發(fā)布時間：2018-09-05 19:28

【摘要】：目前城市區(qū)域建筑能源規(guī)劃階段單體建筑信息不完備、無法同時使用常規(guī)負荷計算軟件對各建筑進行冷熱電力負荷預測,本文提出采用蒙特卡羅模擬方法結合負荷計算原理預測區(qū)域建筑冷熱電負荷的方法 .該方法首先構建適用于新區(qū)多功能建筑的冷熱電負荷預測隨機模型,并依據(jù)調(diào)研結果確定預測模型風險變量的特征分布,再利用蒙特卡羅隨機模擬技術應用MATLAB語言編制程序可求解研究區(qū)域峰值冷熱負荷概率分布、電力峰值分布和全年逐時負荷.論文以某新區(qū)為例,模擬了區(qū)域建筑的負荷特性,仿真結果表明:區(qū)域建筑負荷預測隨機模型可以有效地模擬新區(qū)冷熱電峰值負荷的頻數(shù)分布和累積概率,在典型應用場景下,研究區(qū)域峰值電力負荷95%置信度下為37 MW,峰值冷負荷為50 MW,比傳統(tǒng)方法下降6%.
[Abstract]:At present, the single building information in urban area energy planning stage is not complete, so it is impossible to use the conventional load calculation software to forecast the cooling and heat power load of each building at the same time. In this paper, a Monte Carlo simulation method combined with the principle of load calculation is proposed to predict the cold, thermal and electric loads of regional buildings. This method firstly constructs a stochastic model of cold, heat and electricity load forecasting for multi-functional buildings in the new area, and determines the characteristic distribution of the risk variables of the prediction model according to the survey results. Using Monte Carlo stochastic simulation technology and MATLAB programming language, the probability distribution of peak cooling and heat load, the peak distribution of electric power and the hourly load of the whole year can be solved. This paper takes a new area as an example to simulate the load characteristics of regional buildings. The simulation results show that the stochastic model of regional building load forecasting can effectively simulate the frequency distribution and cumulative probability of the peak load of cooling and heating electricity in the new area, and it can be used in typical application scenarios. The peak cooling load of 37 MW, at 95% confidence level in the studied area is reduced by 6% compared with the traditional method, and the peak cooling load of 50 MW, is lower than that of the traditional method.
【作者單位】： 上海市建筑科學研究院;同濟大學綠色建筑及新能源研究中心;
【基金】：基金項目:上海市建筑節(jié)能與綠色建筑技術創(chuàng)新服務平臺(17DZ2292900)
【分類號】：TU831.2

【相似文獻】

相關期刊論文 前10條

1 孫華鋒;胡安鑫;;基于事例推理的燃氣負荷預測[J];天然氣與石油;2007年02期

2 韓艷平;焦文玲;高華偉;;杭州燃氣負荷預測軟件的編制[J];煤氣與熱力;2008年03期

3 陳柳;吳冬梅;;空調(diào)負荷預測探討[J];制冷;2007年03期

4 姚奕穎;;燃氣負荷預測專家系統(tǒng)模型的研究[J];煤氣與熱力;2006年07期

5 代麗嫻;;天燃氣負荷預測的建模與應用研究[J];計算機仿真;2011年10期

6 張明光;劉連國;王磊;王洋;田貫三;;基于神經(jīng)網(wǎng)絡的燃氣小時負荷預測[J];山東建筑大學學報;2010年02期

7 楊慧萍;;城市電力規(guī)劃負荷預測之我見[J];電子世界;2012年14期

8 苗艷姝;段常貴;;燃氣年度負荷預測的偏最小二乘回歸分析法[J];哈爾濱商業(yè)大學學報(自然科學版);2008年01期

9 孫永康;;天然氣規(guī)劃設計中燃氣負荷預測指標的研究[J];上海煤氣;2013年02期

10 柯遂;玉建軍;;短期燃氣負荷預測方式及其分析[J];才智;2011年31期

相關會議論文 前2條

1 曲秋波;朱能;劉斌;;BP網(wǎng)絡與空調(diào)負荷預測[A];全國暖通空調(diào)制冷2002年學術年會資料集[C];2002年

2 劉方;王利珍;翁廟成;;火災增長隨機模型[A];2005西南地區(qū)暖通空調(diào)熱能動力年會論文集[C];2005年

相關博士學位論文 前1條

1 苗艷姝;城市燃氣負荷預測的研究[D];哈爾濱工業(yè)大學;2006年

相關碩士學位論文 前10條

1 候鵬;基于最小二乘支持向量機的空調(diào)負荷預測應用研究[D];華南理工大學;2015年

2 侯聰;數(shù)據(jù)挖掘在短期空調(diào)負荷預測中的應用研究[D];中原工學院;2016年

3 郭菲菲;BIM技術在建筑負荷預測方面的應用[D];鄭州大學;2016年

4 張少平;基于經(jīng)驗模式分解和優(yōu)化神經(jīng)網(wǎng)絡的燃氣負荷預測研究[D];上海師范大學;2016年

5 邱靜;基于改進的混合蛙跳算法的短期燃氣負荷預測模型研究[D];上海師范大學;2016年

6 王婷;基于BP組合模型的燃氣負荷預測的研究[D];上海師范大學;2016年

7 高沖;航站樓蓄冷空調(diào)系統(tǒng)的負荷預測和運行優(yōu)化方法研究[D];中國民航大學;2016年

8 林峰;城市規(guī)劃用氣負荷預測研究[D];哈爾濱工業(yè)大學;2014年

9 聶樹林;天然氣用氣負荷預測與調(diào)度[D];華南理工大學;2010年

10 文翰;基于最小二乘法的熱負荷預測的研究與應用[D];大連海事大學;2014年

，

本文編號：2225245