一种空调系统负荷计算方法、装置、设备及介质

技术领域

本发明涉及暖通空调技术领域，特别是涉及一种空调系统负荷计算方法、装置、设备及介质。

背景技术

空调系统的负荷计算对于其设计、控制优化和故障诊断都是至关重要的。随着建筑信息化模型(BIM)的广泛使用，空调系统设计所需的信息被高度数字化，已有研究和软件可以实现利用BIM进行负荷计算的功能。然而，采用BIM对空调系统进行逐时负荷计算非常繁琐且耗时，在这个过程中，无论是仿真模型EnergyPlus还是eQuest，都需要建立一个完整的建筑模型；另一方面，对于不同的建筑还需对应建立新的模型。

因此，提出一种具有通用性且计算效率高的空调系统负荷估算方法是十分必要的。

发明内容

针对上述技术问题，本发明提供一种空调系统负荷计算方法、装置、设备及介质，能够更高效地计算空调系统的总负荷。

第一方面，本发明提供一种空调系统负荷计算方法，包括：

获取建筑的蓄热体参数和内部热源参数；

根据所述内部热源参数计算所述建筑的内部热源负荷；

根据所述蓄热体参数以及预先设置的建筑蓄热体传热模型，计算所述建筑的蓄热体负荷；

基于所述内部热源负荷和所述蓄热体负荷，确定所述建筑的空调系统总负荷。

可选的，所述预先设置的建筑蓄热体传热模型基于RC热网络模型构建；其中，所述建筑蓄热体传热模型的参数通过遗传算法进行优化。

可选的，所述根据所述内部热源负荷和所述蓄热体负荷确定所述建筑的空调系统总负荷，具体包括：

计算所述内部热源负荷和所述蓄热体负荷的负荷总和；

根据所述负荷总和及所述建筑的内部热容得到所述建筑的空调系统总负荷。

可选的，所述建筑的蓄热体包括外围护结构和内部蓄热体。

可选的，所述内部热源参数包括：内部热源的逐时分项计量数据和实地采集数据。

第二方面，本发明提供一种空调系统负荷计算装置，包括：

获取模块，用于获取建筑的蓄热体参数和内部热源参数；

第一计算模块，用于根据所述内部热源参数计算所述建筑的内部热源负荷；根据所述蓄热体参数以及预先设置的建筑蓄热体传热模型，计算所述建筑的蓄热体负荷；

第二计算模块，用于基于所述内部热源负荷和所述蓄热体负荷，确定所述建筑的空调系统总负荷。

可选的，所述第二计算模块具体用于：

计算所述内部热源负荷和所述蓄热体负荷的负荷总和；

根据所述负荷总和及所述建筑的内部热容得到所述建筑的空调系统总负荷。

可选的，所述建筑蓄热体传热模型基于RC热网络模型构建；其中，所述建筑蓄热体传热模型的参数通过遗传算法进行优化。

第三方面，本发明提供一种数据处理设备，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序，所述程序由所述处理器执行，使得所述数据处理设备执行第一方面所述的空调系统负荷计算方法。

第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述第一方面所述的空调系统负荷计算方法。

相比现有技术，本发明的有益效果在于：

本发明提供的一种通用性强的空调系统负荷计算方法，不同于现有技术需利用EnergyPlus，eQuest、或TRNSYS等软件建立一个完整的二维或三维模型后，再进行空调负荷模拟，而仅需获取目标建筑的相关参数，并将所述参数输入至预设的建筑蓄热体传热模型中，便可快速计算得到目标建筑的空调系统的负荷，计算效率更高。

相应地，本发明还提供一种空调系统负荷计算装置、设备及存储介质。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的空调系统负荷计算方法流程图；

图2是本发明实施例提供的建筑空调系统负荷计算模型示意图；

图3是本发明实施例提供的建筑内部蓄热体传热模型示意图；

图4是本发明实施例提供的空调系统负荷计算装置结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

空调系统是建筑中的主要能耗来源，因此，空调节能是建筑节能研究的一个重要方向。在空调节能的研究中，空调负荷计算对于空调节能而言意义重大，可用于确定空调系统的设备容量、系统参数及控制方案等，对此，第一方面，本发明一个实施例提供了一种空调系统负荷计算方法，如图1所示，所述方法具体包括下述步骤。

S1：获取建筑的蓄热体参数和内部热源参数。

建筑中的蓄热体无论在冬季还是夏季对于调节室内热环境和减少建筑能耗都有积极的意义。在冬季，建筑的蓄热构件可在白天储存太阳能，并在夜间室外温度非常低时将热量再慢慢释放到室内环境中，在夏季，结合夜间的通风降温，蓄热体可有效降低室内白天空气峰值温度或减小白天建筑的峰值负荷；建筑的内部热源则包括照明、电力设备、人员、新风和渗透风等；本实施例利用建筑蓄热体及内部热源的相关参数进行空调系统负荷的计算。

具体地，建筑的蓄热体包括外围护结构和内部蓄热体，蓄热体参数则对应细分为外围护结构相关参数以及内部蓄热体相关参数，其中，外围护结构相关参数包括外围护结构的面积、温度和材料物理性质参数，内部蓄热体相关参数则包括内部蓄热体的面积和材料物理性质参数。

可以理解的是，在本实施例中，建筑的外围护结构具体包括屋面、外墙和外窗，建筑的内部蓄热体包括楼板、内墙、家具、地毯和各种装饰等。

具体地，内部热源参数包括内部热源的逐时分项计量数据和实地采集数据，其中，内部热源的逐时分项计量数据具体为实时采集的电耗数据，实地采集数据则包括人员的数量和渗透风量等。

在一个实施例中，所获取的建筑的蓄热体参数和内部热源参数具体如下表1所示。

表1

其中，气象参数通过建立小型气象站获取，用于计算建筑外空气的焓值；建筑围护结构的外壁面温度、室外综合温度和室内温度及相对湿度等数据均为实际测量获得；建筑围护结构和内部结构的材料以及对应的物理性质参数通过调研和搜集资料获得。

具体地，建筑外围护结构中，外墙以及屋面材料及其物理性质参数如下表2所示。

表2

S2：根据所述内部热源参数计算所述建筑的内部热源负荷；根据所述蓄热体参数以及预先设置的建筑蓄热体传热模型，计算所述建筑的蓄热体负荷。

通过建筑内部热源的相关参数可计算建筑内部热源负荷，具体包括照明散热、电力设备散热、人员和新风负荷等。

在本实施例中，所述预先设置的建筑蓄热体传热模型基于RC热网络模型构建；其中，所述建筑蓄热体传热模型的参数通过遗传算法进行优化。通过输入蓄热体参数至建筑蓄热体传热模型中，可计算得到建筑的蓄热体负荷。

RC(热阻热容)热网络模型是一种常见的灰箱模型，其原理是利用简化的物理模型来模拟建筑能源系统能量流动，具有参数少、直观物理意义、高准确度的优点，可有效提高空调系统负荷的计算效率。

S3：基于所述内部热源负荷和所述蓄热体负荷，确定所述建筑的空调系统总负荷。

具体地，通过上述步骤得到内部热源负荷和蓄热体负荷后，计算二者的负荷总和，再根据所述负荷总和及所述建筑的内部热容得到建筑的空调系统总负荷。

在一个实施例中，空调系统总负荷可表示为下式：

其中，C为热容，单位为J/m

在本实施例中，屋面负荷Q

参照图2，可以理解的是，建筑外围护结构传热模型具体包括屋面和外墙的传热模型，以及外窗传热模型，其中，屋面和外墙具有储能作用，故采用简化的3R2C模型，且不同方向的外墙需分别计算；而对于外窗传热模型，该模型忽略其储能，故将其看作纯电阻。

具体地，建筑外围护结构传热模型的传热方程表示为下述公式：

其中，R为热阻，单位为m

对于屋面和外墙的3R2C模型中的参数3个R和2个C，可通过遗传算法优化计算得到，具体地，如果已知屋顶和外墙每一层详细的材料和物性参数，则使用理论模型对其进行优化，使3R2C模型与理论模型的幅频特性与相频特性尽量相近；如果无法得到屋顶和外墙详细的材料及其物性参数，则采用实测数据对3R2C模型进行优化，即：通过实测的热流数据来推测3R2C模型中的参数。

以下将通过一个实施例描述利用遗传算法优化建筑外围护结构传热模型参数的过程。

具体地，建筑外围护结构的传热属于一维传热过程，因此，其传热模型可以表示为如下所示的关于变量s的拉普拉斯变化方程。

其中，T表示温度，q表示热流，M(s)表示整个壁面所有材料层的总系数矩阵，A(s)～D(s)表示矩阵中的元素，即传热方程组的系数。

可以理解的是，若将所有壁面材料层包括内外空气层分开表示，则可表示为下述方程。

若材料热容很小，则上式可简化为：

因此，建筑与空气的内外表面的换热热阻分别为R

因为建筑外围护结构传热模型方程有唯一解，即关于变量的拉普拉斯变化方程有唯一解，则有：

令：

在本实施例中，用简化的3R2C模型表示建筑外墙和屋面的传热特性；具体地，简化模型包括外部、中部和内部三个部分，对简化模型进行拉普拉斯变换计算：

其中：

A'＝1+(C

B'＝-(R

C'＝-(C

D'＝1+(C

所述3R2C模型也可以表达为下述形式：

其中：

G'

G'

G'

令

将G

在本实施例中，建筑外围护结构传热模型优化的目的是使得简化的3R2C模型的传热幅频特性及相频特性与实际结构理论模型的传热幅频特性及相频特性尽量接近，因此，可推得目标函数为：

其中，PL表示相位，N表示频域，W为关于外部、中部和内部材料层传热的幅频特性与相频特性的权重比例；在本实施例中，W的三个权重比例均取值为1，以得到最好的优化效果。

具体地，优化上述目标函数的约束条件如下所示：

其中，R和C表示所有材料层总的热阻和热容，频域N的取值范围为

进一步地，对建筑外围护结构的简化3R2C模型进行优化计算时，所需输入的参数包括：外墙和屋面的各组成层材料的热阻、比热容、厚度、密度，以及外部壁面温度和内部壁面温度。

为了求解最小函数值的参数，本实施例定义适应度函数为f

在本实施例中，使用遗传算法进行优化的基本运算过程如下：

1)选取参数随机值：给参数随机赋值，并且判断是否在约束条件范围内。

2)初始化：设置进化代数计数器i＝0，设置最大进化代数Max，随机生成若干个个体作为初始种群。

3)个体评价：计算初始种群中各个个体的适应度。

4)选择运算：将选择算子作用于群体；选择目的是将优化的个体直接遗传到下一代，或通过配对交叉产生新的个体再遗传到下一代。选择操作建立在群体中个体的适应度评估基础上。

5)交叉运算：将交叉算子作用于群体，交叉算子是遗传算法的核心。

6)变异运算：将变异算子作用于群体，即是对群体中的个体的某些基因的基因值作变动。

7)群体经过选择、交叉、变异运算之后得到下一代群体。

8)终止条件判断：若i＝Max，则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

参照图2和图3，建筑的内部蓄热体传热模型具体划分为三种，分别为模型1、模型2和模型3。

对于模型1，可理解为对建筑内部蓄热体进行分类，对蓄热体接受的辐射情况不进行分类。在模型1中，根据材料的热惰性，建筑内部蓄热体被分为了三种类型：轻型蓄热体、中型蓄热体和重型蓄热体；由于模型1没有对蓄热体接受到的辐射得热进行分类，故认为所得的太阳辐射、人员、照明和设备的辐射是均匀分布在不同种类的蓄热体上，因此，模型1存在以下关系：

R

C

此外，还有Q

具体地，模型1的传热方程表示为下述公式：

其中，第一位数字下标1表示模型1，第二位数字分别代表三类不同类型的蓄热体。

对于模型2，可理解为对蓄热体接收的辐射情况进行分类，对建筑内部蓄热体不进行分类。在模型2中，根据内部蓄热体所接收到的辐射得热类型，可将建筑内部蓄热体分为三类：仅接受太阳辐射的蓄热体、接受其他辐射(人员、照明灯具和电力设备等产生的辐射)的蓄热体以及不接受辐射的蓄热体；由于模型2未考虑内部蓄热体本身具有的热惰性差别，故存在下述关系：

R

C

此外，还有Q

具体地，模型2的传热方程表示为下述公式：

其中，第一位数字下标2代表模型2，第二位数字表示不同类型的蓄热体。

对于模型3，可理解为对建筑内部蓄热体和蓄热体所接收的辐射情况都进行分类。在模型3中，根据材料的热惰性将建筑内部蓄热体分为两类：轻型蓄热体和重型蓄热体，不同于模型1，模型3不仅考虑到蓄热体可能出现温度分布不均匀现象(如蓄热体表面不同部位温度不一致，或蓄热体表面温度与蓄热体内部温度不一致等)，还考虑到不同类型的蓄热体所接收到的辐射类型不同，故设置为串并联混合模型。

具体地，模型3认为太阳辐射只作用在小部分重型蓄热体上(如靠近窗户的地面)，而其他辐射(人员、照明灯具和电力设备等产生的辐射)则作用在其余重型蓄热体和轻型蓄热体上，故存在下述关系：

R

C

此外，还有Q

具体地，模型3的传热方程表示为下述公式：

其中，第一位数字下标3代表模型3；第二位数字代表不同类型的蓄热体，具体地，R和C的下标1、3、5分别代表蓄热体表面，下标2、4、6则分别代表蓄热体内部。

上述建筑内部蓄热体传热模型中，模型1、模型2和模型3的参数R和C均通过遗传算法优化计算得到，从而使模型得到的负荷与实测得到的实际负荷尽可能相近，在另一实施例中，可通过部分实测数据来估算建筑内蓄热体传热模型的相关参数。

具体地，建筑内部蓄热体的参数优化目的是使建筑空调系统计算的负荷值与实际负荷值之间的均方根误差尽可能小，所以优化目标函数设置为:

其中，Q

需要说明的是，建筑内部蓄热体传热模型可采用实测的冷量数据对模型参数进行预估，并采用遗传算法进行优化，具体优化过程与上述建筑外围护传热模型参数的优化过程思路一致，本发明不再赘述。

在实际应用中，选择建筑内部蓄热体的三类模型中效果最好(即平均相对误差最小)的一类进行建筑空调系统负荷的计算。

经分析，实测数据的优化结果对辐射得热的分布敏感，对蓄热体的分类不敏感，推荐使用模型2；而模拟数据的优化结果则对辐射得热的分布不敏感，对蓄热体的分类非常敏感，推荐使用模型1。

考虑更加复杂的模型并没有表现出更好的估算效果，因而简单的3R3C并联模型便可以对建筑内部蓄热体进行很好的描述。

对于内部热源负荷，本实施例转为计算建筑内部热源得热，具体包括两个部分，一是照明及电力设备散热计算，二是人员、新风和渗透风负荷计算。

其中，对于照明及电力设备散热的计算，由于建筑内所有电力设备最终都将电耗转化为内部负荷，故可以将逐时分项计量数据作为内部的热量计算，则建筑不同日类型下的逐时分项能耗数据计算模型为：

其中，Q

需要说明的是，电力设备负荷Q

具体地，根据回归模型对不同日类型下的逐时分项能耗数据进行计算；对于同一日类型，则选取能耗最大的值作为基准值，其他时刻的能耗值与基准值的比值为对应时刻的同时使用系数，利用所述同时使用系数计算各时刻的能耗值。

需要说明的是，照明灯具和电力设备的对流换热得热以及辐射得热的比例可根据样品手册确定，若没有样品手册作为参考，则可参考ASHRAE Handbook或者相关研究数据。

具体地，本实施例采用的照明灯具的对流换热比例为20％，辐射比例为80％；电力设备的对流换热比例为80％，辐射比例为20％，依据该比例可计算出相应的对流换热得热。

示例性的，有Q

在人员负荷的计算中，具体地，对于有人员出入的建筑，可选取人员数量的高峰值作为基准值，其他时刻的人员数量与基准值的比值作为该时刻的人员同时在室系数，利用所述人员同时在室系数计算各时刻的人体负荷；对于没有人员进出的建筑，则可以进行短期现场调研或者参考相关规范。

需要说明的是，人员散热功率的选取可参考相关标准，例如，显热量、潜热量以及对流换热得热和辐射得热的比例可参考ASHRAE Handbook，取值分别为40％、20％和40％；又如，可根据Braun的研究，将人员散热的对流换热比例设置为70％，辐射比例设置为30％。

示例性的，有

综上，有Q

在新风负荷和渗透风负荷的计算中，具体地，新风量可根据实际空调系统的新风设置情况进行设置；渗透风量的设置可根据建筑类型和分区在0.1～0.5次/小时范围内选取。

具体地，有：

Q

Q

Q

其中，m为渗透风换气次数，V为房间体积，ρ为室外干球温度下的空气密度，t

本发明上述实施例在现有的RC热网络模型基础上，建立了建筑外围护结构传热模型，并对建筑内部蓄热体的简化模型进行了三种不同类型的改进，同时还使用内部热源的实时分项计量数据对建筑内部的照明、电力设备等内部得热进行描述，相对比现有技术能够有效提高计算效率，另一方面，所构建的建筑蓄热体传热模型具备通用性，对于不同的建筑空调系统，仅需输入对应参数便可得到负荷计算结果。

第二方面，参照图4，本发明另一实施例提供一种空调系统负荷计算装置，包括获取模块101、第一计算模块102和第二计算模块103。

获取模块101用于获取建筑的蓄热体参数和内部热源参数。

第一计算模块102用于根据所述内部热源参数计算所述建筑的内部热源负荷；根据所述蓄热体参数以及预先设置的建筑蓄热体传热模型，计算所述建筑的蓄热体负荷。

第二计算模块103用于基于所述内部热源负荷和所述蓄热体负荷，确定所述建筑的空调系统总负荷。

上述装置内的各模块之间信息交互、执行过程等内容，由于与本发明第一方面的方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方法的目的。

第三方面，本发明提供一种数据处理设备，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序，所述程序由所述处理器执行，使得所述数据处理设备执行第一方面所述的空调系统负荷计算方法。

第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述第一方面所述的空调系统负荷计算方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可监听存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。