空调负荷计算的机器学习新方法研究

"该资源是一篇关于人工智能在空调负荷计算中应用的硕士论文，主要探讨了机器学习在改进空调负荷预测方法中的作用。论文详细介绍了围护结构动态热特性的计算，非稳态传热的验证方法，以及辐射时间序列方法在计算空调负荷中的应用。" 本文首先阐述了研究背景，指出空调负荷计算在建筑能效管理中的重要性，并对国内外的研究现状进行了综述，指出现有方法存在的问题，如非稳态传热计算的复杂性和准确性。论文的核心内容分为四章： 第二章主要研究了常用围护结构动态热特性参数的计算方法，包括频域回归法（FDR）和多项式S传递函数。作者详细描述了计算步骤、频率调整以及编程实现，并通过实例展示了如何计算中国常见墙体和屋面的动态热特性参数。 第三章探讨了围护结构非稳态传热计算的验证方法，包括传递系数和反应系数的验证，以及针对不同类型的墙体（轻型、重型、空气夹层）的验证策略。这部分还引入了误差准则来评估计算的准确性，以ASHRAE墙体组37为例进行了实例分析。 第四章重点研究了辐射时间序列方法（RTSM）在空调负荷计算中的应用，对比了RTSM与传统传递函数法（TFM）。论文详细介绍了如何利用周期反应系数计算传热得热量，以及利用辐射时间系数计算辐射形成的冷负荷，同时提出了修正房间传递函数系数的方法。 第五章是新方法的应用示例，比较了新方法与传统方法在计算房间冷负荷形成上的差异，特别是在得热量计算方面的表现。 这篇论文为人工智能和机器学习在空调负荷预测领域的应用提供了新的视角，有助于提高建筑能源效率，减少能源浪费，对于建筑设计、暖通空调工程以及智能建筑控制等领域具有重要的理论与实践价值。