《基于特征温度法的大型商场负荷特性及其分布律的研究(精)》由会员分享，可在线阅读，更多相关《基于特征温度法的大型商场负荷特性及其分布律的研究(精)（11页珍藏版）》请在金锄头文库上搜索。
1、基于特征温度法的大型商场负荷特性及其分布律的研究马校飞1, 龙恩深1, 石玉萍2, 黄如一3, 张爱国4, 凌伟5 重庆大学 城市建设与环境工程学院，重庆 400045； 哈尔滨红光建筑安装工程公司，哈尔滨 150050； 四川省农村能源办公室，成都 610041； 机械工业部第四设计研究院，河南洛阳 471000； 中建三局二公司，武汉 430070摘要：本文分别用传统算法和特征温度法对某商场的空调冷负荷进行了计算，并从设计负荷及负荷构成等方面对两种算法进行了对比分析。比较发现在与设计日最大负荷时刻气象相近的条件下，两种计算方法得出的设计负荷是相近的，负荷构成也是相似的；从而进一步验证了特征
2、温度法的可靠性，证明它可以作为实际工程负荷计算的依据。用特征温度法研究了全年空调负荷的逐时分布、负荷频率和时间频率随部分负荷率的变化规律，这对商场空调系统设计和设备选型（尤其是蓄冰空调系统选型）具有一定的指导意义。关键词：特征温度法；传统算法；设计负荷；逐时负荷；负荷频率；时间频率1 引言改革开放以来，随着我国每年以约16亿m2的住宅、商业等民用建筑投入使用，建筑能耗占总能耗的比例已从1978年的约10%上升到目前的27% 左右，而且根据发达国家的经验，随着人民生活水平的提高，这个比例还将上升1。预计到2020年，建筑用能占全社会能耗的比重将会上升到35% 左右2。其中，公用建筑的能耗所占的比
3、例较大。尤其是随着我国改革开放的深入和WTO的加入，市场经济的日益增长带动了零售业和服务业的快速发展，大型商场数量逐年增加，商业建筑的耗电量在社会总能耗中的比例日益增大3。这对电力部门提出了挑战。而在商业建筑的能耗构成中，暖通空调系统所占的比例最大，如在我国上海为40.5，美国为45。目前，我国电力供应紧张对公用建筑的移峰填谷提出了迫切的要求，而对建筑全年负荷特性及其分布律的准确把握是正确设计暖通空调系统（尤其是蓄冰空调系统）的关键。本文将以某商场建筑为例，用作者提出的特征温度法46 (CTM, Characteristic Temperature Method) 研究公用建筑的全年负荷特性及
4、其分布律。考虑到商场类建筑的内热源负荷比例很大7，冬季采暖负荷较低，因此本文将主要集中于空调冷负荷的研究。2 建筑描述及对比条件2.1 建筑描述本文所选取的工程实例为某六层大型购物广场，该商场位于重庆市区，该地区是重庆市主要的商业中心之一，而该购物广场则是该商业中心重要的商业建筑，是典型的大型商场，很具有代表性。该商场共有七层，地下一层作为大型超市的卖场，地面六层作为专卖场。层高4 m，地面六层总高24 m。该商场总平面呈正方形，长、宽均为101.4 m，每层建筑面积为10281.96m2，总建筑面积为61691.76 m2。该商场墙体采用通透式玻璃幕墙，没有传统意义上的外墙体，只有一些钢筋混
5、凝土的梁柱作为承重结构。在负荷计算中，窗墙面积比取为0.8。由于商场类建筑人员、照明等内热源非常大，所以只考虑空调冷负荷，不考虑热负荷。夏季空调室内设计温度为26，相对湿度为60%。地下一层不纳入分析，最后的建筑模型就是一个比较规则的玻璃幕墙建筑。该商场平、立面示意图见图1。 图1 重庆某大型购物广场平、立面图2.2 假设条件 本文将分别用传统算法和作者提出的特征温度法对该商场的冷负荷进行计算对比，为了便于比较，特作如下假设： 两种方法计算的建筑完全相同，即完全相同的建筑几何参数和围护结构，建筑材料的热工特性也完全相同（见表1）。表中外窗日射得热率X=Xg*Cn*Cs=0.8*0.8*0.85
6、=0.544。式中Xg代表窗户的有效面积系数，Cn代表窗玻璃的遮挡系数， Cs代表窗内遮阳设施的遮阳系数。 夏季空调室内设定温度均为26，相对湿度均为60%。 不同的是夏季空调室外计算参数，传统算法由相关设计手册查找得到，而特征温度法则采用了DOE2（Department of Energy）全年逐时气象数据库中的相关数据。需要指出的是，DOE-2软件是由美国能源部资助，美国劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）开发，于1979年首次发布的建筑全年逐时能耗和负荷模拟软件，采用的负荷模拟方法是反应系数法8。作者研究9-11表明，DOE
7、-2中的中国城市全年逐时气象数据基本能够反映各城市的气象特征；且中国制订的夏热冬冷地区居住建筑节能设计标准中也明确规定采用DOE-2软件作为建筑节能设计的节能综合性能指标的计算工具12。因此，此处采用了DOE-2的全年逐时气象数据库。表1 模型建筑的几何参数尺寸及围护结构热工特性总建筑面积m2朝向层数层高m窗 墙面积比体形系数外墙（窗）UW/m2屋顶UW/m2外窗得热率X模型建筑61691.76南640.80.086.41.50.544 在对比计算中，灯光功率按20 W/m2指标估算，且灯光功率转化为冷负荷的比例取为0.8，得室内总照明负荷为987.1 kW；计算人体负荷时，考虑到商业活动属于
8、轻劳动，人体全热按120 W/人计算，各楼层的人数不一样多，按经验可取三到六层2000人，二楼2500人，底楼3000人，且群集系数取为0.89，可算得人体总负荷为1441.8 kW。 尽管该商场是重庆的实际工程，为便于对比，本文同时给出了该商场如修建于北京的结果。 考虑到大型商场人员众多，对通风换气要求较高，按24 m3/h*人新风量计算，折合成新风换气次数大约为2.0次/h，计算得新风冷负荷在重庆约为1111 W，在北京约为650 kW。3 两种算法设计负荷的确定及其构成对比3.1设计负荷的确定传统算法冷负荷计算普遍采用冷负荷温差法，它是针对建筑所有的围护结构（如墙体、窗和屋顶等），根据设
9、计日气象条件（室外温度、日较差、纬度等）计算出各围护结构的冷负荷逐时值，然后将各项累加，以冷负荷最大的时刻的值作为设计负荷，由于同行对该法暖通界都已熟知，计算过程略。而特征温度法则是作者在多年研究的基础上提出的一种半理论半实验的负荷模拟计算方法3,6,911，它根据全年8760小时的逐时气象将各个时刻的空调负荷一一算出，从中选取室外温度、各向总太阳辐射强度等气象条件和传统算法尽可能相近的时刻，将其对应的空调负荷作为与传统算法设定条件相近的特征温度法的设计负荷,以便于对比。3.2 设计负荷构成的对比设计负荷是空调系统冷源设备选型的依据，它决定空调系统的容量与规模大小。图2、3分别给出了用传统算法
10、和特征温度法计算的该商场建筑在北京的空调设计负荷的构成对比。从两图可以看出，不管是传统算法还是特征温度法，该商场人体和照明负荷所占比例之和都在50%以上，说明商场类建筑内热源负荷在总负荷中占了相当大的比例，这是与一般建筑不同的；同时两种算法得出的围护结构负荷所占比例均在30%左右，要略大于一般的商场类建筑，主要是因为所选的商场建筑为通透的玻璃幕墙结构，太阳辐射热所引起的冷负荷较大，另一方面内热源负荷随商场内人员密度和照明设备的实际使用情况不同而变化，如果作者选用较大的人员密度或者照明设备的同时使用系数选大一点，那么所得的内热源负荷就会增加，围护结构负荷所占比例自然就降低了，以上是相似之处。对比
11、两图还可以看出，特征温度法计算出的围护结构负荷所占比例（34.4%）要略大于传统算法对应的值（29.8%），主要是因为特征温度法所选的设计负荷所对应的时刻的各向总太阳辐射值要大于传统算法设计日所对应的值，因而计算出的围护结构冷负荷偏大；而对于新风冷负荷占总负荷的比例，传统算法要大于特征温度法，这是因为两种算法所用的室外气象参数是不同的，传统算法所用的空调室外计算干球温度（33.2）要大于特征温度法（30.6）。由以上可以看出，两种算法所得出的空调设计负荷的构成是相近的，细微的差异主要是由于所用的室外气象参数不同，而不在于计算方法本身。 图4、5分别给出了用传统算法和特征温度法计算的该商场建筑在
12、重庆的空调设计负荷的构成对比。与图2、3相比，不管是在北京还是重庆，两种算法所得出的空调设计负荷的构成都是相近的，而两个城市的气象有很大的差异，一个属于华北城市一个属于西南城市，因此很具有代表性。传统算法是暖通行业多年来沿用至今的一套基本的负荷计算方法，毫无疑问是比较可靠的，而特征温度法的计算结果与传统算法又很相近，从而验证了特征温度法是可以用于负荷计算的。4 设计负荷与逐时负荷的对比图6、7分别给出了同一商场建筑在重庆和北京两城市的空调负荷分布。图中纵坐标分别为用特征温度法计算的逐时负荷、设计负荷以及传统算法的设计负荷。从图中可以看出， 不管是在重庆还是北京，两种算法所得出的设计负荷都是全年
13、中比大部分时刻高的瞬时负荷； 传统算法与特征温度法计算的设计负荷总体上是相近的； 但仔细观察，特征温度法计算出的设计冷负荷在重庆约为5293 kW，略高于传统算法（约为4927 kW），而在北京约为4449 kW，略低于传统算法（约为4574 kW），这是由两种算法所选用的室外气象参数不同所致。具体来说，特征温度法计算确定设计负荷时选取室外温度、各向总太阳辐射强度等气象条件和传统算法设计日气象尽可能相近的时刻，事实上是极其困难的，尤其是各向太阳辐射强度很难达到完全相近，在北京甚至差异很大，这可能与所采用的DOE-2的全年逐时气象数据库有关； 不管是在重庆还是北京，特征温度法计算得出的逐时空调负
14、荷均在某一值以上，而这一值即为人体和照明负荷之和，约为2429 kW。这说明了商场类建筑内热源对空调冷负荷的影响极大，这与空调运行的实践经验是一致的，再一次验证了特征温度法的预测是比较合理的； 从图中还可看出，不管是在重庆还是北京，都有相当多的时刻逐时负荷高于设计负荷（约20%），仔细分析这些时刻的气象数据发现，它们的太阳总辐射、散射值普遍比设计日的太阳辐射偏高。事实上，许多经验丰富的工程设计人员在选择空调系统时，往往在传统方法计算的设计负荷基础上要考虑一个富余量来修正，也许是因为设计日的气象数据（主要是各向太阳辐射）偏于保守所致。图7 逐时负荷、设计负荷的对比（北京）时刻，h冷负荷，KW5
15、负荷频率和时间频率及其分布规律设计负荷决定建筑设备系统的容量、规模和初投资，但设计人员往往从保守安全起见，通常选用比设计负荷更大的装机设备负荷。作者认为，这种现象在某种意义上是合理的，因为它是大量工程经验的总结；从图6、7也可看出，若按设计日气象条件用传统算法或CTM法得出的设计负荷，全年有很多时刻不能满足空调要求，说明现行设计规范中设计日气象尚完善。另一方面，选用太大的设备装机负荷致使系统使用过程中造成较大的浪费，出现“大马拉小车”的现象，既增加了建筑设备的初投资，又提高了系统的运行费用。如文献报道，有的实际工程设备最大利用率仅为2550%13,14。为了探求空调系统运行过程中的实际空调负荷与设计负荷的关系，我们定义如下几个概念：设计冷负荷：利用作者提出的特征温度法，根据全年8760小时的逐时气象条件计算出各个时刻的冷负荷值，扣除50个最大值，选取第51大的值作为空调设计负荷（不保证50个小时）。按此方法，得出该商场建筑在北京和重庆的设计冷负荷分别为5449.4 kW和5908.2 kW，根据作者的工程经验，这一个值与工程选取值是基本吻合的，读者也可据自己的经验作出判断。需要说明一点，此处设计冷负荷的确定方法是在前面研究的基础上提出的一种更为合理的方法
