LR、EWMA)進行比較論證,指出ANN模型猜測最精確[17]。


    1990 年Ferrano采用ANN猜測越日總冷負荷,并與實時專家系統結適用于邁阿密一幢建筑冰蓄冷系統控制。根據天天24小時的溫度波動情況,分三種溫度模式:冷(COld)10℉、暖(warm)14℉下和普通(normal)2.5℉,對神經網絡進行練習。神經網絡練習完成后,猜測值與理想值的偏差為 4%[30]。


    1989 年Spethmann[7]和1994年Simmonds[3]采用第二天預告的最高、最低溫度、歷史外形因子曲線,并區分了工作日與周末。首先猜測室外溫度,然后通過溫度曲線和歷史外形因子進行負荷猜測,并將算法集成于猜測優化蓄冷控制器。實際運行時,丈量溫度和負荷用于對猜測值的在線修正。


    1989年MacArthur等采用ARMAX時序模型進行負荷猜測,猜測誤差在5%以內[16].


    1989 年Boonyatikam等指出采用數學模型猜測空調冷負荷的缺陷,包括①具體模型需要內存的增加;②數學方程不輕易適應外界前提或運行狀況的改變;③計算機處理時間過長;④有精度要求時,對建筑物的輸人描述過多等。為了避免這些題目,作者采用基于實際空間響應(負荷)而不是理論模型的猜測函數。收集相關變量的歷史數據用于分析。將每一個變量,如:室外干球溫度、相對溫度、人射太陽輻射、風速、風向、負荷等的數值記實到數據文件中,最后采用多元線性回歸導出猜測方程[29]。


    RuChti[28]采用了尺度日、最熱日負荷猜測器進行負荷猜測。這種方法實際上是將一定時期內(如一個月)某一特殊的負荷圖樣作為該時期天天的負荷圖樣。此方法簡樸、計算量小、比較適合于一般的工程應用,對運行治理水平要求不高,但遠不能知足優化和控制的要求。


    簡樸的負荷猜測方法是將當天的負荷作為第二天冷負荷的猜測值。1985年Tamblyn利用丈量儀器,如流量計和溫差傳感器產生正確的冷噸一小時冷負荷曲線,然后建立冷負荷與環境溫度和內部負荷之間的函數關系,用于負荷猜測[26].1989年Meredith等在利用BASIC程序進行蓄冷系統模擬時,根據ASHRAE通用負荷曲線(ASHRAE 1987),采用四階多項式回歸得到方程來猜測模擬日的負荷[27]。


    2建筑物逐時冷負荷的猜測


溫度和太陽輻射是影響建筑物冷負荷的主要因素,其他參數的猜測,如相對濕度等,本文不再贅述。


    1996 年,Kawshima將天色分為晴、陰、多云、雨四種典型情況。首先根據實測數據擬合出用于猜測越日太陽輻射總量的多項式,然后乘以逐時的系數來猜測越日的太陽輻射[18].Chen將太陽輻射細分為10個級別,并給出了它們的相對于各時刻歷史最大太陽輻射強度的中值,用于太陽輻射的猜測,他發現對于晴朗小時或天晴間多云(sunny hour or day)猜測效果較好;而對于不確定的天色狀況,如晴間多云(clearing and clouding)則有一定的偏差[14].在建筑物能耗猜測結果的講演中[19],前六名分別為英國劍橋卡文迪許實驗室的Mackay[20]、瑞典 Lund大學理論物理系的Ohlsson[2]、普林斯頓大學中央研究實驗室汽車研究和發展公司的Feuston[22],南非的Stevenson [23]、日本東京電氣工程部的Iijima[24]、日本東京技術大學的Kawashima[25].他們分別在各自的文章中先容了自己的模型和猜測方法。其中,只有Iijima采用了非ANN的分段線性回歸方法。固然算法取得了較為滿足的結果,但是作者指出線性算法的在解決實際非線性題目時,仍是有限局性的。


    2.2 逐時太陽輻射的猜測


    用于客觀天色猜測的模型輸出統計(Model output statistics)可以給出精確的未來天色撒尼“然而,這種方法需要大量的景象形象數據和超級計算機;而不適于在線控制。實時控測。景象形象參數和負荷猜測的方法大多數基于最小M乘回歸分析。1989年MacA-rthur[16]等利用以前丈量的環境溫度和當地氣預告的最高、最低溫度來猜測未來溫度曲線。 1995年Kawashima等采用預告的最高,最低溫度和ASHRAE建議的外形系數猜測環境逐時溫度[17].由于利用了更有效的信息,他們的方法優于僅采用過去丈量景象形象數據的方法。Chen對天色預告的最高、最低溫度作了更詳盡的修正。由數據采集系統實測室外溫度,并根據算法是未來幾個小時的逐時溫度;同時將室外溫度變化分為上升階段和下降階段,分別計算各時刻的外形系數;二者共同用于室外溫度的猜測,取得了較好的效果。


    1985年Rawlingr指出對蓄冰系統,為了防止冰在熱天提前耗盡,一種猜測熱天的辦法是觀察當天早晨的氣溫(主觀猜測法)。例如,在新澤西地區,假如上午8:00的溫度為29℃,統計數據表明當天很可能接近“設計日”[15]


    猜測中通常采用的模型包括回歸模型(線性回歸、多元回歸等)、時間序列模型(ARIMA、ARMA、AR、MA等)、Kalman濾波模型、恍惚集模型、人工神經網絡模型等。


    很多研究結果表明:室外溫度直接影響負荷大小、能量消耗和高峰期用電量。以往溫度猜測算法大多建立在室外溫度按正弦曲線變化的假設上。Chen通過對蒙特利爾最近十年成象形象數據的分析,得出了室外溫度波的三種模式:近正弦波模式、降溫模式、升溫模式。他發現該市1月和12月份逐日溫度最高溫度孵泛起在午夜12:00.將溫度波簡樸地假設為正弦曲線不能反映室外溫度實際變化的趨勢[14]。全球“溫室效應”和城市的“熱島”效應的影響,需要對室外溫度變化做進一步的分析和研究。況且,我們所指的室外溫度是針對某個實際建筑而言的,而景象形象預告是一個大區域內的整體均勻,二者存在著差異,因此。需要一個有針對性的猜測手段。


    2.l 室外逐時溫度


    2 室外逐時景象形象參數的猜測


    跟著《中華人民共和國節約能源法》的宣布施行,冰蓄冷系統節能題目受到更加廣泛的正視。冰蓄冷系統優化和控制的目的是在知足建筑物供冷要求的同時,使系統空調期運行用度最小。正確的猜測是蓄體系統優化和控制的基礎和條件,主要包括下列內容。


    一些研究講演指出,某些蓄冷系統在降低電力峰值需求的同時,明顯地增加了總的年電力消耗。因此,將終極導致發電量增加,天然資源鋪張和環境污空失這些批評導致了對蓄冷系統及相關研究項目資助的減少[6].1994年,Brady根據實測數據證實,上述消極影響可以通過充分的利用蓄冰系統的長處來消除。蓄冰系統可以降低年能量消耗、峰值電力需求、年運行用度[7] [8]和系統對環境的影響[6][9]。1993年,Fiorino對Dallas某(水)蓄冷進行了改造,使蓄冷系統不但減少了運行用度,而且節約了用電量[10][11]。冰蓄冷空調也是如斯[12][13]。


    冰蓄冷空調系統的設計條件是設計日的負荷分布,系統主要設備的容量都是按設計日進行的。然而,100%的設計冷負荷泛起時間僅占總運行時間的o%[3]。同時,因為分時電價或實時電價(RTP)的引入,建筑物中各種設備的運行控制更為復雜,運行決議計劃必需以天、甚至小時為基礎[4].1993年,ASHRAE研究項目RP776對美國蓄冷(水蓄冷、優態鹽。冰蓄冷)系統的調查顯承;冰蓄冷系統約占近對m個蓄冰系統總數的86.7%。從設計到運行、維護,控制及控制相關題目是蓄冷系統的首要題目。在蓄冷系統滿足程度的調查中,冰蓄冷系統滿足率最低,僅有50%的冰蓄冷用戶以為達到了預期的設計目的人準確地運用優化和控制技術至關重要[5]


    對北京市冬夏季典型日電力負荷構成情況的調查表明:民用建筑用電是構成電力峰荷的主要因素[1]。目前,我國城市建筑夏季的空調用電量占其總用電量的40%以上。解決電力不足的途徑有良多種,根占有關資料,在采用電能儲存解決電力峰谷差的成熟技術中,冰蓄冷的轉換效率最高[2]。在建筑物空調中應用冰蓄冷技術是改善電力供需矛盾最有效措施之一。


    3前言


    樞紐詞: 冰蓄冷 景象形象參數 外形系數 人工神經網絡


摘要: 正確的猜測是冰蓄冷系統優化和控制的基礎和條件。本文先容了冰蓄冷系統猜測的內容和方法,主要包括室外逐時景象形象參數的猜測和建筑物逐時冷負荷的猜測。其中,溫度猜測通常采用外形系數法;而人工神經網絡在太陽輻射猜測和建筑物冷負荷猜測中上風明顯。


來源:      時間:2011-12-14 11:30:12
体彩11选五