【技術(shù)實現(xiàn)步驟摘要】
一種包含太陽輻射的基本運算單元及應(yīng)用該單元的建筑能耗快速模擬方法
本專利技術(shù)涉及能耗預(yù)測
，更具體地，涉及一種包含太陽輻射的基本運算單元及應(yīng)用該單元的建筑能耗快速模擬方法。
技術(shù)介紹
建筑能耗在我國能源消耗中占有重要比例，在智慧城市、節(jié)能減排的大背景下，在建筑設(shè)計階段進行針對建筑能耗的優(yōu)化對實現(xiàn)城市的可持續(xù)發(fā)展具有重要意義。然而當前的建筑能耗模擬準確度和運算速度不可同時兼顧：一方面，傳統(tǒng)的物理模擬方法運算極其耗時，對于形態(tài)復(fù)雜的單體建筑或建筑群來說，一次較精確的能耗預(yù)測不得不花費數(shù)小時甚至數(shù)天時間；通過對相似樓層、房間的合并計算可以減少一部分的運算時間，而由于現(xiàn)實環(huán)境中存在外部建筑的陰影或建筑體型的自遮擋，造成了復(fù)雜的外部環(huán)境輻射，這種未考慮外部環(huán)境輻射的模型簡化又降低了能耗預(yù)測精確度。另一方面，以神經(jīng)網(wǎng)絡(luò)技術(shù)為代表的機器學習算法提供了快速能耗模擬的可能性。機器學習算法從現(xiàn)有樣本數(shù)據(jù)中提取知識，再以可接受的精確度預(yù)測新輸入的樣本性能。由于建筑形態(tài)控制參數(shù)的復(fù)雜性和建筑形態(tài)與周邊環(huán)境的復(fù)雜交互作用，以往借助機器學習進行能耗模擬的研究僅適合對簡單方塊體量的參數(shù)優(yōu)化或體量固定前提下的圍護結(jié)構(gòu)構(gòu)造的優(yōu)化(CN109255472A、CN104134097A、CN109409605A)。上述這些模擬方法并不適用于實際建筑設(shè)計過程中對大量復(fù)雜形態(tài)的建筑方案比選。唯一試圖解決這一問題的研究(CN109033595A)利用形體切割方法將簡單的長方體單元能耗相加獲得建筑總能耗，但此方法僅通過組成長方體單元的...
【技術(shù)保護點】
1.一種包含太陽輻射的基本運算單元，其特征在于：所述基本運算單元為5種基本類型中的一種，5種基本類型為Unit
【技術(shù)特征摘要】
1.一種包含太陽輻射的基本運算單元，其特征在于：所述基本運算單元為5種基本類型中的一種，5種基本類型為Unitground-ceiling、Unitground-roof、Unitfloor-ceiling、Unitfloor-roof以及Unitexposed-ceiling；其中Unitground-ceiling表示基本運算單元的下表面為與地面產(chǎn)生熱交換的地坪面，上表面為層間的天花板；Unitground-roof表示基本運算單元的下表面為與地面產(chǎn)生熱交換的地坪面，上表面為暴露于外環(huán)境的屋頂面；Unitfloor-ceiling表示基本運算單元的下表面為層間的樓板面，上表面為層間的天花板面；Unitfloor-roof表示基本運算單元的下表面為層間的樓板面，上表面為暴露于外環(huán)境的屋頂面；Unitexposed-ceiling表示基本運算單元的下表面為暴露于外環(huán)境的架空層面，上表面為層間的樓板面；所述基本運算單元包括幾何參數(shù)以及太陽輻射量參數(shù)。
2.根據(jù)權(quán)利要求1所述的一種包含太陽輻射的基本運算單元，其特征在于：所述基本運算單元為長方體，其幾何參數(shù)包括長方體的長度X、寬度Y、高度Z；以長方體的長度與高度所在平面為參考平面，該參考平面與當?shù)卣狈较虻姆轿唤菫镽otate；所述基本運算單元的每個面的內(nèi)墻部分與該面總面積之比為Adiabatici，所述基本運算單元的每個面上外墻部分的窗墻比為WWRi，即窗戶面積占該外墻面面積之比，其中i表示基本運算單元的每個側(cè)面，i＝1至4。
3.根據(jù)權(quán)利要求2所述的一種包含太陽輻射的基本運算單元，其特征在于：所述太陽輻射量參數(shù)包括基本運算單元任一側(cè)面外墻接收的太陽輻射量Rad_walli以及該側(cè)面上的外窗接收的太陽輻射量Rad_wini。
4.根據(jù)權(quán)利要求3所述的一種包含太陽輻射的基本運算單元，其特征在于：所述外墻接收的太陽輻射量Rad_walli包括Rad_walli(low)、Rad_walli(mid)以及Rad_walli(high)，其中Rad_walli(low)為室外氣溫低于室內(nèi)最低設(shè)置溫度時，該側(cè)面接收的太陽輻射量；Rad_walli(mid)為室外氣溫處于室內(nèi)設(shè)置溫度區(qū)間時，該側(cè)面接收的太陽輻射量；Rad_walli(high)為室外氣溫高于室內(nèi)設(shè)置溫度時，該側(cè)面接收的太陽輻射量；所述Rad_wini包括Rad_wini(low)、Rad_wini(mid)以及Rad_wini(high)，其中Rad_wini(low)為室外氣溫低于室內(nèi)最低設(shè)置溫度時，該側(cè)面上的外窗接收的太陽輻射量；Rad_wini(mid)為室外氣溫處于室內(nèi)設(shè)置溫度區(qū)間時，該側(cè)面上的外窗接收的太陽輻射量；Rad_wini(high)為室外氣溫高于室內(nèi)設(shè)置溫度時，該側(cè)面上的外窗接收的太陽輻射量。
5.根據(jù)權(quán)利要求1至4任一項所述的一種包含太陽輻射的基本運算單元，其特征在于：在所述基本運算單元為Unitground-roof或Unitfloor-roof時，所述太陽輻射量參數(shù)還包括頂面太陽輻射Rad_roof，所述Rad_roof包括Rad_roof(low)、Rad_roof(mid)以及Rad_roof(high)；其中，所述Rad_roof(low)為室外氣溫低于室內(nèi)最低設(shè)置溫度時，頂面接收的太陽輻射量；Rad_roof(mid)為室外氣溫處于室內(nèi)設(shè)置溫度區(qū)間時，頂面接收的太陽輻射量；Rad_roof(high)為室外氣溫高于室內(nèi)設(shè)置溫度時，該頂面接收的太陽輻射量。
6.一種建筑能耗快速模擬方法，其特征在于：包括將權(quán)利要求1至5任一項所述的基本運算單元的參數(shù)用于機器學習算法生成以及建筑能耗快速模擬反饋。
7.根據(jù)權(quán)利要求6所述的一種建筑能耗快速模擬方法，其特征在于：所述機器學習算法生成包括訓練樣本生成、機器學習算法訓練以及最佳機器學習算法篩選；
所述訓練樣本生成為對基本運算單元的參數(shù)進行組合并隨機超立方采樣，采用實驗設(shè)計批量生成具有不同幾何參數(shù)、太陽輻射量參數(shù)的基本運算單元作為訓練樣本，通過將基本運算單元導入能耗模擬軟件進行精確的物理模擬，獲取其能耗數(shù)據(jù)；
所述機器學習算法訓練包括兩個步驟：
a：由于輸入?yún)?shù)的選擇大幅影響機器學習算法的預(yù)測精度，因此需要探索具有最佳預(yù)測效果的輸入?yún)?shù)，通過參數(shù)變換公式，獲得共j組輸入?yún)?shù)；
b：按照比例將經(jīng)上一步參數(shù)變換后的j種訓練樣本組合分為訓練集D0、測試集D1、測試集D2，并將訓練集D0分別輸入到k種機器學習算法訓練，對每種機器學習算法設(shè)置不同的超參數(shù)p，總共得到j(luò)*k組，每一組具有若干個超參數(shù)設(shè)置組合的機器學習模型...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：馬辰龍，朱姝妍，
申請(專利權(quán))人：馬辰龍，
類型：發(fā)明
國別省市：廣東;44
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。