大型公共建筑用电能耗预测模型探析(共3595字).doc





《大型公共建筑用电能耗预测模型探析(共3595字).doc》由会员分享,可在线阅读,更多相关《大型公共建筑用电能耗预测模型探析(共3595字).doc(6页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、大型公共建筑用电能耗预测模型探析(共3595字)大型公共建筑用电能耗预测模型探析 1大型公共建筑用电能耗结构1.1大型公共建筑用电耗能构成分析我国的大型公共建筑有办公建筑、商业建筑、服务建筑和教育机构建筑等。这些建筑的面积都超过2万平方米,并且使用大型中央空调。根据国家规定大型公共建筑用电主要有照明插座用电、空调用电、动力用电和特殊用电等,但在不同类型的建筑的用电比例会有一定的不同。比如说,办公建筑用电主要是空调、照明和一些办公设备的能耗。因为办公人员的数量决定办公建筑的办公设备,所以正常情况下这两部分用电都比较稳定;大型商场建筑主要是建筑面积比较大、人员流动快、人员密集、各种照明设备的使用频
2、率比较高,中央空调的运行时间比较长。商场照明有室内照明和夜晚景观照明,并且照明亮度大、照明时间长。因为商场人员众多,所以产生较多的热量,导致大型公共建筑用电能耗预测模型及预测数据空调一直处于超负荷运行;酒店建筑在入住高峰时期照明插座、空调动力和中西餐厅、洗衣房、游泳馆、健身房和休闲中心等都会增长,酒店还要满足客户的住宿、娱乐以及舒适度的要求。这就导致酒店类建筑能耗突然激增,并且酒店越高级能耗就会越高。不同的大型公共建筑,它的能耗构成也不同,不同的公共建筑因为功能的不同各项能耗也会受到影响。1.2大型公共建筑用电耗能功能大型公共建筑主要有照明的插座用电、空调用电、动力系统用电和特殊用电所组成。照
3、明用电是建筑物内主要的区域照明为主的室内设备用电的总和,对于办公建筑而言,当大厦的办公人员稳定的时候,照明和插座用电基本上也比较稳定。空调系统用电是给建筑提供空调和保暖服务设备的总称。办公建筑的空调系统用电耗能会随着季节的变化产生巨大的波动,在进行能耗预测的时候需要重点关注。其次,是动力系统用电。动力系统包括电梯、排风扇、生活用水和排污的设备用电的总和。最后,是特殊用电。特殊用电是建筑物的信息中心、洗衣房、餐厅和其他的用电。1.3大型公共建筑用电耗能影响的因素我们应该科学的认识影响大型公共建筑用电耗能的因素。大型公共建筑用电耗能的主要有建筑的自身缺陷、人为的因素、外界的因素等。建筑本身的因素有
4、建筑的类别、体型系数、太阳的热系数、建筑的窗墙比重、建筑的朝向等;人为的因素有室内人员的密度、室内的温度和设备的功率等;外界的因素主要有气候条件、节假日和海拔的高度等。大型公共建筑会受到这几个因素的相互作用,共同影响着公共建筑的用电耗能。所以,办公建筑的能耗数据就是照明插座用电能耗平均数值、动力系统用电能耗的均值、特殊用电能耗的均值、空调系统能耗均值以及建筑自身参数数据在一起结果。2大型公共建筑的空调系统用电能耗预测方法和分析2.1使用RBF神经网络的空调系统用电耗能的预测方法在大型公共建筑正常工作的时候要对未来的一段时间的能耗数据进行有效的预估和评测是非常重要的。对于没有能耗数据的大型公共建
5、筑要用外围护结构参数用新技术建立虚拟的建筑模型,然后估算出建筑建成之后的能源消耗的数值。对于有历史能耗数据的建筑一般应用神经网络预测建筑未来的能耗数据。RBF神经网络可以根据出现的问题采用相对应的网络拓扑结构,它具有自动学习、自动组织、自动适应的功能,对于非线性连续函数有一定的逼近性,可以大范围的数据融合,更加快速高效处理数据。RBF神经网络已经成功处理非线性函数逼近、时间序列分析、数据的分类、模式识别、图像处理、系统建模和故障的诊断等。RBF网络可以加快学习速度和适应能力对于大型建筑的数据有很好的效果。2.2办公建筑用电耗能预测数据分析我们把办公建筑一个月的实际耗能和预测数值进行比较可以得出
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 大型 公共建筑 用电 能耗 预测 模型 探析 3595

限制150内