建筑能耗分析用逐时气象模型

学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
逐时模拟数据与实测数据的比较
• 月均值比较，单位： 度
——风向
月份 模拟风向 实测风向
1
69
69
2
288
51
3
80
53
4
36
62
5
50
68
6
60
88
7
62
78
8
85
274
9
76
41
10
68
67
11
19
76
12
60
59
• 年均值比较，单位：
度
模拟风 实测风
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
研究目的和主要内容
l 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。
l 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
建筑能耗分析用逐时气象模型
干球温度模型的建立
•日平均温度
•用傅立叶级数模拟逐时温度
•日最低温度
•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
•日最高温度
•各天温度之间都ຫໍສະໝຸດ Baidu连续的
•逐时模拟温度的日均值与实测值 •的误差较大
•日最低 •相对湿度
•日平均
•日平均
•风速 •日最大 •大气压
•风速风向
建筑能耗分析用逐时气象模型
典型气象年的选择
l 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；
l 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；
•日最低相对湿度 •日平均相对湿度
•日最高相对湿度＝ •2×日平均相对湿度－日最低相对湿度
学习改变命运,知 识创造未来
•各天衔接处平滑处理
建筑能耗分析用逐时气象模型
太阳辐射模型的建立
太阳辐射量的逐时模拟主要包括两方面： l 总辐射的逐时模拟 l 直射和散射的分离
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
建筑能耗分析用逐时气 象模型
学习改变命运,知 识创造未来
2021年3月4日星期四
•问题的提出 •国内外气象模型的研究情况
•内容提要
•研究目的和主要内容
•结论
•气象模型建立的总体思路 •选择典型气象年
•气象模型的实际应用 •逐时模拟数据与实测数据的比较
•逐时气象模型的建立
学习改变命运,知 识创造未来
•模拟逐时气象数据
•风速 •风向
学习改变命运,知 识创造未来
•太阳辐射 •（直射和散射）
•天空有效温度
建筑能耗分析用逐时气象模型
学习改变命运,知 识创造未来
原始逐日气象数据构成
•日平均
•日最高 •温度 •日最低
•温度
•温度
•来自 •中国气象中心
•日照 •小时数
•日总辐射
•原始逐日 •气象数据
•日平均 •相对湿度
•初选平均月
•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
建筑能耗分析用逐时气象模型
选择典型气象年的气象参数及其权重
学习改变命运,知 识创造未来
气象参数 日平均温度 日最低温度 日平均相对湿度 日最低相对湿度 日平均风速 日最大风速 日最大风速时刻的风向 日日照时数 日总辐射量 日最高温度
•晴
•有云
•可由逐时总辐射 计算得到
••——水水平平面面总直辐射射辐强射度强/度大/气大层气外层辐外射辐强射度强在度水在平水面平的面投的影投 影•—散射辐射强度/大气层外辐射强度在水平面的投影
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
风速模型的建立
•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
l 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16－ 19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，10－11时即达到峰值附近， 11－16时是全天风速最大的时段。
学习改变命运,知 识创造未来
向
向
56
72
•某方向数据观测为θ(0°≤θ<360°),则θ可 用一个单位矢量描述，它由N轴(正北向)
• •Kt<=0.28
•
•0.28<Kt<0.5
•0.5<Kt<0.74
• 采用MARKOV链来 • 采用MARKOV链来 •决定某一瞬间的状态 •决定某一瞬间的状态
•Kt>=0.74
•阴
•有云 •阴
•晴天 •有云 •阴
•晴天
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
直射和散射的分离
•阴
总辐射的逐时模拟
l 太阳总辐射的逐时模拟采用ColloresPerein和Rabl模型（简称C.P.R模型）：
•水平面日辐射总量
•小时中点的时角
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
直射和散射的分离
•可计算
•已知
得到
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：
建筑能耗分析用逐时气象模型
地表温度的逐时模拟
• 文献表明，地表温度是空气干球温度,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：
•总辐射强度
•空气干球温度
•本时 刻
•上一时刻
•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 。
学习改变命运,知 识创造未来
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。
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
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
•干球温度 •绝对湿度
64
平均误差 平均绝对误差
相对误差
•数据来源——上海19980-.20010%2逐时气象1数0.7%
学识习创改造变未据命来运,知
标准偏 差 64 —— ——
建筑能耗分析用逐时气象模型
•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
1.2%
6.8%
标准偏差 0.82 —— ——
•平均误差
•均方根误 差 •标准偏差
学习改变命运,知
识创造未•来数据来源——上海1998-2002逐时气象数
建筑能耗分析用逐时气象模型
•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
•相对误差＝绝对误差/日波幅
绝对误差
平均误差 均方根误差
0.10
权重 2/24 1/24 2/24 1/24 2/24 1/24 1/24 1/24 12/24 1/24
建筑能耗分析用逐时气象模型
干球温度模型的建立
l 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。
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
理想风速模型与马尔可夫链
的联合应用
l 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。
l 如何确定这两者的比例？ l 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。 l 模拟风速＝0.65*期望部分＋0.35*随机部分
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
l 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。
l 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，直 接进行第二步——模拟逐时参数。
学习改变命运,知 识创造未来
•饱和水蒸 气分压力
建筑能耗分析用逐时气象模型
相对湿度的逐时模拟
l 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。
l 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。
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：
•[K]
学习改变命运,知 识创造未来
• Ta——空气干球温度，[K] •已求得 • Ts——地表温度，[K]
• ——水汽压 ，[mbar] •已求得 • ——日照百分率
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
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
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。
•均方根误 差 •标准偏差
学习改•变数命据运来,知源——上海1998-2002逐时气象数 识创造据未来
建筑能耗分析用逐时气象模型
•平均绝对误差
逐时模拟数据与实测数据的比较 ——绝对湿度
•相对误差＝绝对误差/日波幅
绝对误差 g/kg 干空气
相对误差
平均误差 均方根误差
0.086
0.82
平均误差 平均绝对误差
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
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！
•该马尔可夫链是跟据密云1993－2000年的逐时风向数据计算得到的。
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
学习改变命运,知 识创造未来
•各天衔接处平滑处理
建筑能耗分析用逐时气象模型
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： l 利用已模拟出的逐时温度计算逐时饱和水蒸气压力； l 模拟出逐时相对湿度； l 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
•相对湿度
建筑能耗分析用逐时气象模型
学习改变命运,知 识创造未来
理想风速日变化
•T2时刻，日最大风速，已知 •T 3
•这种变化规 律不能完全反 映一天的风速 变化规律！
•T1时刻，日最小风速， •可利用日平均风速和日最大风速求得
•T1=日出时刻＋1 （小时） •T2=正午时刻＋3 （小时） •T3=日落时刻＋2 （小时）
建筑能耗分析用逐时气象模型
问题的提出
l 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。
l 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。
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
建筑能耗分析用逐时气象模型
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
•日照小时数，已知
•表示太阳高度 角
学习改变命运,知 识创造未来
• 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。
建筑能耗分析用逐时气象模型
天空有效温度的模拟
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
逐时模拟数据与实测数据的比较 ——温度
•相对误差＝绝对误差/日波幅
绝对误差 相对误差
平均误差 均方根误差 标准偏差
0.087
1.38
平均误差 平均绝对误差
1.38 ——
1.0%
17.5%
——
•平均误差
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。
l 典型年反映了气象环境的平均状况。
学习改变命运,知 识创造未来
建筑能耗分析用逐时气象模型
典型气象年的选择方法
•设有N年的 逐日数据
•统计出每年每月的各气象参数的平均值
•计算每月各气象参数的 •N年平均值 及方差
•i—参数序号 •m—月份序号 •Y—年份序号
学习改变命运,知 识创造未来
•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”：