1. 배경
건물 열공 과정은 건물 환경 특성 연구, 에너지 효율적인 건물 분석 및 평가, 건물 환경 제어 시스템 설계 (난방, 환기 및 에어컨) 의 기초입니다. 건물 열 과정은 실외 기상 조건과 건물에 작용하는 다양한 실내 열원 (사람, 조명 및 장비) 으로 인한 건물 실내 환경의 온도 및 습도 변화입니다. 따라서 실외 기상 조건, 내부 열원 조건 및 건물 구조의 열 성능 매개변수에 따라 달라집니다. 그러나 실외 기상 매개변수와 내부 열원은 모두 결정된 과정이 아니라 불확실성이 큰 임의 과정입니다. 따라서 이러한 무작위 요소는 건물에 작용하여 건물 내 열 환경 변화 과정 (이론적 변화 과정) 을 무작위 과정으로 만듭니다.
오랫동안 건물 열 과정은 기본적으로 특정 기상 매개변수와 실내 열원의 발열량 조건 하에서 건물 열 과정을 계산하고, 열 환경 제어 시스템을 설계하고, 건물 에너지 소비를 분석하는 결정 과정에 따라 연구되었습니다. 이렇게 하면 계산된 기상 매개변수와 실내 열원의 발열량을 선택하는 방법에 많은 문제가 생길 수 있습니다.
난방 시스템의 설계 계산에서는 실외 기상 매개변수의 확률 분포에 따라 일정 불확실성 하에서 가장 불리한 실외 조건을 계산 기준으로 난방 부하를 계산합니다. 그러나 건물 구조마다 실외 기상 조건의 변화에 다르게 반응합니다 (창-벽 비율, 내부-외부 벽 면적, 빛, 중간, 무거운 구조 등). ) 그리고 실외 온도의 무보증률은 실내 온도의 무보증률이 아니다. 일부 건물은 계산량이 많고 설비 선택이 너무 많아 시스템 초기 투자 및 운영비 낭비를 초래할 수 있다. (윌리엄 셰익스피어, 윈스턴, 실외, 실외, 실외, 실외, 실외, 실외, 실외, 실외) 그래서 추구해야 할 것은 실내 온도를 일정 수준에 이르게 하는 것입니다. 난방 부하는 얼마입니까?
건물 열공 성능 평가에서 분석은 현지 표준 기상 데이터 세트 (기준 연도 TRY, 일반 연도 TMY, 표준 연도 SY 등) 를 기준으로 합니다. ). 하지만 실제로 매년 기상 과정은 이 표준 과정과 다르며, 기상 과정에 따라 건물마다 다른 열 반응을 일으킬 수 있습니다. 예를 들어 겨울철 일조 시간이 많을 때는 큰 창벽 비율이 난방 부하를 줄일 수 있고, 일조 시간이 적을 때는 큰 창벽 비율이 난방 부하를 증가시킬 수 있다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 겨울명언) 한 지역의 일조 시간은 매년 다르다. 특정 데이터 세트를 기반으로 한 최적의 창벽은 해당 지역의 실제 변화하는 기상 환경에 어떻게 적합합니까? 무작위 외부 기상 조건에서 실내 온도 또는 난방 부하도 무작위 과정이므로 건물의 에너지 절약 여부를 평가하는 기준은 실내 온도가 지정된 값보다 낮은 최소 확률 (난방이 없는 경우) 또는 겨울 누적 열이 지정된 값보다 높은 최소 확률 (난방 시) 이어야 합니다.
이러한 문제는 에어컨 시스템 장비 선택 및 에어컨 시스템 시뮬레이션 분석의 설계 및 연구에도 존재합니다. 현재 국내외 에어컨 설계에는 대량의 설비가 여유가 있다. 관련 조사 자료에 따르면 베이징 광저우 일부 호텔 호텔 호텔 에어컨 시스템이 선택한 국내나 해외에서 디자인한 냉장고는 보통 계절에 설치용량의 절반도 안 되고 가장 더운 계절에는 3 분의 2, 3 분의 1 도 안 되는 냉장고가 거의 사용되지 않는 것으로 나타났다. 에어컨 설계 과정에서 불확실한 각 링크에 1 보다 큰 안전계수를 곱하는 경우가 많기 때문에, 층층이 코드를 덧대는 시스템으로 인해 장비 용량 선택이 커질 수밖에 없습니다. 각종 불확실성 때문에 실제 에어컨 시스템의 운행 상태는 무작위로 변한다. 따라서 에어컨 부하의 확률 분포에 따라 에어컨 설비를 선택해야 합니다. 즉, 확률 신뢰성에 따라 다른 장비 용량을 결정해야 합니다. 확률신뢰도의 결정은 건물의 사용 기능과 업주의 경제관념과 밀접한 관련이 있어 에어컨 시스템 설계의 기능과 투자의 변증관계를 보여준다. 국내외 건물 에너지 분석 분야는 상세하고 정확하며 정교한 새로운 방법을 지속적으로 개발하고 연구하고 있지만, 이런 무작위성 문제를 해결하지 않으면 실외 기상 조건과 실내 열원의 무작위성을 충분히 반영할 수 없고, 건물의 실제 열공 과정을 사실적으로 반영하는 결과를 얻을 수 없다.
위의 분석에서 볼 수 있듯이, 건물 열 과정의 분석과 연구에서 실제로 추구하는 것은 실내 온도 변화나 특정 조건 하에서 필요한 냉열이 아니라 실내 온도 변화의 확률 분포와 특정 조건 하에서 필요한 냉열 (건물의 열 관성 때문에, 이 확률 분포는 실외 기상 매개변수의 확률 분포와 다를 수 있음) 을 통해 이러한 문제를 해결하고 실용적인 결론을 내릴 수 있습니다.
연구의 기본 문제와 방법.
위의 확률 분포를 계산하는 한 가지 방법은 현지 50 년 또는 100 년에 측정된 기상 데이터를 직접 활용하고 기존의 다양한 건물 에너지 분석 프로그램을 통해 시뮬레이션 계산을 수행하여 50 년 또는 100 년 동안 건물의 실내 온도 변화 또는 필요한 냉방 난방 능력을 얻은 다음 통계를 통해 확률 분포를 얻는 것입니다. 이 방법은 이론적으로 이러한 문제를 적절하게 해결할 수 있지만 계산량이 많고 각 실제 작업자도 50 년 또는 100 년 기상 데이터를 파악하기가 어려워 실제 문제를 해결하는 데 실제로 사용하기가 어렵습니다.
또 다른 방법은 직접 무작위 분석법입니다. 건물 열 과정의 해결은 실제로 미분방정식 세트를 해결하는 것이고, 외부 기상 조건과 실내 열 교란은 이 미분방정식 그룹의 경계 입력 매개변수이다. 이러한 모든 경계 입력 매개변수가 무작위 프로세스인 경우 이 방정식 세트는 무작위 미분 방정식 세트가 됩니다. 이 미분 방정식을 직접 풀고 무작위 과정의 다양한 통계 매개변수를 찾아내면 이러한 확률 분포를 얻을 수 있으며, 이는 비교적 간단한 방법으로 발전하여 이러한 실제 문제를 직접 해결할 수 있습니다.
국내외 학자들은 1980 년대 초부터 무작위 분석 방법을 탐구하기 시작했다. 198 1 년, 태국 학자 Tanthapanichakoon 등은 몬테카를로 방법으로 태양방의 무작위 특성을 연구했다. 열 균형 방정식의 경계 조건과 방정식 계수의 무작위성을 고려하여 32 개의 정규 분포의 무작위 변수를 도입하여 기대치, 표준 편차 및 최대 허용 값을 지정한 다음 난수 생성기를 사용하여 32 개의 무작위 변수의 샘플을 생성하고 태양방의 열 균형 방정식을 풀었습니다. 이렇게 여러 차례 무작위로 시뮬레이션하여, 마지막으로 실온과 보조 열원 전력의 기대치와 분산을 집계하였다. 이 방법은 효율성이 매우 낮아 임의 요인의 시간상 자기 상관과 상호 상관을 고려할 수 없다. 1985 캐나다학자 Haghighat 등은 실외 날씨 등 무작위 요인에 따른 실온 무작위 과정을 연구했다. 그들은 또한 무작위 요소를 인수로 사용하고 사용합니까? 임의 적분법을 사용하여 방 열 균형 방정식을 풀고 방 온도 기대치와 2 차, 3 차 모멘트를 얻습니다. 이 방법은 효율성을 높임에도 불구하고 다양한 무작위 요소 간의 상관관계를 고려할 수 없다. 1987 년 스위스 학자 Sxartezzni 등은 제한된 마르코프 체인법으로 패시브 태양방의 에너지 소비와 열 쾌적성을 연구했다. 그들은 외부 온도와 태양 복사를 마르코프 상태 전이 매트릭스로 이산한 다음, 상태 공간 법에 설명된 방 열 균형 방정식을 명시적 차이로 해석하여 각 상태 점 온도의 상태로 구성된 전이 매트릭스를 얻습니다. 실온 또는 열 쾌적 지표 PMV 가 특정 상태에 있을 확률을 얻을 수 있습니다. 이런 방법도 같은 단점을 가지고 있다. 1990 에서 일본 학자 Hokoi 등은 최적의 제어 이론으로 간헐적인 에어컨 난방 부하의 임의 특성을 연구했다. 이들은 실외 기상 매개변수의 ARMA 모델을 만든 다음 기상 모델을 상태 공간에 설명된 방 열 균형 방정식으로 대체한 다음 롱그 쿠타법을 사용하여 상태 점 온도의 1 차 및 2 차 모멘트 방정식 (통합 시간 단계는 0.0 1 시간) 을 해결합니다. 이 방법의 장점은 시간에 따라 실외 기상 매개변수의 자기 상관과 상호 상관을 고려한다는 것이다. 그러나 모멘트 방정식을 직접 풀어야 하기 때문에 방의 열 상태는 몇 개의 노드 온도로만 나타낼 수 있습니다. 그렇지 않으면 계산량이 상당히 큽니다. 따라서 이 방법의 결과는 구조가 복잡한 건물에는 적용되지 않습니다.
10 여 년간의 연구 과정에서 저자는 점차 새로운 무작위 분석 방법인 STO-무작위 분석 방법을 제시하여 주로 다음 네 가지 기본 문제를 해결했다.
2. 1 임의 기상 모델 및 실내 열 교란 모델 작성.
그 목적은 추가 분석을 위해 이 두 가지 무작위 프로세스를 설명하는 방법을 찾는 것입니다. 기상 조건의 경우 이 연구에서는 외부 온도, 절대 습도, 직사광선 및 산란의 네 가지 매개변수에 대한 임의 모델을 설정합니다. 이 모델은 일일 모델과 시간별 모델의 두 가지 하위 모델로 구성됩니다. 일일 평균 외부 온도, 외부 온도 크기, 일일 평균 습도, 습도 크기 및 수평 일일 총 복사 계수 KT 5 개 매개변수를 일일 모델의 기본 양으로 사용하여 부드러운 변환을 통해 결정된 시변 과정과 부드러운 임의 프로세스로 변환합니다. 이 부드러운 과정을 설명하기 위해 다차원 시계열 방법을 사용하여 ARMA 모델을 설정합니다. 일 매개 변수에 기초하여 시간 모델은 "유형 함수" 방법을 사용하여 일 매개 변수 테이블에서 직접 파생됩니다.
(1)
여기서 φt, φw, φQd, φQf 는 많은 실제 기상 데이터를 기반으로 하는 통계 함수이고 TM, TP, WM, WP, kt 는 위의 5 일 매개변수입니다. 이 모델은 대량의 통계 방법 검증을 거쳐 실제 기상 변화 과정을 잘 반영한 것으로 증명되었다. 실내 열원 열 교란의 경우 정규 분포의 무작위 변수로 볼 수 있지만, 그 평균과 분산은 서로 다른 경우에 무작위 변수이지만, 그 평균과 분산은 각기 다른 경우의 범위에 따라 대량의 통계 작업을 통해 결정되어야 한다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 계절명언)
2.2 건물 열 공정 모델 수립
기존의 일부 방법은 이러한 무작위 분석에 적용되지 않기 때문에 현대 제어론의' 상태 공간' 개념을 채택하여' 상태 공간법' 을 제시했다. 이 방법은 열 균형 방법으로 설명한 다중 구역 건물의 열 프로세스에 대한 자세한 프로세스를 제공합니다. 도메인 내부 표면 간의 장파 복사, 도메인 간 공기 흐름, 내부 및 외부 음영 등의 프로세스를 자세히 설명할 수 있습니다. 건물의 동적 열 프로세스의 경우 이 모델은 다음과 같이 표현할 수 있습니다
C t=A tB u(2)
T 는 건물 봉투 표면, 내부 노드 및 실내 공기 노드의 온도를 포함하는 벡터입니다. U 는 실외 기상 환경과 내부 열원의 발열량으로 구성된 외부 교란 벡터입니다. A, B, C 는 건물 구조의 열적 특성의 행렬로, 위의 공식의 해석을 쓸 수 있다.
(3)
Y(τ) 는 실내 온도 및 봉투 표면 온도와 같은 우리가 염려하는 출력 매개 변수입니다. φi, λi, λ I 는 계수 벡터 시퀀스와 a, b, c 에서 파생된 계수 시퀀스입니다 .. 공식 (2) 과 공식 (3) 의 형식을 통해 다음 단계의 임의 분석을 쉽게 수행할 수 있습니다.
2.3 확률 미분 방정식의 해법
무작위 기상 모델을 U 대입방정식 (2) 으로 사용하면 건물의 무작위 열 과정을 반영하는 무작위 미분방정식을 얻을 수 있다. 그것의 해법은 한 부분과 임의 부분의 합으로 나타낼 수 있다. 이렇게 결정된 부분은 무작위 과정의 예상 과정으로, 무작위 부분의 모멘트를 계산하여 얻을 수 있는 다양한 통계적 특징이다.
2.4 임계 값 문제 해결
실온이라는 무작위 과정의 확률 분포만 얻을 수 있고 실제 문제를 직접 분석하고 해결할 수는 없다. 실제 엔지니어링의 설계 및 분석 문제는 임의 프로세스의 경우 프로세스가 지정된 상한 또는 하한을 통과할 때 총 시간에 대한 시간의 비율을 구하는 확률입니다. 예를 들어, 겨울 난방 부하 계산에서 난방 기간 동안 실내 온도가 특정 값 (예:18 C) 보다 낮은 임의 변수의 확률 분포를 요구합니다. 이렇게 하면 특정 보증율에서 필요한 난방 부하를 실제로 얻을 수 있습니다. 마찬가지로 수동적인 태양실에 대한 평가는 이런 태양실의 실온이 특정 기준치보다 낮은 시간을 전체 겨울 시간의 비율에 대한 확률 분포를 보는 것이다. (윌리엄 셰익스피어, 윈도, 태양실, 태양실, 태양실, 태양실, 태양실) 여름 건물의 과열 문제를 평가하는 것은 여름 건물의 실온이 규정된 값을 초과하는 시간의 백분율인 무작위 변수의 확률 분포를 보는 것이다. 이러한 문제는 전형적인 임계 값 문제입니다. 실온 T 가 무작위 과정일 때 주어진 온도 t0 에 대한 확률을 얻습니다.
(4)
여기서 g(x) 는 단위 단계 함수이고, C0 은 과열 비율이고, (τ 1, τ2) 는 여름 시간입니다.
STOAN 은 이 무작위 변수의 기대치와 2 차 모멘트를 직접 계산하고, 기본적으로 통계 법칙을 얻고, 이를 사용하여 실제 엔지니어링 문제를 해결할 수 있는 적분 방법을 제공합니다. 개발된 STOAN 소프트웨어는 PC 에서 실행하거나 PC386/33 에서 사용할 수 있습니다. 2 ~ 3 개의 도메인이 있는 건물의 경우 2 ~ 3 분 안에 모든 무작위 해법을 얻을 수 있다.
방법 테스트
STOAN 방법은 실제 문제를 해결하기 전에 정확성을 입증하기 위해 심층적인 검증이 필요합니다. 다음과 같이 검사 및 검증해야 합니다.
3. 1 무작위 기상 모델 테스트
검사에는 모델링 프로세스의 검사와 모델 시뮬레이션에 의해 생성된 임의 기상 매개변수의 검사가 포함됩니다. 모델링 프로세스의 검증은 다음과 같습니다.
알려진 10 년 실측 기상 자료를 이용하여 균형 전환을 통해 전환 후의 과정이 균형 과정인지 확인합니다.
안정성 변환 후 프로세스가 정상 과정인지 확인하십시오.
이 부드러운 프로세스를 사용하여 시계열 모델을 맞추고 원래의 부드러운 프로세스를 대체하여 잔차 프로세스가 백색 소음인지 확인합니다. 위의 세 가지 테스트는 모두 95% 신뢰도로 통과하기 때문에 모형을 만드는 과정이 정확하다.
이 무작위 기상 모델을 사용하여 10 년 기상 매개변수를 시뮬레이션한 다음 각 달의 온도, 습도 및 태양 복사의 확률 분포를 10 년 측정 데이터의 결과와 비교하고 모델의 신뢰성을 설명합니다.
3.2 건물 열 공정 모델 시험을위한 상태 공간 방법
IEA(InternationalEnergyAgency) 조직의 annex2 1 국제협력을 통해 국제적으로 가장 인기 있는 12 개 이상의 건축 시뮬레이션 방안을 비교했으며, BTP 방안도 비교 시찰 방안 중 하나로 꼽혔다. 시험 방법은 덴마크 코펜하겐의 전형적인 연간 기상 데이터를 이용하여 두 개의 경량 및 중형 표준 건물을 시뮬레이션하는 것이다. 난방과 에어컨이 없는 자연실온의 연간 변화를 계산하고 실내 온도의 상한과 하한을 제시한다. 이상적인 히터와 쿨러를 통해 실온을 상한과 하한 사이에 두고 히터의 열과 쿨러의 냉량을 계산합니다. 위의 각 방안 시뮬레이션 결과는 영국 건축연구센터 (BRE) 에 보내 통일분석 비교를 진행한다. 자연 실온의 변화, 최대 제열, 연간 누적 제열 등 일련의 지표로 볼 때 BTP 소프트웨어는 10 여 개의 테스트 소프트웨어 시뮬레이션 결과의 평균에 가깝고, 몇 가지 매개변수에서 현재 유럽의 아날로그 소프트웨어 ESP 보다 우수하다. 이것은 BTP 의 정확성, 즉 상태 공간법을 증명한다.
3.3 확률 미분 방정식의 해법과 임계 값 문제의 해법에 대한 시험
여기서 문제는 이 직접 해결 방법으로 얻은 통계 매개변수가 실제 임의 프로세스의 통계 매개변수인지 여부입니다. 즉, 이 직접 해석 방법의 결과가 직접 50 년 또는 100 년 기상 데이터를 사용하여 시뮬레이션 계산 통계를 수행한 결과와 일치하는지 여부입니다. 기상 모델과 건물 열 공정 모델이 모두 테스트를 통과했기 때문에 무작위 기상 모델을 사용하여 50 년 동안의 기상 데이터를 직접 생성한 다음 50 년 동안의 기상 데이터를 사용하여 BTP 프로그램을 통해 시뮬레이션한 다음 시뮬레이션 결과를 STOAN 방법으로 해석한 결과와 비교할 수 있습니다. 그 결과, STOAN 방법은 시뮬레이션 통계와 거의 일치하는 솔루션을 제공하므로 STOAN 방법을 사용하여 실제 엔지니어링 문제를 분석하고 해결할 수 있습니다.
4. 실제 적용
초보적인 시도로서 STOAN 방법을 사용하여 건물 열 환경 연구의 두 가지 실제 문제를 해결했다.
4. 1 겨울 난방 부하 계산
실온이 C0 (예: 0.02) 으로 보장되지 않는 경우 특정 확률 P0 (예: 97%) 에서 건물의 난방 부하가 필요합니다. 즉, 이 확률 P0 에서 1-C0(98% 시간) 난방 기간 동안 난방을 하지 않을 때 자연 실온의 하한입니다.
(5)
그 결과 얻은 t0 은 안정적인 열 전송을 기준으로 난방 부하를 계산하기 위해 난방의 실외 종합 계산 온도로 사용할 수 있습니다. 이렇게 결정된 실외 종합 계산 온도는 건물 구조와 관련이 있다. [6] 베이징의 한 전형적인 방을 예로 들어 확률 신뢰도와 실온 불확실성률이 다른 난방 실외 종합 계산 온도를 산출한다.
건축 양식과 봉투 구조 유형을 분류한 후 북방의 지역마다 확률 신뢰도와 불확실성률이 다른 난방 실외 종합 계산 온도를 계산하여 난방 시스템 설계를 실제 상황에 더 잘 맞도록 하고, 설비 용량이 크고, 투자가 높고, 운영 효율이 낮은 문제를 해결할 수 있다.
4.2 여름 건물 실내 과열 분석
어떤 건물이 여름철 실내 온도가 높지 않거나 높지 않은 상황에서 더 적은 시간을 보낼 수 있는지는 건축 환경 설계에서 고려해야 할 중요한 요소이며, 합리적인 건축 형식과 구조는 건물이 있는 기상 조건과 관련이 있다. 무작위 분석 방법을 사용하면 서로 다른 건축 형태와 구조에서 여름 실온의 확률 분포, 실온이 특정 설정값을 초과하는 시간과 여름 총 시간의 비율을 초과하는 무작위 변수의 확률 분포를 얻을 수 있다. 베이징의 전형적인 주택건물의 과열 현상을 분석했다. 분석 결과 내부 열원, 외부 창벽 비율, 방 환기 횟수는 여름 실온 과열에 큰 영향을 미치고, 외부 창의 음영 조건 (커튼이 없는 경우) 과 방의 환기 시스템도 어느 정도 영향을 미치는 것으로 나타났다. 경량, 중간, 재봉투 구조에 미치는 영향은 미미하다.
5. 향후 추가 작업
건물 열 과정의 무작위 분석은 실제 건물의 난방 에어컨 시스템과 태양방 설계에서 광범위한 응용 전망을 가지고 있으며, 추가 응용 연구에는 다음이 포함됩니다.
5. 1 난방 부하 계산 실외 종합 계산 온도를 계산하는 단순화 알고리즘
우리나라 각 지역 건물의 분류와 기상 모델의 수립을 통해 지역별 다양한 형태와 구조를 얻은 건물은 확률 신뢰도와 불확실성에 따라 난방이 필요한 실외 종합 계산 온도를 얻을 수 있으며, 간단한 차트나 PC 데이터베이스 형식으로 제공됩니다. 디자이너가 난방 엔지니어링 설계에 사용할 수 있도록 합니다.
5.2 에어컨 장비 선택
건물의 에어컨 부하는 실제로 무작위 과정이며, 실외 공기 부하도 무작위 과정이기 때문에 에어컨 시스템의 장비 부하는 임의 과정이며, 장비 용량 선택은 장비 부하 최대값의 확률 분포를 기준으로 합니다. 그래야만 설계된 에어컨 시스템이 기능과 투자의 변증관계를 반영할 수 있고, 확률에 따라 다양한 용량의 에어컨 설비를 선택할 수 있어 총 투자를 절약할 수 있을 뿐만 아니라 에어컨 설계 요구 사항도 보장할 수 있다.
5.3 패시브 솔라 하우스의 평가 및 최적화 분석
패시브 태양열 집의 평가는 겨울 실온이 주어진 값 (예:18 C) 보다 낮은 시간 또는 겨울 보조 열원의 총 열 유지 실온이18 C 보다 낮지 않은 비율을 기준으로 해야 합니다. 이 두 지표는 모두 무작위 변수이며, STOAN 방법으로 확률 분포를 얻을 수 있어 태양방의 성능을 합리적으로 평가하고 태양방의 설계를 지도한다.
더 많은 공사/서비스/구매 입찰 정보, 낙찰률 향상, 공식 홈페이지 고객서비스 아래쪽을 클릭하여 무료 상담:/#/? Source=bdzd