建筑能耗预测与建筑节能分析模型构建研究
发布时间:2021-07-07 07:51
针对大型商场建筑动力设备多、结构复杂、能耗高的问题,为了解大型研究商场的能耗状况,提升广州地区商场建筑的能源利用效率,通过对13家商场建筑能耗调查,建立了能耗预测模型进行建筑能耗预测。选择内扰因素、围护结构影响因素、空调系统参数三类13个影响因子进行敏感度分析,其中空调系统COP值、室内设计温度和风机效率的敏感度最高,后期节能改造的潜力最大,天窗传热系数、冷冻水供水温度、新风量指标的敏感度最低。通过极差分析法建立包含9个影响因子的商场建筑节能预测模型对13家商场能耗进行预测对比,预测能耗值与实测能耗值的平均相对偏差为6.79%,相对最大偏差为13.28%,说明选定的商场能耗主要影响因素能较好地反应商场能耗水平,建立预测模型具有较高的预测精确度。
【文章来源】:建筑节能. 2020,48(10)
【文章页数】:6 页
【部分图文】:
商场年均能耗变化趋势
为保证基准模型的代表性,根据商场能耗调查中频率较高的结构参数确定模型。典型商场建筑总建筑面积为58 000 m2,空调面积43 500 m2,共7层,其中地下2层为机房和停车库,地上首层为商业广场,地上1层至4层两中庭连通,顶部采用玻璃天窗布置,受太阳直射作用,设为一个区;设备间和楼梯间未布置空调系统为一个区,图3为建立的商场模型。商场建筑结构物理参数见表2。商场夏季设计温度26℃,冬季设计温度18℃,室内各卖场具体参数见表3,考虑商场地下层受外界影响较小,地下层外墙和屋面传热具有较大的热阻[16]。
根据上述分析可知,空调能耗和建筑照明占整个商场建筑能耗的77%。空调能耗与建筑室外气候环境、围护结构、室内扰量等因素有关。根据各影响因素的可变性和节能潜力,将13项建筑能耗影响因素分为三类:(1)内扰因素包括照明功率、设备功率、人员密度;
【参考文献】:
期刊论文
[1]BIM环境下集成用户行为的建筑能耗预测[J]. 刘佳静,骆汉宾,陈宁宁,李泽宇. 土木工程与管理学报. 2019(04)
[2]农村住宅终端能耗数据获取方法综述[J]. 袁鹏丽,端木琳,王宗山. 建筑科学. 2019(08)
[3]基于时间序列分析模型的建筑能耗两级预测关系研究[J]. 欧阳前武,符亚磊,任中俊. 建设科技. 2019(14)
[4]基于AR-DBN的建筑分项能耗短期预测[J]. 钱青,唐桂忠,张广明,邓歆,尹海培. 计算机工程. 2019(06)
[5]基于改进天牛须算法-优化极限学习机的地源热泵能耗预测研究[J]. 刘涛,徐成良,陈焕新. 制冷技术. 2019(03)
[6]基于ABC-BPNN的内蒙古西部草原民居建筑能耗预测模型[J]. 金国辉,魏雪,张伟健. 土木工程与管理学报. 2019(02)
[7]基于支持向量机的建筑能耗预测研究[J]. 侯博文,谭泽汉,陈焕新,孙劭波,龚麒鉴. 制冷技术. 2019(02)
[8]基于Q-Learning算法的建筑能耗预测[J]. 陈建平,陈其强,胡文,陆悠,吴宏杰,傅启明. 计算机系统应用. 2019(01)
[9]超高层建筑暖通空调能耗精准预测仿真[J]. 段冠囡,王岳人. 计算机仿真. 2018(12)
[10]建筑方案能耗快速预测方法研究综述[J]. 李紫微,林波荣,陈洪钟. 暖通空调. 2018(05)
本文编号:3269246
【文章来源】:建筑节能. 2020,48(10)
【文章页数】:6 页
【部分图文】:
商场年均能耗变化趋势
为保证基准模型的代表性,根据商场能耗调查中频率较高的结构参数确定模型。典型商场建筑总建筑面积为58 000 m2,空调面积43 500 m2,共7层,其中地下2层为机房和停车库,地上首层为商业广场,地上1层至4层两中庭连通,顶部采用玻璃天窗布置,受太阳直射作用,设为一个区;设备间和楼梯间未布置空调系统为一个区,图3为建立的商场模型。商场建筑结构物理参数见表2。商场夏季设计温度26℃,冬季设计温度18℃,室内各卖场具体参数见表3,考虑商场地下层受外界影响较小,地下层外墙和屋面传热具有较大的热阻[16]。
根据上述分析可知,空调能耗和建筑照明占整个商场建筑能耗的77%。空调能耗与建筑室外气候环境、围护结构、室内扰量等因素有关。根据各影响因素的可变性和节能潜力,将13项建筑能耗影响因素分为三类:(1)内扰因素包括照明功率、设备功率、人员密度;
【参考文献】:
期刊论文
[1]BIM环境下集成用户行为的建筑能耗预测[J]. 刘佳静,骆汉宾,陈宁宁,李泽宇. 土木工程与管理学报. 2019(04)
[2]农村住宅终端能耗数据获取方法综述[J]. 袁鹏丽,端木琳,王宗山. 建筑科学. 2019(08)
[3]基于时间序列分析模型的建筑能耗两级预测关系研究[J]. 欧阳前武,符亚磊,任中俊. 建设科技. 2019(14)
[4]基于AR-DBN的建筑分项能耗短期预测[J]. 钱青,唐桂忠,张广明,邓歆,尹海培. 计算机工程. 2019(06)
[5]基于改进天牛须算法-优化极限学习机的地源热泵能耗预测研究[J]. 刘涛,徐成良,陈焕新. 制冷技术. 2019(03)
[6]基于ABC-BPNN的内蒙古西部草原民居建筑能耗预测模型[J]. 金国辉,魏雪,张伟健. 土木工程与管理学报. 2019(02)
[7]基于支持向量机的建筑能耗预测研究[J]. 侯博文,谭泽汉,陈焕新,孙劭波,龚麒鉴. 制冷技术. 2019(02)
[8]基于Q-Learning算法的建筑能耗预测[J]. 陈建平,陈其强,胡文,陆悠,吴宏杰,傅启明. 计算机系统应用. 2019(01)
[9]超高层建筑暖通空调能耗精准预测仿真[J]. 段冠囡,王岳人. 计算机仿真. 2018(12)
[10]建筑方案能耗快速预测方法研究综述[J]. 李紫微,林波荣,陈洪钟. 暖通空调. 2018(05)
本文编号:3269246
本文链接:https://www.wllwen.com/kejilunwen/sgjslw/3269246.html