[發明專利]一種短時間間隔大氣環境溫度預測方法

有效

• 申請號: 201210387375.9
• 申請日: 2012-10-12
• 公開（公告）號: CN103077297A
• 公開（公告）日: 2013-05-01
• 發明（設計）人: 張兄文;李國君
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 何會俠

技術領域

本發明屬于供熱通風與空調系統節能技術領域，具體涉及一種短時間間隔大氣環境溫度預測方法。

背景技術

供熱通風與空調系統（HVAC）是建筑能耗的主要來源之一，是目前建筑節能技術開發的主要領域之一。目前大多數建筑HVAC系統的運行控制只考慮滿負荷工況，而對于運行期間熱負荷變化時，多數情況下系統的控制參數并非運行在最優條件下。HVAC能效管理通過提前對熱負荷進行計算和預測，并對HVAC系統運行參數（如制冷（熱）量、流量、溫度等）的控制值進行優化，在滿足負荷需求前提下，保證HVAC系統運行在最小能耗狀態，從而使HVAC系統的控制參數在運行過程中一直保持在最優工作條件下，達到節能的目的。大氣環境溫度是影響HVAC熱負荷的重要因素之一，因此HVAC能效管理過程中需要對室外大氣環境溫度進行預測。HVAC能效管理的優化頻率一般為10-15分鐘，高精度短時間間隔（sub-hourly）大氣環境溫度預測技術是開發HVAC能效管理的核心技術之一。

目前有關大氣環境溫度預測方法主要有早期參數化分析模型[1-4]和近些年常用的神經網絡模型[5-10]，但是這些不同方法都是針對于特定應用，對于短時間間隔環境溫度預測在精度和適用性方面存在著很大的局限性，如文獻[1-3]提出的參數化分析模型是針對于農業大棚應用，用于預測近地表空氣溫度，分析空氣與地面土壤之間的熱交換關系和影響。影響大氣環境溫度變化的因素有太陽輻射能、當地地形、大氣濕度、云層覆蓋情況和風速等[4]，這些因素的變化具有隨機性特征，因此參數化分析模型難以應用于短時間間隔的溫度預測。而人工神經網絡（ANN）適合于對隨機變量的特征辨識、分類和預測，并在大氣環境溫度預測方面受到了廣泛研究[5-10]，但ANN方法對于短時間間隔大氣環境預測具有一定的局限性，ANN模型建立是基于對歷史數據的訓練，在預測過程中需要如濕度、風速和太陽輻射能等氣候條件作為輸入參數[7]，建立的ANN預測模型與特定地點相關，不具備通用性特點，且建立預測模型需要的訓練時間長，需要大量歷史數據，對于氣候變化頻繁的地方不一定能獲得有效的ANN預測模型。

參考文獻：

[1]J.W.Deardorff，Efficient?prediction?of?ground?surface?temperatureand?moisture，with?inclusion?of?a?layer?of?vegetation，Journal?of?GeophysicalResearch，83(1978)：1889-1903.

[2]C.M.Bhumralkar，Numerical?experiments?on?the?computation?ofground?surface?temperature?in?an?atmospheric?general?circulation?model，J.Appl.Meteorol.，14(1975)：1246-1258.

[3]A.K.Blackada，Modeling?the?nocturnal?boundary?layer，Proceedingsof?the?Third?Symposium?on?Atmospheric?Turbulence，Diffusion?and?AirQuality,pp.46-49，American?Meteorological?Society，Boston，Mass.，1976.

[4]H.Swaid，M.E.Hoffman，Prediction?of?urban?air?temperaturevariations?using?the?analytical?CTTC?model，Energy?and?Building，14(1990)：313-224.

[5]L.Bodri，V.Cermak，Prediction?of?surface?air?temperatures?by?neuralnetwork，example?based?on?three-year?temperature?monitoring?at?Sporilovstation，Stud.Geophys.Geod.，47(2003)：173-184.

[6]A.Jain，RW.McClendon，G.Hoogenboom，Freeze?prediction?forspecific?locations?using?artificial?neural?networks，Transactions?of?the?ASABE，49(6)：1955-1962.