导读:本文包含了建筑负荷论文开题报告文献综述及选题提纲参考文献，主要关键词:医疗建筑,热水锅炉容量,错峰运行,逐时室温
建筑负荷论文文献综述
李志强[1]（2019）在《医疗建筑中热水锅炉负荷计算及室温分析》一文中研究指出北方地区医疗建筑设计中,热水锅炉容量选择往往偏大。为降低热水锅炉容量,提出了一种不同负荷错峰运行的方式,生活热水用热峰值时降低供暖空调供热量,谷值时升高。为保证逐时室温达标,提出了部分负荷供热时的逐时室温计算方法,并给出估算热水锅炉容量的热指标法。(本文来源于《暖通空调》期刊2019年11期）
于留辉,秦丹丹,范允霞[2]（2019）在《商店建筑负荷分级与供电方案探讨》一文中研究指出商店建筑因其经营业态、管理模式及档次不同,对供电可靠性的要求有很大区别;通过对商店业态及其管理模式的分析,结合几部规范的规定提出商店负荷分级的建议;商店建筑面积并不是主要因素,重点应考虑商店的档次和经营方式,主要是各类负荷对建筑或商业运营的影响程度;进一步讨论重要负荷的供电方案,结合大空间营业厅和连续排列商铺营业厅的配电方案,给出重要负荷切换位置的几种方式,并分析各方案适用的设备类型。(本文来源于《建筑电气》期刊2019年10期）
范成,叶曈曈,王家远,刘易[3]（2019）在《基于可解读机器学习的建筑冷负荷预测模型评估方法》一文中研究指出近年来,建筑自动化系统(BAS)在现代建筑中广泛安装运用。BAS能够对建筑系统进行自动监测及实时控制,同时存储着海量的建筑能耗监测数据。通过使用数据挖掘技术,可以从这些海量数据中提取出有价值的信息,进而运用到建筑能耗分析、能耗与负荷预测、故障诊断、优化控制等多个方面。监督类数据挖掘技术能够很好地提高能耗预测的精度,但由于构建的预测模型多为黑箱模型,其预测逻辑并不能被轻松地解读,这也是限制高精度黑箱预测模型实用性的根本原因。针对这一问题,发展了一套基于可解读机器学习概念的预测模型评估方法。研究首先运用机器学习算法对建筑冷负荷进行高精度建模,其次通过构建局部线性解释模型对预测个体进行解读,同时基于局部解释模型的参数建立了一种信任指数,用于评价复杂黑箱模型的实际表现。本研究的成果可以帮助建筑运维人员更加全面和快速地了解复杂黑箱模型的预测逻辑,同时可以为模型评估提供一种新型指标,有利于提升复杂模型在决策过程中的实际效用。(本文来源于《建筑节能》期刊2019年10期）
陈鹏[4]（2019）在《民用建筑电气负荷计算及变压器选型》一文中研究指出电气负荷计算是民用电气设计的基础,关系到供配电系统的选择、电气设备及变压器的选型。民用建筑种类众多,用电设备千差万别,不同建筑都有各自的负荷特点,虽然各种设计手册和设计规范对负荷计算有一定的介绍,但是在实际工作中,负荷计算需要综合考虑,认真细致,才能使计算结果与实际用电负荷尽可能接近,既满足使用及规范要求,又不至于设计冗余过大,浪费资源。(本文来源于《科技经济导刊》期刊2019年30期）
于洋,刘书颖[5]（2019）在《城市总体规划阶段居住建筑负荷预测模型构建》一文中研究指出随着低碳城市研究的兴起,城市规划开始关注城市碳排放和能源消耗,而建筑系统碳排放作为城市碳排放的主要来源之一,成为城市规划者不得不关注的问题。建筑负荷的估算可以为城市总体规划中的能源分配提供参考,但目前对于建筑负荷的获取主要是基于软件模拟和数值计算,需要确定建筑模型和详细参数,不适用于城市规划中对城市大规模居住建筑负荷的研究。本文通过分析城市总体规划阶段对负荷预测的需求,考虑数据的可获取性,提出了一种基于全城满覆盖居住建筑类型划分的居住建筑负荷预测模型构建方法。并以西安市为研究对象,通过在西安市主城区随机挑选研究样本,对研究样本进行调研和监测,提取其建筑几何参数和属性参数,采用软件仿真和回归分析,最终建立了西安市居住建筑负荷预测模型,并将该模型与GIS平台结合,可视化呈现了西安市居住建筑负荷空间分布特征。该模型可用于城市总体规划阶段快速估算大规模的居住建筑负荷。(本文来源于《活力城乡 美好人居——2019中国城市规划年会论文集（05城市规划新技术应用）》期刊2019-10-19）
杨灵艳,张瑞雪[6]（2019）在《近零能耗办公建筑间歇运行负荷附加率研究》一文中研究指出近零能耗办公建筑由于采用高性能的围护结构和部件部品,负荷需求大大低于常规建筑,间歇运行模式对其负荷的影响与常规建筑不同,本文针对4种典型间歇运行模式分气候区对近零能耗办公建筑进行了负荷模拟计算,与连续运行负荷相比较后得出其负荷的附加率,由计算结果可知,内热对近零能耗间歇运行负荷附加率影响显着,内热对夏季冷负荷增加比例为近零能耗建筑负荷计算及供能和蓄能系统设计提供参考。(本文来源于《建筑科学》期刊2019年10期）
毕海静[7]（2019）在《农村住宅建筑热负荷影响因素分析》一文中研究指出我国北方寒冷地区在冬季能耗较高,大量商用能源与化石燃料被用于燃烧供暖,在经济性和清洁性方面均十分落后。采用传统供暖方式不仅效率低而且室内温度难以得到保障。如何降低能源消耗,提升供暖品质,改善农村住户冬季居住舒适度已经成为了刻不容缓的问题。本文首先以北京农村某住宅为研究对象,给出了热负荷的计算方法;其次据此分析了影响热负荷的诸多因素,并针对性的提出了优化改进的思路;最后针对农村能耗大、环境破坏的问题,因地制宜提出了四种新型供暖系统,用于改善农村供暖质量,改善供暖能耗经济性。(本文来源于《资源节约与环保》期刊2019年09期）
郇嘉嘉,余梦泽,隋宇,李万程,田喆[8]（2019）在《基于实际运行数据校准居住建筑热负荷模型中的人行为时间表》一文中研究指出建筑能耗模拟在建筑设计、运行和改造过程中发挥着重要作用,为了使其贴合实际,需要对其校准。作为影响建筑能耗的重要因素,建筑人行为模式的合理设置是能耗模拟结果准确的前提。提出了一种居住建筑热负荷模型的人行为时间表校准方法:基于建筑能耗模拟软件TRNSYS和最优化软件GenOpt联合仿真的半自动校准平台,使用k-means聚类方法对室外温度进行聚类,根据聚类结果将供暖季划分为不同的时间段,对不同时间段内的人行为时间表分别进行校准。将该方法应用于一栋居住建筑,其校准后模型模拟的误差评价指标MBE和CV(RMSE)从校准前的-81.71%和83.89%分别降低到-2.91%和15.90%,满足相关标准对模型校准精度的要求。(本文来源于《暖通空调》期刊2019年09期）
刘艳峰,宋雪丹,王莹莹,刘露露,刘加平[9]（2019）在《极端热湿气候区建筑湿负荷计算方法研究》一文中研究指出针对极端热湿气候区建筑湿负荷计算值偏小的问题,本文对该气候条件下室内湿负荷的构成及计算方法进行了研究,在传统湿负荷计算方法的基础上,考虑了空气渗透及围护结构吸放湿引起的湿负荷。研究结果表明,极端热湿气候区建筑湿负荷占总负荷比例为58%左右。若采用附加百分数法计算建筑湿负荷,根据本文迭加法中湿负荷与显热负荷的比值得到附加百分数,其值宜取1.4。最后,根据本文湿负荷计算方法,本文列出了极端热湿气候区不同单位面积显热负荷对应的湿负荷,为空调装机容量的选择提供依据。(本文来源于《建筑热能通风空调》期刊2019年08期）
盘承巍,王健,谢孟晓[10]（2019）在《基于数据挖掘的医院建筑电负荷特性分析预测》一文中研究指出本文基于青岛某医院建筑2017年全年逐时总用电能耗实测数据,将冷热源电耗从中分离,得到用于分布式能源系统运行策略研究的逐时电负荷数据。首先利用k-means聚类算法对该建筑的全年逐时电负荷特性进行分析,并根据聚类结果为神经网络的训练构建相似日样本集。然后利用相关性理论针对不同的相似日样本集筛选特征参数,作为神经网络的输入参数。最后利用平均绝对百分误差(MAPE)、变异系数(CV)、均方根误差(RMSE)等指标对本文提出的复合优化预测模型性能进行定量评价。结果显示,复合优化预测模型的预测精度相较于既不聚类也不进行相关分析的传统BP网络有了很大的提高。其中,MAPE、CV、RMSE分别降低了39.4%、36.9%、38.1%。(本文来源于《建筑热能通风空调》期刊2019年08期）
建筑负荷论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
商店建筑因其经营业态、管理模式及档次不同,对供电可靠性的要求有很大区别;通过对商店业态及其管理模式的分析,结合几部规范的规定提出商店负荷分级的建议;商店建筑面积并不是主要因素,重点应考虑商店的档次和经营方式,主要是各类负荷对建筑或商业运营的影响程度;进一步讨论重要负荷的供电方案,结合大空间营业厅和连续排列商铺营业厅的配电方案,给出重要负荷切换位置的几种方式,并分析各方案适用的设备类型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
建筑负荷论文参考文献
[1].李志强.医疗建筑中热水锅炉负荷计算及室温分析[J].暖通空调.2019
[2].于留辉,秦丹丹,范允霞.商店建筑负荷分级与供电方案探讨[J].建筑电气.2019
[3].范成,叶曈曈,王家远,刘易.基于可解读机器学习的建筑冷负荷预测模型评估方法[J].建筑节能.2019
[4].陈鹏.民用建筑电气负荷计算及变压器选型[J].科技经济导刊.2019
[5].于洋,刘书颖.城市总体规划阶段居住建筑负荷预测模型构建[C].活力城乡美好人居——2019中国城市规划年会论文集（05城市规划新技术应用）.2019
[6].杨灵艳,张瑞雪.近零能耗办公建筑间歇运行负荷附加率研究[J].建筑科学.2019
[7].毕海静.农村住宅建筑热负荷影响因素分析[J].资源节约与环保.2019
[8].郇嘉嘉,余梦泽,隋宇,李万程,田喆.基于实际运行数据校准居住建筑热负荷模型中的人行为时间表[J].暖通空调.2019
[9].刘艳峰,宋雪丹,王莹莹,刘露露,刘加平.极端热湿气候区建筑湿负荷计算方法研究[J].建筑热能通风空调.2019
[10].盘承巍,王健,谢孟晓.基于数据挖掘的医院建筑电负荷特性分析预测[J].建筑热能通风空调.2019