本文關(guān)鍵詞： 商業(yè)建筑 負荷預(yù)測 室內(nèi)擾量 正交試驗 多元線性回歸 季節(jié)性指數(shù)平滑　出處：《天津大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：針對商業(yè)建筑暖通空調(diào)系統(tǒng)能耗高的特點,為優(yōu)化空調(diào)系統(tǒng)運行策略,把大型商業(yè)建筑的空調(diào)負荷預(yù)測作為研究對象,分析了大型商業(yè)建筑空調(diào)負荷顯著性影響因素,建立基于氣象預(yù)報和室內(nèi)人員密度的空調(diào)負荷逐時預(yù)測模型,用于預(yù)測下一日空調(diào)逐時負荷,作為優(yōu)化空調(diào)系統(tǒng)運行策略和確定蓄能空調(diào)蓄能量的依據(jù)。以天津市為例,首先調(diào)研大量規(guī)范文獻和30座實體商業(yè)建筑,建立大型商業(yè)建筑特征模型。基于特征模型,采用正交實驗,對空調(diào)負荷的顯著性影響因素進行了研究,確定了室內(nèi)人員密度為商業(yè)建筑空調(diào)負荷的顯著性影響因素。其次,分析了室外氣象參數(shù)與室內(nèi)人員密度對空調(diào)負荷的延遲影響效果,初步確定了合適的室外氣象參數(shù)以及室內(nèi)人員密度作為預(yù)測模型的輸入變量。之后,利用逐步回歸法,排除空調(diào)負荷不顯著影響因素,減少預(yù)測模型的輸入變量,簡化預(yù)測模型。最后,對幾種預(yù)測方法的適用性及預(yù)測精度進行了計算分析,結(jié)果表明:帶反饋的多元線性回歸模型預(yù)測空調(diào)逐時冷負荷取得較高的預(yù)測精度;改善的溫特季節(jié)指數(shù)平滑模型對于波動較大的空調(diào)逐時熱負荷取得較高的預(yù)測精度。通過本文研究,發(fā)現(xiàn)人員密度為商業(yè)建筑空調(diào)冷負荷和熱負荷的最顯著性影響因素,新風(fēng)量及室內(nèi)照明和設(shè)備功率密度對空調(diào)冷熱負荷的影響作用也比較大,為顯著或接近顯著性影響。把室內(nèi)人員密度作為自變量,這樣做提高了商場建筑空調(diào)負荷預(yù)測精度。將本文提出的負荷預(yù)測方法應(yīng)用于天津市某商業(yè)建筑A的負荷預(yù)測,預(yù)測結(jié)果表明:利用帶反饋的多元線性回歸模型預(yù)測逐時空調(diào)冷負荷取得了較高的預(yù)測精度,其平均相對誤差MRE為7.90%,誤差平方和RMSE為316.8;最大逐日相對誤差maxRE為5.14%,minRE為0.108%。帶輸入的溫特季節(jié)性指數(shù)平滑模型預(yù)測逐時空調(diào)熱負荷,其MRE為10.05%,RMSE為262.0;逐日熱負荷相對誤差最大值maxRE為14.5%,最小為minRE為0.506%,冷熱負荷均取得較好的預(yù)測效果。綜上證明:本文構(gòu)建的基于氣象預(yù)報和室內(nèi)人員密度的負荷預(yù)測模型的方法可行。
[Abstract]:Aiming at the characteristics of high energy consumption of HVAC system in commercial buildings, in order to optimize the operation strategy of HVAC system, the air conditioning load forecasting of large commercial buildings is taken as the research object. This paper analyzes the influential factors of air conditioning load in large commercial buildings, and establishes an hourly forecasting model of air conditioning load based on meteorological forecast and indoor personnel density, which can be used to forecast the hourly load of air conditioning in 1st. As a basis for optimizing the operation strategy of air conditioning system and determining the storage energy of energy storage air conditioning system. Taking Tianjin as an example, a large number of normative documents and 30 commercial buildings were investigated. Based on the feature model of large commercial buildings, orthogonal experiment was used to study the significant influence factors of air conditioning load. The indoor personnel density is the significant influence factor of air conditioning load in commercial buildings. Secondly, the effect of outdoor meteorological parameters and indoor personnel density on the delay of air conditioning load is analyzed. The suitable outdoor meteorological parameters and indoor personnel density were preliminarily determined as the input variables of the prediction model. After that, the air conditioning load was excluded by stepwise regression method. Reduce the input variables of the prediction model, simplify the prediction model. Finally, the applicability and accuracy of several forecasting methods are calculated and analyzed. The results show that the multivariate linear regression model with feedback can predict the hourly cooling load of air conditioning with high accuracy. The improved Winter seasonal Index smoothing model can achieve high prediction accuracy for hourly heat load of air conditioning with large fluctuation. It is found that the density of personnel is the most significant factor affecting the cooling load and heat load of air conditioning in commercial buildings, and the influence of fresh air volume, indoor lighting and equipment power density on the cooling and heat load of air conditioning is also relatively large. The density of indoor personnel was regarded as independent variable for significant or near significant effect. In this way, the precision of air conditioning load forecasting in shopping mall is improved. The load forecasting method proposed in this paper is applied to A load forecasting of a commercial building in Tianjin. The prediction results show that the prediction accuracy of hourly air conditioning cooling load is higher with the multivariate linear regression model with feedback, and the average relative error MRE is 7.90%. The sum of square error (RMSE) is 316.8; The maximum daily relative error (maxRE) is 5.14 and RE is 0.108. The temperature seasonal index smoothing model with input is used to predict the hourly air conditioning heat load, and its MRE is 10.05%. RMSE was 262.0; The maximum relative error of daily heat load is 14. 5% (maxRE) and the minimum is 0.506% (minRE). It is proved that the method based on meteorological forecast and indoor density forecasting model is feasible.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TU831.2

【相似文獻】

相關(guān)期刊論文 前10條

1 李翔宇;梅洪元;;大型商業(yè)建筑的消費文化表征[J];華中建筑;2009年11期

2 王晶晶;;大型商業(yè)建筑的防火設(shè)計探析[J];中國科技信息;2011年09期

3 李楊德;余效恩;付衡;;水環(huán)熱泵空調(diào)系統(tǒng)在大型商業(yè)建筑中的適應(yīng)性研究——以南京水游城項目為例[J];華中建筑;2012年02期

4 陳斗;;試論大型商業(yè)建筑消防安全問題及對策研究[J];中國西部科技;2012年11期

5 洪衛(wèi),黃廣鑫;大型商業(yè)建筑購物環(huán)境發(fā)展趨勢[J];南方建筑;2002年02期

6 劉力,陳瑩,金國紅;抓住基本特征的快速設(shè)計:京糧廣場大型商業(yè)建筑初步方案[J];建筑創(chuàng)作;2005年08期

7 劉力,陳瑩,金國紅;抓住基本特征的大型商業(yè)建筑快速設(shè)計——北京昌平京糧廣場創(chuàng)作體會[J];城市建筑;2005年08期

8 郭盛友;劉梅梅;;《重慶市大型商業(yè)建筑設(shè)計防火規(guī)范》編制理念及特色[J];消防科學(xué)與技術(shù);2007年01期

9 嚴嘵龍;王伶劍;;大型商業(yè)建筑防火設(shè)計研究與實踐[J];消防科學(xué)與技術(shù);2007年05期

10 李欣;顧宇;;大型商業(yè)建筑消防安全疏散設(shè)計若干問題的探討[J];消防技術(shù)與產(chǎn)品信息;2007年12期

相關(guān)會議論文 前5條

1 嚴曉龍;王伶劍;;大型商業(yè)建筑防火設(shè)計研究與實踐[A];節(jié)能環(huán)保 和諧發(fā)展——2007中國科協(xié)年會論文集（四）[C];2007年

2 郭偉;劉庭全;張翼;;大型商業(yè)建筑內(nèi)人員密度調(diào)查結(jié)果的數(shù)據(jù)分析[A];2012中國消防協(xié)會科學(xué)技術(shù)年會論文集（上）[C];2012年

3 李根敬;;淺談大型商業(yè)建筑安全疏散的設(shè)計與管理[A];自主創(chuàng)新與持續(xù)增長第十一屆中國科協(xié)年會論文集（3）[C];2009年

4 邵經(jīng)智;李凱;;大型商業(yè)建筑室內(nèi)開放空間的營造[A];土木建筑學(xué)術(shù)文庫(第14卷)[C];2010年

5 趙靖;朱能;唐華;武涌;;天津市某大型商業(yè)建筑空調(diào)系統(tǒng)能效檢測與評價分析[A];全國暖通空調(diào)制冷2008年學(xué)術(shù)年會資料集[C];2008年

相關(guān)重要報紙文章 前2條

1 張建華;《河南省大型商業(yè)建筑設(shè)計防火規(guī)范》通過審定[N];中華建筑報;2008年

2 李力;破解大型商業(yè)建筑管道綜合設(shè)計難題[N];建筑時報;2012年

相關(guān)博士學(xué)位論文 前1條

1 馬千里;大型商業(yè)建筑綜合防火設(shè)計方法研究[D];西安建筑科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 沈米鋼;大型商業(yè)建筑外部開放空間問題及其改進對策研究[D];浙江大學(xué);2003年

2 衛(wèi)軻;廣州大型商業(yè)建筑外部交通設(shè)計分析研究[D];華南理工大學(xué);2012年

3 侯拓宇;基于綠色化改造的大型商業(yè)建筑功能提升策略[D];哈爾濱工業(yè)大學(xué);2013年

4 徐進;大型商業(yè)建筑標識系統(tǒng)設(shè)計研究[D];青島理工大學(xué);2013年

5 李健;大型商業(yè)建筑空間形態(tài)的研究[D];青島理工大學(xué);2012年

6 曹瑞民;大型商業(yè)建筑外部空間與城市空間一體化策略初探[D];河北工程大學(xué);2016年

7 祁永勝;某大型商業(yè)建筑中廚房通風(fēng)對建筑內(nèi)環(huán)境的影響分析[D];西安工程大學(xué);2016年

8 杜玉萍;大型商業(yè)建筑火災(zāi)危險性分析及評估指標建立的研究[D];中國地質(zhì)大學(xué)(北京);2016年

9 楊潔;寒冷地區(qū)大型商業(yè)建筑空間與能耗和環(huán)境舒適度調(diào)查研究[D];天津大學(xué);2014年

10 范俊康;建筑物增層及增建地下空間的可行性評估研究[D];東南大學(xué);2016年

，

本文編號：1469424