大型商业建筑空调负荷预测方法的研究

摘要

针对商业建筑暖通空调系统能耗高的特点，为优化空调系统运行策略，把大型商业建筑的空调负荷预测作为研究对象，分析了大型商业建筑空调负荷显著性影响因素，建立基于气象预报和室内人员密度的空调负荷逐时预测模型，用于预测下一日空调逐时负荷，作为优化空调系统运行策略和确定蓄能空调蓄能量的依据。
　　以天津市为例，首先调研大量规范文献和30座实体商业建筑，建立大型商业建筑特征模型。基于特征模型，采用正交实验，对空调负荷的显著性影响因素进行了研究，确定了室内人员密度为商业建筑空调负荷的显著性影响因素。其次，分析了室外气象参数与室内人员密度对空调负荷的延迟影响效果，初步确定了合适的室外气象参数以及室内人员密度作为预测模型的输入变量。之后，利用逐步回归法，排除空调负荷不显著影响因素，减少预测模型的输入变量，简化预测模型。最后，对几种预测方法的适用性及预测精度进行了计算分析，结果表明：带反馈的多元线性回归模型预测空调逐时冷负荷取得较高的预测精度；改善的温特季节指数平滑模型对于波动较大的空调逐时热负荷取得较高的预测精度。
　　通过本文研究，发现人员密度为商业建筑空调冷负荷和热负荷的最显著性影响因素，新风量及室内照明和设备功率密度对空调冷热负荷的影响作用也比较大，为显著或接近显著性影响。
　　把室内人员密度作为自变量，这样做提高了商场建筑空调负荷预测精度。将本文提出的负荷预测方法应用于天津市某商业建筑 A的负荷预测，预测结果表明：利用带反馈的多元线性回归模型预测逐时空调冷负荷取得了较高的预测精度，其平均相对误差MRE为7.90％，误差平方和RMSE为316.8；最大逐日相对误差maxRE为5.14%，minRE为0.108%。带输入的温特季节性指数平滑模型预测逐时空调热负荷,其MRE为10.05%，RMSE为262.0；逐日热负荷相对误差最大值maxRE为14.5%，最小为minRE为0.506%，冷热负荷均取得较好的预测效果。综上证明：本文构建的基于气象预报和室内人员密度的负荷预测模型的方法可行。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景

1.2空调负荷预测现状

1.3课题提出及课题研究内容

第二章 空调负荷影响因素分析及理论基础

2.1空调负荷影响因素分析

2.2正交实验

2.3预测方法

2.4本章小结

第三章 大型商业建筑调研结果分析及建筑特征模型建立

3.1天津市大型商业建筑调研结果分析

3.2天津市大型商业建筑特征模型

3.3本章小结

第四章 特征模型空调负荷模拟

4.1正交试验因素选择及水平确定

4.2正交实验设计及结果分析

4.3正交实验数据处理

4.4本章小结

第五章 基于内外扰量的空调负荷预测方法

5.1空调负荷特性分析及影响因素

5.2预测模型构建-多元线性回归模型

5.3预测模型构建-带输入的温特季节性指数平滑预测模型

5.4模型应用

5.5本章小结

第六章 结论与展望

6.1结论

6.2展望

参考文献

发表论文和参加科研情况说明

致谢