建筑能效分析技术及能耗预测模型研究

发布时间：2023-09-29 04:48

　　随着国家经济的发展和社会的进步,建筑节能和智能电网建设受到社会各界越来越多专家学者的关注。截止目前,我国建筑总能耗在社会总能耗中所占比重已达21%,而在建筑能耗中,公共建筑能耗约占30.4%,具有很大的节能潜力;同时,单从电网侧分析用电情况,只能被动分配电网电能使用,不能充分做到电能合理利用和分配,而加强电力需求侧负荷管理,可以更好地优化电力负荷的调节方案。因此有效判断建筑实际用电情况、减少公共建筑用电能耗,对有效促进节能化建筑和智能电网发展具有重要意义。本文以甘肃省某大型办公建筑为背景,分析办公建筑用能结构和能耗特点,对建筑历史能耗数据进行统计分析,研究影响建筑能耗的主要因素和建筑的节能潜力,为实现建筑能效分析和能耗预测奠定基础。为了对建筑能效进行分析,调查统计了寒冷地区办公建筑用能情况,以样本建筑能耗数据为基础,采用统计定额的方式分别确定各用电系统的能耗定额,并将被研究对象的用能情况与定额对比,评价建筑用能情况。之后对暖通系统用电能耗高的情况进行具体分析,提出用空气源热泵代替电锅炉供暖,以降低电采暖用电能耗。为实现对未来一段时间建筑用电能耗的预测,搭建基于RBF神经网络的公共建筑能...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的研究背景及意义
    1.2 国内外研究现状
        1.2.1 建筑能效分析技术研究现状
        1.2.2 建筑能耗预测方法研究现状
    1.3 课题主要研究内容
    1.4 主要章节安排
第2章 大型办公建筑用电能耗构成与分析
    2.1 兰州市气候特征分析
    2.2 建筑用电能耗构成及特点
        2.2.1 建筑概况
        2.2.2 建筑用电能耗构成
        2.2.3 建筑用电能耗的特点
    2.3 建筑用电能耗影响因素分析
        2.3.1 影响因素
        2.3.2 气象因素
        2.3.3 时间因素
    2.4 本章小结
第3章 理论基础与模型
    3.1 RBF神经网络
        3.1.1 预测方法的选择
        3.1.2 RBF神经网络的结构
        3.1.3 RBF神经网络的学习算法
    3.2 PSO算法
        3.2.1 PSO算法原理
        3.2.2 PSO算法的参数设置
        3.2.3 PSO算法流程
    3.3 LM算法
        3.3.1 LM算法原理
        3.3.2 LM算法流程
    3.4 本章小结
第4章 大型办公建筑能效分析方法研究
    4.1 建筑能效分析的意义和方法
    4.2 能耗定额方法概述
        4.2.1 能耗定额确定原则
        4.2.2 定额指标的选取
        4.2.3 定额制定方法
    4.3 能耗定额的编制
        4.3.1 能耗定额的编制步骤
        4.3.2 平均值法下的能耗定额
        4.3.3 二次平均值法下的能耗定额
        4.3.4 定额水平法下的能耗定额
    4.4 建筑实际用能情况分析
        4.4.1 能耗情况分析
        4.4.2 采暖系统用能分析
    4.5 本章小结
第5章 基于PSO-LM-RBF神经网络的办公建筑能耗预测模型
    5.1 预测模型的建立
        5.1.1 建筑能耗预测的分类
        5.1.2 模型的建立
    5.2 实验分析
        5.2.1 样本的选取及数据预处理
        5.2.2 网络结构的确定
        5.2.3 仿真测试
    5.3 仿真结果分析
    5.4 本章小结
结论与展望
    结论
    展望
参考文献
致谢
附录A 攻读硕士学位期间的学术研究成果



本文编号：3849318