《7建筑能耗分析用逐时气象模型.ppt》由会员分享，可在线阅读，更多相关《7建筑能耗分析用逐时气象模型.ppt（38页珍藏版）》请在三一文库上搜索。
1、建筑能耗分析用逐时气象模型,问题的提出,国内外气象模型的研究情况,研究目的和主要内容,气象模型建立的总体思路,选择典型气象年,逐时气象模型的建立,逐时模拟数据与实测数据的比较,气象模型的实际应用,内容提要,结论,问题的提出,外界气象条件的变化情况与建筑物的动态热特性是研究空调系统动态过程的基础。 只有基于一整套切实反映气象环境的数据才能真正对建筑物的冷热能耗有更加准确的计算分析，对整个空调系统的动态过程有更全面的了解。,国内外气象模型的研究情况,统计法 随机数模拟法 随机过程模拟法,综合考虑以上三种建立气象模型的方法，我们可以看到： 统计法利用长期的逐时数据构成典型年（或参考年）。然而我国的逐
2、时气象观测数据却很不完整，目前只有少数城市有近几年的逐时气象数据，而且这些数据由于某些原因还未公开。 除统计法外，气象模型由分两步进行：首先，用随机方法模拟逐日气象参数；然后，再用模拟出的逐日气象参数配出或随机模拟出最终要求的逐时参数。 随机数模拟法和随机过程模拟法是在逐日数据的缺乏的情况下产生的，主要应用于逐日数据的模拟。然而，这两种方法所模拟出来的气象数据仍不能完全反映实际的逐日气象变化规律。,随着我国逐日气象资料的公开，我们已获得遍布全国的194个气象站台的近50年的逐日气象数据。 在逐日数据充足的有利条件下，就无需再用复杂繁琐的方法模拟逐日参数，也就是说，可以越过气象模型建立的第一步，
3、直接进行第二步模拟逐时参数。,研究目的和主要内容,研究目的在逐日实测数据的基础上，建立一套完备可靠的气象模型,获得满足一定统计要求的全年逐时气象数据,为空调系统动态过程的研究建立坚实的基础。 主要内容 在历年气象数据中挑出具有气候代表性的典型气象年； 找出空气干球温度、绝对湿度、太阳辐射、风速风向以及天空有效温度等气象参数的一天内的变化规律，建立各气象参数的逐时模型； 验证逐时气象模型； 应用模型于空调系统的动态负荷模拟中； 模拟全国194个站点的典型年逐时气象数据。,气象模型建立的总体思路,原始逐日气象数据,典型气象年的选择,模拟逐时气象数据,干球温度,绝对湿度,太阳辐射 （直射和散射）,天
4、空有效温度,风向,风速,原始逐日气象数据构成,来自 中国气象中心,典型气象年的选择,由于气象参数的随机性，根据各年的实测气象参数来计算建筑负荷，其结果常有较大差别； 这就有必要选取一个“典型年”, 它由“平均月”构成，按每一“平均月”的气象参数算得的负荷应与该月的、按历年实际气象参数算得的负荷的平均值吻合； 典型年反映了气象环境的平均状况。,对于月份m，如果第y年的实际气象参数能 同时满足以下条件者，可认为该年该月有条 件成为“平均月”：,计算每月各气象参数的 N年平均值 及方差,典型气象年的选择方法,统计出每年每月的各气象参数的平均值,设有N年的逐日数据,初选平均月,i参数序号 m月份序号
5、Y年份序号,如有若干个年份的m月都能满足“初选平均月的条件”， 计算Dm值，选择Dm最小的月份作为第m月的“平均 月”：,Ki各气象参数的权重,选择典型气象年的气象参数及其权重,干球温度模型的建立,资料表明，一天内最高温度一般出现在午后三时，而最低温度出现在日出前一小时左右。温度在一天内的变化规律可以近似用余弦函数来表示。,干球温度模型的建立,日平均温度,日最低温度,日最高温度,用傅立叶级数模拟逐时温度,用一种简易方法模拟逐时温度,没有考虑各天之间的影响， 各天之间的温度都是孤立的,逐时模拟温度的日均值与实测值 的误差较小,各天温度之间都是连续的,逐时模拟温度的日均值与实测值 的误差较大,各天
6、衔接处平滑处理,绝对湿度模型的建立,绝对湿度的模拟是通过间接的方法得到： 利用已模拟出的逐时温度计算逐时饱和水蒸气压力； 模拟出逐时相对湿度； 逐时水蒸汽分压力（绝对湿度）逐时相对湿度逐时饱和水蒸气压力；,水蒸气分压力,饱和水蒸气分压力,相对湿度,相对湿度的逐时模拟,资料表明，相对湿度日变化主要决定于气温日变化，但位相相反，即最低相对湿度出现在午后最高温度时段，而相对湿度最高值出现在清晨温度最低时刻。 因此可用模拟温度的方法来模拟相对湿度，只要变化方向相反即可。,日平均相对湿度,日最低相对湿度,日最高相对湿度 2日平均相对湿度日最低相对湿度,各天衔接处平滑处理,太阳辐射模型的建立,太阳辐射量的
7、逐时模拟主要包括两方面： 总辐射的逐时模拟 直射和散射的分离,总辐射的逐时模拟,太阳总辐射的逐时模拟采用Collores-Perein和Rabl模型（简称C.P.R模型）：,小时中点的时角,水平面日辐射总量,直射和散射的分离,根据水平面接受到的太阳日总辐射与大气层外太阳日总辐射之比Kt的范围，可分为如下四种情况：,已知,可计算得到,Kt=0.28,0.5Kt0.74,晴天,有云,阴,阴,0.28Kt0.5,有云,阴,Kt=0.74,晴天,采用MARKOV链来 决定某一瞬间的状态,采用MARKOV链来 决定某一瞬间的状态,直射和散射的分离,阴,有云,晴,水平面直射辐射强度/大气层外辐射强度在水平
8、面的投影,散射辐射强度/大气层外辐射强度在水平面的投影,水平面总辐射强度/大气层外辐射强度在水平面的投影,可由逐时总辐射计算得到,风速模型的建立,在陆地上，一般风速以午后最大，因为下垫面最热，对流旺盛，高空大风下传的动量也最多。日落前的1619时地面开始逐渐冷却，气层趋于稳定，因而风速急减，入夜后风速基本保持稳定，一直到日出后因近地气层不稳定而风速迅速增大，1011时即达到峰值附近，1116时是全天风速最大的时段。,实测哈尔滨、北京、汉口和广州四站的年平均风速日变化曲线,理想风速日变化,T1=日出时刻1 （小时） T2=正午时刻3 （小时） T3=日落时刻2 （小时）,T1时刻，日最小风速，
9、可利用日平均风速和日最大风速求得,T2时刻，日最大风速，已知,T3,这种变化规律不能完全反映一天的风速变化规律！,理想风速模型与马尔可夫链 的联合应用,把理想风速得到的逐时值作为各时刻的期望部分，把马尔可夫链得到的逐时值作为随机部分。 如何确定这两者的比例？ 通过对密云逐时风速原始数据的试算发现，当期望部分的权重为0.65,随机部分的权重为0.35时，模拟产生的风速与原始数据的RMSE (均方根误差)和SDE(标准误差)最小。 模拟风速0.65*期望部分0.35*随机部分,风向模型的建立,以每日最大风速时刻的风向为起点，用马尔可夫链的方法模拟 当天最大风速时刻以后，下一天最大风速时刻之前的风向
10、！,该马尔可夫链是跟据密云19932000年的逐时风向数据计算得到的。,日照百分率,水汽压 ，mbar,天空有效温度的模拟,天空有效温度是大气水汽含量、云量（或日照百分率）、气温及地表温度的函数。文献表明，天空有效温度可由下式求得：,Ta空气干球温度，K Ts地表温度，K,K,已求得,已求得,日照百分率的逐时模拟,利用实测的逐日日照小时数，逐时日照百分率可由下式得到：,相对日照百分率，表示某一期间内日照率 和假设太阳高度角为90度的日照率的比值,表示太阳高度角,日照小时数，已知,逐时相对日照百分率的在一天内的积分，假设太阳高度角为90度时的日照小时数。,地表温度的逐时模拟,文献表明，地表温度是
11、空气干球温度,总辐射强度和地面与天空之间的长波辐射交换量的线性函数：,空气干球温度,总辐射强度,地面与天空之间的长波辐射交换量,利用上海逐时实测地表温度进行多元线性回归，得到A、B、C、D的值 。,本时刻,上一时刻,天空有效温度的模拟,逐时模拟数据与实测数据的比较 温度,数据来源上海1998-2002逐时气象数据,相对误差绝对误差/日波幅,平均误差,均方根误差,标准偏差,平均绝对误差,逐时模拟数据与实测数据的比较 绝对湿度,数据来源上海1998-2002逐时气象数据,相对误差绝对误差/日波幅,平均误差,均方根误差,标准偏差,平均绝对误差,逐时模拟数据与实测数据的比较 总辐射强度,数据来源上海1
12、998-2002逐时气象数据,相对误差绝对误差/日波幅,平均误差,均方根误差,标准偏差,平均绝对误差,逐时模拟数据与实测数据的比较 风速,变化趋势和数值大小是一致的,逐时模拟数据与实测数据的比较 风向,数据来源密云1993-2001的逐时风向,年均值比较，单位：度,月均值比较，单位：度,某方向数据观测为(0360),则可用一个单位矢量描述，它由N轴(正北向)沿顺时钟方向转动得到,气象模型的实际应用,检验气象模型的优劣最终还得看模拟的逐时气象数据能否反映长期气象环境对建筑负荷的影响。,19992002年 实测逐时数据,19992002年逐日数据,典型年,典型年逐时数据,转换,选择,模拟,1999
13、2002年建筑负荷,典型年建筑负荷,比较,数据来源为上海1999-2002的逐时气象数据,DeST模拟,DeST模拟,气象模型的实际应用,该商业建筑位于上海，是以办公室为主要单位的建筑。共有10层，这里把29层简化为一层计算。,每一层的分为两个空调系统：空调系统1负责公用部、事务室13的外区；空调系统2负责公用部、事务室13的内区。设该办公楼的空调系统为全年连续运行。,气象模型的实际应用,典型年的建筑负荷能够代表各年不同气象环境对建筑负荷影响的平均状态，反映了长期气象环境对建筑热环境的影响。,各年负荷与典型年的比率,结论,建立了一套完备可靠的逐时气象模型； 模拟得到全国194个气象站点的典型年逐时气象数据； 本气象模型应用于实际建筑的负荷估算，能够反映气象因素对建筑热环境的长期影响。,谢谢大家！,