排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
为了准确预测地铁车站的空调负荷,首先通过地铁车站能耗监测平台的历史数据分析,识别得到客流量和室外气象参数是主要影响因素.其次利用车站CO2体积浓度逐时监测数据建立客流量神经网络预测模型,并与闸机数据对比,预测模型的复相关系数R2可达0.87.以客流量预测为基础,建立了车站空调负荷预测模型,并比较了不同时间尺度训练数据下... 相似文献
2.
以夏热冬冷地区近零能耗住宅和常规住宅为研究对象,计算了夏季和除湿期的除湿量,对比研究了两种建筑的热湿比特征和室内高湿度问题。研究结果表明:近零能耗住宅和常规住宅除湿量变化主要取决于新风和渗透风量,无人时段换气次数对总除湿量影响较小。在不考虑新风显热负荷和湿负荷的情况下,近零能耗住宅夏季和除湿期的热湿比分别降低至常规住宅的45.3%和38.5%。以室内温度为控制参数时,近零能耗住宅在夏季和除湿期的室内高湿度时长比常规住宅长。夏季减小近零能耗住宅无人时段的开窗换气次数,除湿期适当开窗通风有助于减少室内的高湿时数。 相似文献
1