建筑物动态能耗分析用气象仿真模型研究 2022-10-14

摘要
可持续发展给暖通工程师提出的要求是， 设计合理、高效、优化的HVAC 系统。
HVAC 系统的优化设计， 以全年能耗分析为基础， 而能耗分析必须输入可靠的气象
数据。我国能耗分析用的气象数据非常欠缺， 为推广先进的全年能耗分析方法， 构
成能耗分析用的气象数据是我国暖通界迫切的任务。
全年能耗分析用的全年气象数据， 可以根据若干年的观测， 按一定方法统计构
成典型年， 也可用数学模型模拟产生。论文选择数学模拟方法， 因为该方法具有较
少主观性、比较简洁， 并且更适合我国现有气象观测客观条件的优点。论文主要以
北京、西安、重庆和成都的数据为基础， 辅以昆明和福州的少量数据进行分析。建
模参数选择了对能耗分析最重要的三个要素， 即辐射、气温和水汽压。根据我国目
前逐日气象记录相对充分， 而逐时观测稀少的客观条件， 论文采用了分阶段建模和
模拟的方法。即先模拟逐日气象参数， 在此基础上再模拟逐时气象参数。
逐日气象参数包括日总辐射、日均气温、气温日较差、日均水汽压和水汽压日
较差。逐日气象参数既有周期性变化趋势， 又有随机特点， 由于两者对能耗分析都
有显著影响， 因此对逐日气象参数建立了组合模型， 即确定性模型＋ 随机模型。确
定性模型描述周期性变化， 是由少量的显著频率构成的傅立叶级数。这些显著频率
通过傅立叶变换及频谱分析确定。5 个逐日气象参数的周期变化最多用显著频率0、
1 、2 、3 、4（周／年］来描述就足够了。
逐日气象参数分离确定项之后的随机项是均值平稳（零均值）、方差时变， 并且
存在互相关的非正态分布的随机序列。这些序列可以认为是分段（逐月〉平稳的，
因此用每个月的标准差进行标准化可得到方差也平稳的序列。本文对该标准序列采
用误差函数成功进行了正态变换， 这保证了模拟仿真数据与原始数据具有相同的分
布。对平稳化正态化之后的随机序列，论文建立了多维满系数ARX 模型即
AX =BY ＋ ε 来进行模拟。模型以辐射序列为输入， 模拟输出温湿度参数。模型阶
数根据相关分析和FPE 准则确定， 参数估计采用了最小二乘法。ARX 模型的残差
通过了白I噪声及正态检验。辐射作为相对独立的要素， 单独建立一元AR ( 2 ）模型
模拟。多元ARX 模型与多元AR 模型即AX ＇ ＝ ε相比的明显好处是， 充分保证了随
机序列之间的互相关， 特别是0 步互相关。因为多维ARX 模型模拟温湿度参数时
使用了同一时刻的辐射，而多维AR 模型不可能用同一天的辐射计算温湿度。经检
验ARX 模型的模拟数据不但与建模数据具有相同的相关关系， 还具有相同的分布
特征。
论文的逐日气象组合模型形式， Fourier 模型＋ARX 模型是国内首次提出， 并首
次进行了正态变换， 模型在数据相关系数， 分布特征方面也保持得最好。日散射或
日直射没有与日总射同时进入随机模型， 因为随机模拟时难以保证散射或直射不大
于日总射。故论文另外建立了一个日散射系数Kd 多项式分离模型， 在日总辐射己知
的情况下估计日总辐射。该模型的估计数据与原始数据具有一致的月均值，对长期
能耗分析具有足够的准确性。还建立了日散射概率密度模型。
逐时辐射模型采用了确定性模型。通过对原始逐时总辐射数据进行傅立叶变换，
确定了显著频率， 高频部分为1 、2、3、4［周／ 日］及以上每个频率的4 个旁瓣，低频
部分为0 、1 、2、3、4 ［周／年］， 用显著频率构成逐时总辐射的傅立叶级数模型。模
拟时， 该模型用日总辐射调整，以保证逐时值之和与日值相当。在逐日总射和逐时
总射基础上， 建立了逐时散射系数kd 多项式模型。该逐时散射模型考虑了大气质量
的影响， 即不同大气质量下给出不同的拟合式， 精度比笼统的拟合模型显著提高。
对昆明和福州的资料分析表明， 逐时气温用日均气温和气温日较差进行标准化
后，可以建立一个全年适用的傅立叶模型。该标准化逐时气温模型的显著频率是1 、
2［周／天］ 。就日均气温的计算而言， 逐时资料和日4 次定时值＋最高最低值资料是一
致的。因此对只有日4 次定时值＋最高最低值资料的北京、西安、成都和重庆， 建
立的逐时气温模型具有足够的准确性。本文按北京时间建立逐时气温模型， 注意了
最高最低气温的出现时间。
与逐时气温一样， 逐时水汽压也进行了标准化处理。逐时资料和日4 值资料计
算的日均水汽压可以认为一致， 但水汽压日较差有明显区别。我国大多数地区只有
水汽压日4 值资料， 根据日4 值资料建立逐时化模型存在先天不足， 决定了任何复
杂的模型都不可能准确。因此采用了简单组合模型t 傅立叶模型＋ 白噪声模型， 其
中白l噪声标准差统一取0.28，，为了保证随机模拟的水汽压不超过当时的饱和水汽压，
建立了修正模型， 该修正模型认为月均逐时相对湿度与月均逐时标准气温呈线性关
系。
气象参数本质上是非平稳、非线性时间序列，论文除了用组合模型进行模拟外，
还探讨了用线性神经网络和BP 网络对其进行预报和模拟。研究表明，如果以一步
预报为目的， 神经网络比常规时间序列分析方法优越， 因此可以用在HVAC 系统的
实时控制。但就随机模拟能耗分析用的全年气象数据而言， 神经网络并不适合。因
此， 如果以能耗分析为目的， 本文推荐采用组合逐日模型以及相应的逐时化模型，
不推荐神经网络方法。
论文给出了气象组合模型模拟软件（ suSim ）的整体框架， 以及北京、西安、
重庆和成都的相关数据库。冷热耗量计算表明， TMY2 与随机模型有显著差别， 其
原因是4 个城市的刊在Y2 缺乏代表性。比较气象参数月均值表明， TMY2 的气温数
据有一定代表性， 而辐射数据根本不能代表原始数据。本文模型的准确性比TMY2
好，用于金年能耗分析具有足够的准确性。所以本文的方法可以推广到其它地区。
关键词 能耗分析： 气象参数： 随机过程： 模型： 时间序列分析： 傅立叶分析：
神经网络