湖南大學(xué)開題報(bào)告

1、湖南大學(xué)碩士研究生畢業(yè)（學(xué)位）論文開題報(bào)告姓 名*學(xué)號(hào)*已修學(xué)分32所屬學(xué)院土木工程學(xué)院一級(jí)學(xué)科土木工程二級(jí)學(xué)科供熱、供燃?xì)?、通風(fēng)及空調(diào)工程指導(dǎo)教師*教授開題時(shí)間2014.01研究方向圍護(hù)結(jié)構(gòu)的節(jié)能技術(shù)論文題目公共建筑分類方法及冷負(fù)荷預(yù)測(cè)的研究一、文獻(xiàn)綜述1我國(guó)正處于快速城鎮(zhèn)化發(fā)展階段，以小區(qū)形式的建設(shè)并建有區(qū)域供冷供熱系統(tǒng)的建筑越來(lái)越多。與單體建筑相比，區(qū)域建筑供冷供熱系統(tǒng)比較復(fù)雜，投資大，耗能高。區(qū)域建筑冷熱負(fù)荷預(yù)測(cè)是建筑區(qū)域用能規(guī)劃和區(qū)域供冷供熱系統(tǒng)設(shè)計(jì)階段負(fù)荷計(jì)算的基礎(chǔ)和關(guān)鍵。目前，國(guó)內(nèi)外關(guān)于單體建筑冷熱負(fù)荷預(yù)測(cè)方法比較成熟，主要有基于歷史數(shù)據(jù)的外推法和數(shù)值模擬預(yù)測(cè)方法。區(qū)域建筑是由多

2、種不同類型和功能的建筑組成，故其負(fù)荷預(yù)測(cè)方法和單體建筑有所不同。區(qū)域供冷供熱系統(tǒng)建設(shè)通常分為規(guī)劃與方案、初步設(shè)計(jì)、施工圖設(shè)計(jì)、施工建設(shè)、運(yùn)行管理等環(huán)節(jié)，在不同階段，所知條件不同，冷熱負(fù)荷預(yù)測(cè)的精度要求也不同。一、區(qū)域建筑冷熱負(fù)荷預(yù)測(cè)常用方法1.單位面積指標(biāo)法。通常的計(jì)算方法主要是采用單位面積指標(biāo)法估算出各單體建筑的負(fù)荷，再把各單體建筑的負(fù)荷簡(jiǎn)單疊加，然后乘以同時(shí)使用系數(shù)。此方法是一種靜態(tài)的估算方法，在對(duì)區(qū)域建筑負(fù)荷預(yù)測(cè)時(shí)存在不足，因?yàn)閰^(qū)域內(nèi)所有建筑同時(shí)出現(xiàn)多個(gè)影響因素的概率很小，采用單位面積指標(biāo)法必定會(huì)高估區(qū)域總負(fù)荷。1992年，李永安分析了建筑構(gòu)造、使用功能、建筑朝向、建筑高度、窗墻比等因素

3、都會(huì)影響空調(diào)建筑出現(xiàn)設(shè)計(jì)冷負(fù)荷的時(shí)刻，致使各個(gè)房間乃至各幢建筑出現(xiàn)空調(diào)設(shè)計(jì)冷負(fù)荷的時(shí)刻不盡相同，探討了單幢建筑、建筑群空調(diào)設(shè)計(jì)冷負(fù)荷的統(tǒng)計(jì)方法，指出建筑群的空調(diào)設(shè)計(jì)冷負(fù)荷應(yīng)取各幢建筑逐時(shí)冷負(fù)荷疊加以后的最大值。2. 基于歷史數(shù)據(jù)的外推法?；跉v史數(shù)據(jù)的外推法以大量歷史能耗數(shù)據(jù)為基礎(chǔ)，利用統(tǒng)計(jì)分析及相關(guān)數(shù)據(jù)處理等技術(shù)，得出負(fù)荷與影響因素的關(guān)系，建立負(fù)荷預(yù)測(cè)模。此方法主要有回歸分析和人工智能的方法。2.1.回歸分析。自1984年Forrester等人利用多元線性回歸的預(yù)測(cè)方法完成對(duì)某商業(yè)大廈空調(diào)電力需求的預(yù)測(cè)至今，國(guó)內(nèi)外專家學(xué)者多次嘗試應(yīng)用此方法對(duì)建筑冷熱負(fù)荷進(jìn)行預(yù)測(cè)研究。2002年，Dotzau

4、er等利用統(tǒng)計(jì)回歸方法得出區(qū)域系統(tǒng)熱負(fù)荷與室外溫度和人類行為兩個(gè)主要因素的簡(jiǎn)單模型，利用此模型預(yù)測(cè)斯德哥爾摩某區(qū)域熱系統(tǒng)負(fù)荷，與其測(cè)量值比較在誤差允許范圍內(nèi)，驗(yàn)證了此簡(jiǎn)單模型的實(shí)用性。2008年，Pedersen等11基于測(cè)量的區(qū)域熱電值來(lái)預(yù)測(cè)建筑區(qū)域的熱電負(fù)荷，其中熱負(fù)荷采用分段線性回歸分析，得出依賴溫度與不依賴溫度的兩部分的回歸方程來(lái)指導(dǎo)多能源系統(tǒng)能源規(guī)劃。2.2.人工智能。人工智能（Artificial Intelligence）預(yù)測(cè)方法包括人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機(jī)（SVM）和灰色理論（Grey Theory）等方法。1991年，Kreider和Wang最早將神經(jīng)網(wǎng)絡(luò)方法引入到

5、建筑物空調(diào)設(shè)備能耗預(yù)測(cè)工作中。此后，國(guó)內(nèi)外學(xué)者廣泛展開了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的研究。2010年，蔣小強(qiáng)和龍惟定通過對(duì)某區(qū)域供冷系統(tǒng)冷凍水供回水溫度及流量進(jìn)行實(shí)測(cè)得到并分析實(shí)際逐時(shí)冷負(fù)荷，然后建立改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型對(duì)該區(qū)域進(jìn)行負(fù)荷預(yù)測(cè)，結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)算法得出的負(fù)荷預(yù)測(cè)值與實(shí)際值較吻合。2.3.數(shù)值模擬預(yù)測(cè)方法。隨著計(jì)算機(jī)的發(fā)展，建筑能耗計(jì)算從手算發(fā)展到詳細(xì)的計(jì)算機(jī)逐時(shí)計(jì)算，建筑能耗軟件也不斷更新發(fā)展。利用能耗計(jì)算軟件進(jìn)行負(fù)荷預(yù)測(cè)，建筑物模型的建立是關(guān)鍵。由于區(qū)域建筑類型和數(shù)量較多，在保證計(jì)算精度的基礎(chǔ)上，為了大大減少負(fù)荷計(jì)算的工作量，通常采用建立典型建筑模型進(jìn)行負(fù)荷模擬預(yù)測(cè)。建立各

6、類建筑的典型建筑模型（Prototypical Building Model）（指能夠反映當(dāng)前社會(huì)該類型建筑的建筑形態(tài)、建筑規(guī)模、建筑圍護(hù)結(jié)構(gòu)構(gòu)成、建筑內(nèi)擾情況等的代表性建筑），然后利用能耗模擬軟件對(duì)其進(jìn)行模擬得到各類建筑單位面積負(fù)荷特性曲線，再利用自下而上的方式（Bottom-up）擴(kuò)展獲得區(qū)域建筑內(nèi)整體負(fù)荷。2000年，Huang等人將1991年統(tǒng)計(jì)出來(lái)的既有建筑按時(shí)間年代、使用功能、地點(diǎn)、建筑規(guī)模等不同分成481類建筑，建立典型建筑，輸入GRI已調(diào)查出的數(shù)據(jù)，用DOE-2進(jìn)行模擬，得出的建筑單位面積負(fù)荷擴(kuò)展獲得了各類建筑總冷熱負(fù)荷，進(jìn)而用來(lái)評(píng)價(jià)全美建筑總冷熱負(fù)荷。2004年，Chow等

7、利用此法對(duì)香港九龍地區(qū)東南部一個(gè)開發(fā)新區(qū)進(jìn)行了負(fù)荷預(yù)測(cè)，指導(dǎo)區(qū)域系統(tǒng)方案的確定，取得較好的效果。2008年，瞿燕等 采用能耗分析軟件DOE-2對(duì)上海世博園區(qū)的部分建筑群進(jìn)行動(dòng)態(tài)負(fù)荷預(yù)測(cè)，通過研究世博會(huì)期間逐時(shí)空調(diào)動(dòng)態(tài)負(fù)荷、空調(diào)負(fù)荷率的時(shí)間分布、月空調(diào)負(fù)荷、設(shè)計(jì)日逐時(shí)負(fù)荷等，分析了世博園區(qū)各建筑群的空調(diào)負(fù)荷特性。2011年，韓傳忠、端木琳建立典型建筑的動(dòng)態(tài)負(fù)荷數(shù)據(jù)庫(kù)用于城市能源規(guī)劃期的負(fù)荷預(yù)測(cè)。3. 其他方法。2008年，龍惟定指出，正確的區(qū)域冷負(fù)荷預(yù)測(cè)應(yīng)采用情景分析方法。苑翔等應(yīng)用情景分析法把室外氣候條件和建筑內(nèi)負(fù)荷強(qiáng)度分別設(shè)置若干情景，并列出不同功能建筑的使用時(shí)間表，通過分析不同建筑在同一時(shí)

8、刻出現(xiàn)的不同情景確定區(qū)域建筑總冷負(fù)荷。2009年，苑翔和龍惟定首先假設(shè)單體建筑都是具有相同朝向或朝向成90°且具有相同建筑材質(zhì)的矩形建筑，通過分析建筑冷負(fù)荷的組成及影響因素，將區(qū)域建筑整合為表征只有內(nèi)外擾冷負(fù)荷分布的特征建筑，然后利用能耗模擬軟件進(jìn)行模擬，得出逐時(shí)負(fù)荷，表明區(qū)域建筑冷負(fù)荷預(yù)測(cè)可以轉(zhuǎn)化為其特征建筑的冷負(fù)荷預(yù)測(cè)。2010年，王振江提出一種基于建筑空調(diào)負(fù)荷指標(biāo)和氣象參數(shù)的負(fù)荷因子法, 分別計(jì)算建筑圍護(hù)結(jié)構(gòu)負(fù)荷、新風(fēng)負(fù)荷、人員負(fù)荷、照明負(fù)荷及設(shè)備負(fù)荷, 逐時(shí)疊加獲得總的建筑空調(diào)負(fù)荷；利用負(fù)荷因子法對(duì)北京地區(qū)辦公建筑空調(diào)負(fù)荷進(jìn)行了預(yù)測(cè), 預(yù)測(cè)得到的該類型建筑空調(diào)負(fù)荷的動(dòng)態(tài)特性與

9、實(shí)際運(yùn)行的空調(diào)系統(tǒng)的負(fù)荷變化規(guī)律是一致的, 說明了該方法在預(yù)測(cè)空調(diào)負(fù)荷的動(dòng)態(tài)變化規(guī)律上具有一定的可行性。 二、區(qū)域建筑冷熱負(fù)荷預(yù)測(cè)方法對(duì)比分析面積指標(biāo)法是一種靜態(tài)估算法，不能用于動(dòng)態(tài)計(jì)算。區(qū)域建筑逐時(shí)的動(dòng)態(tài)負(fù)荷計(jì)算有利于能源規(guī)劃和區(qū)域能源系統(tǒng)方案的設(shè)計(jì)，提高建設(shè)項(xiàng)目的能源利用率?；貧w分析預(yù)測(cè)法，預(yù)測(cè)簡(jiǎn)單，但是預(yù)測(cè)精度往往不高。人工智能預(yù)測(cè)方法有其非線性處理優(yōu)勢(shì)，神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合更能提高預(yù)測(cè)精度，是將來(lái)預(yù)測(cè)的趨勢(shì)?；跉v史數(shù)據(jù)的外推法是傳統(tǒng)應(yīng)用廣泛的方法，需以大量的建筑能耗審計(jì)數(shù)據(jù)作為基礎(chǔ)，物理意義不明顯。對(duì)于區(qū)域建筑，需要大量的對(duì)某類建筑或整體區(qū)域的逐時(shí)能耗統(tǒng)計(jì)數(shù)據(jù)。目前，國(guó)內(nèi)這方面的

10、統(tǒng)計(jì)還很不到位，因此做好建筑能耗審計(jì)工作，積累足夠的能耗數(shù)據(jù)是這類預(yù)測(cè)模型的基礎(chǔ)。數(shù)值模擬是通過建立建筑模型，輸入準(zhǔn)確的氣象參數(shù)和建筑的詳細(xì)信息及設(shè)計(jì)參數(shù)，便可較快地得到動(dòng)態(tài)負(fù)荷。然而區(qū)域建筑需建立不同類型建筑的模型，計(jì)算量往往利用建立典型建筑的負(fù)荷預(yù)測(cè)方法既能夠用于既有建筑來(lái)統(tǒng)計(jì)大型區(qū)域整體能耗，也適合用于預(yù)測(cè)新建建筑在無(wú)大量歷史能耗統(tǒng)計(jì)數(shù)據(jù)以及無(wú)詳細(xì)的建筑信息規(guī)劃期的負(fù)荷。情景分析法需要設(shè)定多種不同情景，會(huì)增加分析的復(fù)雜度，建筑內(nèi)部負(fù)荷強(qiáng)度的量化還存在問題。負(fù)荷因子法和整合成虛擬建筑方法都進(jìn)行了大量的假設(shè)，計(jì)算復(fù)雜，預(yù)測(cè)精度不高，還處在發(fā)展改進(jìn)中。三、結(jié)論與展望綜上所述，由于采用能耗模擬軟

11、件預(yù)測(cè)建筑負(fù)荷需要輸入的參數(shù)多且耗時(shí)長(zhǎng)，不被人們所使用，而人們傾向采用的單位面積指標(biāo)法計(jì)算精度小造成耗能，所以在不失計(jì)算精度的基礎(chǔ)上簡(jiǎn)化計(jì)算方法，分析負(fù)荷影響因素，是現(xiàn)階段預(yù)測(cè)建筑冷負(fù)荷的主要研究?jī)?nèi)容。二、選題背景及意義隨著世界性能源危機(jī)的加劇和我國(guó)正處于城市化進(jìn)程階段，建筑群越來(lái)越多，關(guān)注建筑區(qū)域的能耗已是公共建筑節(jié)能的重中之重。區(qū)域建筑用能規(guī)劃對(duì)節(jié)能減排具有重要的意義，能夠合理用能、科學(xué)用能、綜合用能、集成用能。由于節(jié)能減排形勢(shì)的緊迫，在中國(guó)由分散制冷向集中制冷，現(xiàn)又向區(qū)域供冷發(fā)展，已形成一個(gè)趨勢(shì)。然而區(qū)域建筑冷負(fù)荷預(yù)測(cè)是區(qū)域建筑用能規(guī)劃和設(shè)計(jì)區(qū)域供冷系統(tǒng)的基礎(chǔ)和關(guān)鍵。在低碳城市建設(shè)中，為

12、了集成應(yīng)用可再生能源和“未利用能源”，需要在區(qū)域?qū)用嫔峡紤]能源系統(tǒng)，需要在規(guī)劃階段對(duì)區(qū)域內(nèi)所有建筑冷負(fù)荷有明確的預(yù)測(cè)。因此準(zhǔn)確預(yù)測(cè)區(qū)域建筑冷負(fù)荷從而避免規(guī)劃時(shí)冷負(fù)荷過大時(shí)急需解決的問題?，F(xiàn)行的區(qū)域規(guī)劃階段采用指標(biāo)概算法進(jìn)行建筑空調(diào)冷負(fù)荷的預(yù)測(cè)。該方法采用單位面積負(fù)荷指標(biāo)法估算出各單體建筑的負(fù)荷，再把各單體建筑的負(fù)荷簡(jiǎn)單疊加，然后乘以同時(shí)使用系數(shù)，此方法是一種靜態(tài)的估算方法，存在很多問題。在區(qū)域級(jí)別上，區(qū)域內(nèi)所有建筑同時(shí)出現(xiàn)多個(gè)影響因素的概率很小。因此，使用負(fù)荷指標(biāo)法必定會(huì)高估區(qū)域總負(fù)荷，造成能源的浪費(fèi)。為了更好的使用單位面積負(fù)荷指標(biāo)值計(jì)算公共建筑冷負(fù)荷，本文結(jié)合中國(guó)特殊的氣候分布和建筑傳統(tǒng)，以

13、公共建筑為基礎(chǔ)，根據(jù)不同氣候區(qū)的建筑特點(diǎn)和負(fù)荷影響因素建立一系列基準(zhǔn)建筑分類模型，借用能耗模擬軟件DesignBuilder對(duì)其進(jìn)行全年動(dòng)態(tài)負(fù)荷特性分析，構(gòu)建公共建筑冷負(fù)荷指標(biāo)數(shù)據(jù)庫(kù)，為公共建筑冷負(fù)荷預(yù)測(cè)提供參考三、研究的主要內(nèi)容1.典型建筑模型的建立典型建筑是指能夠反映當(dāng)前社會(huì)該類型建筑的建筑形態(tài)、建筑規(guī)模、建筑圍護(hù)結(jié)構(gòu)構(gòu)成、建筑內(nèi)擾情況等的代表性建筑。區(qū)域規(guī)劃階段，沒有具體的建筑信息用于冷負(fù)荷的模擬計(jì)算，這就需要構(gòu)建一種典型的建筑作為冷負(fù)荷模型的基礎(chǔ)。（1）建筑的分類。區(qū)域內(nèi)建筑是由不同使用功能和使用功能相同但規(guī)模不同的建筑組成。研究和調(diào)查建筑的不同使用功能和建筑規(guī)模等指導(dǎo)建筑的分類。（2

14、）確定不同建筑類型冷負(fù)荷的影響因素并工程模擬模型的輸入?yún)?shù)。可將影響因素分為建筑本身的物理因素、內(nèi)擾因素和外擾因素來(lái)分析。由于地域性的區(qū)別，首先按照中國(guó)氣候的五個(gè)分區(qū)，基于當(dāng)?shù)氐臍夂驐l件和風(fēng)俗習(xí)慣進(jìn)行分類。然后同一種類建筑按建筑的可能朝向、圍護(hù)結(jié)構(gòu)、體形系數(shù)、窗墻比、人們生活習(xí)慣、照明、室內(nèi)外設(shè)計(jì)參數(shù)、新風(fēng)量等進(jìn)一步分類。2.典型建筑的工程模擬。用能耗模擬軟件建立典型建筑模型，模擬計(jì)算出不同類別典型建筑的負(fù)荷特性并適當(dāng)處理。3.典型建筑的輸出負(fù)荷的校準(zhǔn)。標(biāo)準(zhǔn)建筑負(fù)荷強(qiáng)度和樣本的置信度。4.利用自上而下的方法從單體建筑負(fù)荷擴(kuò)展到建筑群的負(fù)荷。校準(zhǔn)后的典型建筑負(fù)荷特性形成數(shù)據(jù)庫(kù)，利用該數(shù)據(jù)庫(kù)計(jì)算得

15、到供冷供熱建筑區(qū)域在規(guī)劃階段的動(dòng)態(tài)負(fù)荷。四、工作的重點(diǎn)與難點(diǎn)，擬采取的解決方案工作的重點(diǎn)與難點(diǎn)1）區(qū)域內(nèi)建筑是由不同使用功能和使用功能相同但規(guī)模不同的建筑組成的。建筑的分類有多種方式，合理地對(duì)建筑區(qū)內(nèi)建筑分類是本文的首要之題，關(guān)乎于建筑總體負(fù)荷預(yù)測(cè)的準(zhǔn)確性。 2）典型建筑的模型建立與輸入?yún)?shù)的確定。典型建筑要能代表該類建筑的基本特征，特別是負(fù)荷特性。但是典型建筑并不是實(shí)際存在的建筑，它是集這類建筑于平均的一個(gè)代表虛擬建筑。典型建筑的輸入?yún)?shù)，如：體形系數(shù)、朝向、窗墻比、圍護(hù)結(jié)構(gòu)、建筑人員、照明、設(shè)備、新風(fēng)量、室內(nèi)設(shè)計(jì)參數(shù)等會(huì)因地域性的不同而不同，也會(huì)因建筑的不同和不同。3）由于試驗(yàn)的隨機(jī)性以及

16、分類的概括性，為了盡量減少預(yù)測(cè)誤差。有必要對(duì)輸出負(fù)荷進(jìn)行校準(zhǔn)。解決對(duì)策1）分析影響負(fù)荷的主要影響因素和敏感性，可按照建筑的不同的使用功能和建筑規(guī)模指導(dǎo)建筑的分類。分類依據(jù)主要考慮建筑的負(fù)荷特性不同。2）通過調(diào)研或各地的節(jié)能規(guī)范（采用限值），確定建筑模型的朝向（各地有適合當(dāng)?shù)氐淖罴殉颍⒔ㄖ捏w形系數(shù)、窗墻比、建筑的圍護(hù)結(jié)構(gòu)（R值）、人員、設(shè)備、照明、新風(fēng)量、室內(nèi)設(shè)計(jì)參數(shù)等。室內(nèi)空間布局可根據(jù)調(diào)研出典型的具有代表的這類建筑的普遍布局。3）用典型建筑的輸出的負(fù)荷特性與以往統(tǒng)計(jì)能耗數(shù)據(jù)進(jìn)行對(duì)比分析，當(dāng)然這里只對(duì)比負(fù)荷強(qiáng)度。如果有較大誤差，則需檢驗(yàn)并調(diào)整典型建筑的模型或模擬輸入的參數(shù)。五、論文工作量

17、及進(jìn)度工 作 量：論文計(jì)劃寫3-5萬(wàn)字，總體研究時(shí)間大概安排為16個(gè)月。進(jìn)度安排： 2014.12014.2 通過查閱大量文獻(xiàn)和調(diào)研完成相關(guān)資料的收集，按本文需要將區(qū)域建筑分類。2014.22014.3 根據(jù)已有的文獻(xiàn)資料驗(yàn)證論文的可行性并初步建立典型建筑模型。2014.32014.6 通過實(shí)地調(diào)研或各氣候區(qū)各建筑的節(jié)能標(biāo)準(zhǔn)確定典型建筑的輸入?yún)?shù)并進(jìn)行模擬。2014.62014.7 輸出的動(dòng)態(tài)負(fù)荷曲線進(jìn)行校核，誤差較大的進(jìn)行模型調(diào)整。得出較為準(zhǔn)確的動(dòng)態(tài)負(fù)荷曲線。2014.72014.10 以一案例為分析，驗(yàn)證和分析此方法的可用性以及存在的問題。2014.102015.3 在導(dǎo)師的指導(dǎo)下，根據(jù)實(shí)

18、驗(yàn)數(shù)據(jù)和已學(xué)習(xí)的理論知識(shí)，確定畢業(yè)論文框架，并上交畢業(yè)論文初稿。2015.32015.5 修改和校核畢業(yè)論文，在導(dǎo)師指導(dǎo)下完成終稿，準(zhǔn)備答辯。（本表可附頁(yè)）六、論文預(yù)期成果及創(chuàng)新點(diǎn)預(yù)期成果：1）建立各類典型建筑，能比較準(zhǔn)確的代表負(fù)荷特性相近的這類建筑。2）得出各類典型建筑比較準(zhǔn)確的動(dòng)態(tài)負(fù)荷特性曲線（預(yù)測(cè)因子），為建筑區(qū)域的整體負(fù)荷預(yù)測(cè)提供預(yù)測(cè)因子。為區(qū)域負(fù)荷預(yù)測(cè)軟件開發(fā)提供依據(jù)。3）發(fā)表12篇論文。創(chuàng)新點(diǎn)：1）建立一系列基準(zhǔn)建筑模型，代表一類建筑的負(fù)荷特性，用工程模擬與統(tǒng)計(jì)學(xué)的方法相校準(zhǔn)的方法得出比較準(zhǔn)確的負(fù)荷預(yù)測(cè)因子，形成典型建筑負(fù)荷特性動(dòng)態(tài)數(shù)據(jù)庫(kù)，利用該數(shù)據(jù)庫(kù)計(jì)算得到供冷供熱建筑區(qū)域在規(guī)劃

19、階段的動(dòng)態(tài)負(fù)荷。2） 2）通過數(shù)據(jù)庫(kù)的建立，可以擴(kuò)展得到各個(gè)地區(qū)不同氣候區(qū)的建筑區(qū)域負(fù)荷（本表可附頁(yè)）七、完成論文擬閱讀的主要文獻(xiàn)1 許旺發(fā)，張旭.辦公建筑能耗動(dòng)態(tài)模擬研究J.建筑熱能通風(fēng)空調(diào)，2006，25（1）：15182 何大四，張旭等.常用空調(diào)負(fù)荷預(yù)測(cè)方法分析比較J.西安科技大學(xué)學(xué)報(bào)，2006，38（1）：1251293 梁哲誠(chéng)，陳穎等.廣東市3棟商業(yè)建筑冷、熱、電負(fù)荷特性分析J.建筑科學(xué)，2012，28（8）,13204 陳文鼎，趙哲身.基于BP神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測(cè)J.節(jié)能技術(shù)，2010,28（159）15175 李瓊，孟慶林.基于RBF神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷預(yù)測(cè)模型J.華南理

20、工大學(xué)學(xué)報(bào)，2008，36（10）：25306 徐哲恬，潘毅群等.基于能耗模擬的某校園供冷供熱系統(tǒng)規(guī)劃J.建筑節(jié)能，2013,3:13197 馬濤，徐向東.基于小波網(wǎng)模型的區(qū)域供熱系統(tǒng)負(fù)荷預(yù)測(cè)J.清華大學(xué)報(bào)，2005,45（5）：7087108 周樹貴，張九根等.基于遺傳神經(jīng)網(wǎng)絡(luò)的冰蓄冷空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)研究J.化工自動(dòng)化及儀表9 李瓊，孟慶林等.基于支持向量機(jī)的建筑物空調(diào)負(fù)荷預(yù)測(cè)模型J.暖通空調(diào)，2008,38（1）：141810 董智慧，劉凡等.建筑窗墻比對(duì)辦公建筑冷（熱）負(fù)荷的影響分析.建筑節(jié)能，2008,3:6811 李愛旗，白雪蓮等.居住建筑能耗預(yù)測(cè)分析方法的研究.建筑科學(xué)，2007,

21、23（8）：323512 杜進(jìn)榮，朱能等.民用建筑供熱負(fù)荷的神經(jīng)網(wǎng)絡(luò)法預(yù)測(cè).煤氣與電力，2001,21（1）：161913 韓傳忠，端木琳等.區(qū)域供冷負(fù)荷預(yù)測(cè)模型的建立.建筑熱能通風(fēng)空調(diào)，2012,31（1）：911、8514 蔣小強(qiáng)，龍惟定等.區(qū)域供冷系統(tǒng)逐時(shí)冷負(fù)荷的分析及數(shù)值預(yù)測(cè).中南大學(xué)學(xué)報(bào)，2010,41(1)15 張曉彤，劉金祥等.區(qū)域建筑冷熱負(fù)荷的影響因素敏感性分析及預(yù)測(cè)方法研究J.建筑科學(xué)，2013,29（8）16 瞿燕，潘毅群等.上海世博園區(qū)空調(diào)動(dòng)態(tài)負(fù)荷預(yù)測(cè)與研究.暖通空調(diào),2008,38(10)17 侯余波，付祥釗.夏熱冬冷地區(qū)窗墻比對(duì)建筑能耗的影響.建筑技術(shù)，32（10）1

22、8 王振江,端木琳,李祥立,王仁瑾.基于城市能源綜合規(guī)劃的建筑空調(diào)動(dòng)態(tài)負(fù)荷預(yù)測(cè)方法探討A.全國(guó)暖通制冷2010年學(xué)術(shù)年會(huì)論文集C,201019 Kevin K.W. Wana, K.L. Cheung et al.Impact of modelled global solar radiation on simulated building heating and cooling loads . Energy Conversion and Management,50 (2009) 66266720 F.W.H. Yika, J. Burnett et al.Predicting air-cond

23、itioning energy consumption of a group of buildings using different heat rejection methods.Energy and Buildings 33 (2001) 151-16621 Qiong Li a,b, Qinglin Meng et al.Predicting hourly cooling load in the building: A comparison of support vector machine and different artificial neural networks.Energy

24、Conversion and Management,50 (2009) 909622 Haixiang Zhao，F(xiàn)rédéric Magoulès.A review on the prediction of building energy consumption.Renewable and Sustainable Energy Reviews.2012:3586359223 A.Badri,Z.Ameli,A.Motie Birjandi.Application of Artificial Neural Networks and Fuzzy Logic Meth

25、ods for Short Term Load Forecasting.Energy Procedia 14 (2012) 1883188824 Abdullatif E. Ben-Nakhi, Mohamed A. Mahmoud.Cooling load prediction for buildings using general regression neural networks.Energy Conversion and Management ,45 (2004) 2127214125 Zhijian Hou a, Zhiwei Lian et al.Cooling-load pre

26、diction by the combination of rough set theory and an artificial neural-network based on data-fusion technique.Applied Energy 83 (2006) 1033104626 Yongjun Sun, Shengwei Wang et al.Development and validation of a simplified online cooling load prediction strategy for a super high-rise building in Hong Kong.Energy Conversion and Management,68 (2013) 202727 Sung-Hwan Cho , Won-Tae Kim et al.Effect of length of measurement period on accuracy of predicted annual heating ener