该文将Energy Plus建筑能耗仿真与实际被动式建筑现场调研、能耗监测相结合,以青岛地区某被动房为案例,开展了包括现场调研、仿真结果验证、节能潜力分析和敏感性分析等内容的实验项目。实验结果表明,该实验方法可操作性强,仿真结果与...该文将Energy Plus建筑能耗仿真与实际被动式建筑现场调研、能耗监测相结合,以青岛地区某被动房为案例,开展了包括现场调研、仿真结果验证、节能潜力分析和敏感性分析等内容的实验项目。实验结果表明,该实验方法可操作性强,仿真结果与实测数据吻合度高,被动式建筑的节能效果得到有效验证。案例被动式建筑全供暖及供冷能耗指标分别为14.08 k Wh/m^(2)·a和8.37 k Wh/m^(2)·a,相比传统建筑全年节能55.26%,其中空调节能率高达56.95%;外墙、外窗保温、遮阳系统等被动措施是主要节能来源,节能占比分别为26.54%、23.58%和23.97%;灰色关联分析显示,外墙传热系数对全年能耗的敏感度最高。展开更多
为探索近年来我国被动式超低能耗建筑研究的热点和趋势,采用CiteSpace与VOSviewer基于中国知网和Web of Science作为中英文文献来源,搜索并提炼154篇中文核心及118篇英文核心有效文献进行科学知识图谱分析。研究结果表明,该领域的发展...为探索近年来我国被动式超低能耗建筑研究的热点和趋势,采用CiteSpace与VOSviewer基于中国知网和Web of Science作为中英文文献来源,搜索并提炼154篇中文核心及118篇英文核心有效文献进行科学知识图谱分析。研究结果表明,该领域的发展进程大致可划分为三阶段:发展阶段、增长阶段、延伸阶段,国内研究机构初步形成了较小团体的研究网络,但未形成大规模的研究团体。随着被动式超低能耗建筑的不断发展,多目标优化研究成为热点,其研究趋势也将更加注重针对当地气候和资源特点的定制化设计和优化,同时将更加注重实践应用和技术推广,以实现更加可持续、健康和舒适的居住环境。展开更多
由于被动式近零能耗建筑实际日耗热量受多种因素影响、特征难提取,导致日耗热量预测难度较大。为此,提出一种基于离散稀疏函数的建筑实际日耗热量预测方法。采用离散稀疏函数计算历史建筑日耗热量数据,在不同维度层次上特征向量和稀疏参...由于被动式近零能耗建筑实际日耗热量受多种因素影响、特征难提取,导致日耗热量预测难度较大。为此,提出一种基于离散稀疏函数的建筑实际日耗热量预测方法。采用离散稀疏函数计算历史建筑日耗热量数据,在不同维度层次上特征向量和稀疏参数,利用激活函数建立偏离惩罚项,明确每个热量先验信息数据与中心值间的偏离度。采用线性传递函数求得会影响实际日耗热量间的线性变化关系,建立时间序列,采用自回归算法得出时间和热量的正向变化序列,实现对日耗热量的预测。实验数据证明,所提方法日耗热量预测精准度较高,针对热负荷、冷负荷以及预测平均评价(Predicted Mean Vote, PMV)指标均实现了高效预测。展开更多
文摘该文将Energy Plus建筑能耗仿真与实际被动式建筑现场调研、能耗监测相结合,以青岛地区某被动房为案例,开展了包括现场调研、仿真结果验证、节能潜力分析和敏感性分析等内容的实验项目。实验结果表明,该实验方法可操作性强,仿真结果与实测数据吻合度高,被动式建筑的节能效果得到有效验证。案例被动式建筑全供暖及供冷能耗指标分别为14.08 k Wh/m^(2)·a和8.37 k Wh/m^(2)·a,相比传统建筑全年节能55.26%,其中空调节能率高达56.95%;外墙、外窗保温、遮阳系统等被动措施是主要节能来源,节能占比分别为26.54%、23.58%和23.97%;灰色关联分析显示,外墙传热系数对全年能耗的敏感度最高。
文摘为探索近年来我国被动式超低能耗建筑研究的热点和趋势,采用CiteSpace与VOSviewer基于中国知网和Web of Science作为中英文文献来源,搜索并提炼154篇中文核心及118篇英文核心有效文献进行科学知识图谱分析。研究结果表明,该领域的发展进程大致可划分为三阶段:发展阶段、增长阶段、延伸阶段,国内研究机构初步形成了较小团体的研究网络,但未形成大规模的研究团体。随着被动式超低能耗建筑的不断发展,多目标优化研究成为热点,其研究趋势也将更加注重针对当地气候和资源特点的定制化设计和优化,同时将更加注重实践应用和技术推广,以实现更加可持续、健康和舒适的居住环境。
文摘由于被动式近零能耗建筑实际日耗热量受多种因素影响、特征难提取,导致日耗热量预测难度较大。为此,提出一种基于离散稀疏函数的建筑实际日耗热量预测方法。采用离散稀疏函数计算历史建筑日耗热量数据,在不同维度层次上特征向量和稀疏参数,利用激活函数建立偏离惩罚项,明确每个热量先验信息数据与中心值间的偏离度。采用线性传递函数求得会影响实际日耗热量间的线性变化关系,建立时间序列,采用自回归算法得出时间和热量的正向变化序列,实现对日耗热量的预测。实验数据证明,所提方法日耗热量预测精准度较高,针对热负荷、冷负荷以及预测平均评价(Predicted Mean Vote, PMV)指标均实现了高效预测。