第 1 级 · 寒日研讨会人潮
这是一个寒冷的春日(约 0–6 °C)。13:00 约有 400 位宾客到楼内参加研讨会,17:00 离开——楼内人数会由 210 人增至约 600 人。要在整个工作日把室内 CO₂ 保持在 1,000 ppm 或以下,既不浪费能源,也不推高需求峰值。通风采用固定的设计风量。
- 整个工作日室内 CO₂ ≤ 1,000 ppm
- 耗电量 ≤ 1,110 kWh
- 需求从不超过 120 kW
你是一栋五层办公楼的设施经理,建筑为重型混凝土结构,设有屋顶制冷机组、一台热泵和一台中央空气处理机组。模型每 15 分钟计算室外空气、室内空气、各表面与建筑结构之间流动的热量(ISO 13790 逐时法)、机组须提供的负荷、耗电量、使用者呼出多少 CO₂,以及他们感觉有多舒适(PMV/PPD,ISO 7730)。仅为教育模拟——电价和建筑数字均为示意,并非工程或财务建议。
使用模式下,机组把室内空气冷却到的温度。人员到达前调低,可为建筑结构预冷;电价高峰期间调高。
使用模式下,热泵维持的室内空气温度。必须至少比制冷设定值低 1 °C。
使用模式开始的钟点(员工 07:30 起到达,通风自 08:00 起,18:00 停止)。08:00 前室外空气风阀保持关闭,机组只负责给建筑加热或冷却。非使用模式时,建筑温度在 15 至 30 °C 之间自由浮动。启动指令具有锁存性:机组当天一旦启动,在 18:00 之后之前,修改此项不会有任何作用。
固定 = 按 250 人设计的风量(2,125 L/s)。按需控制 = 每位在场人员 2.5 L/s + 每 m² 0.3 L/s。吹扫 = 100 % 室外空气(6,000 L/s)——CO₂ 最低,供暖或制冷成本最高。
当室外空气比室内凉、又需要制冷时,引入更多室外空气(最多 6,000 L/s),而不是开启压缩机。
把制冷和供暖输出限制在容量的这个比例以内。可削减用电峰值,但如果负荷更大,室温就会偏离设定值。
| 热感觉(PMV) | -0.84 |
|---|---|
| 室内空气温度 | 21.9 °C |
| 运作温度 | 21.9 °C |
| 表面温度 | 21.9 °C |
| 结构温度 | 22.0 °C |
| 室外温度 | 16.9 °C |
| 耗电量 | 0 kWh |
| 建筑内人数 | 0 |
| 室外空气 | 0 L/s |
| 供冷量 | 0 kW |
| 供热量 | 0 kW |
| 机组 COP | 0.00 |
| 设定值未达标的差距 | 0.0 K |
这是一个寒冷的春日(约 0–6 °C)。13:00 约有 400 位宾客到楼内参加研讨会,17:00 离开——楼内人数会由 210 人增至约 600 人。要在整个工作日把室内 CO₂ 保持在 1,000 ppm 或以下,既不浪费能源,也不推高需求峰值。通风采用固定的设计风量。
星期一,午夜,平均 −7 °C。整个周末建筑一直保持在 15 °C 的 setback,因此混凝土结构约为 14 °C。员工 07:30 起到达。机组照常排定 07:00 启动。要让建筑从 08:00 起保持舒适(PPD ≤ 10 %),同时控制早上的需求峰值和能源费用。
热浪日:黎明 24 °C,下午 36 °C,阳光强烈。电价的需量电费按 13:00 至 17:00 之间最高的 15 分钟需求计算。要把这个峰值控制在 148 kW 或以下,同时让使用者保持舒适(平均 PPD ≤ 9.5 %,从不超过 15 %),并使全天用电量接近原本的水平。机组 07:00 启动,设定值为 24 °C。
模拟器使用的每一个关系式及其来源。标注为假设的常数是示意性校准值。
air: H_ve(θo − θa) + H_is(θs − θa) + Φ_ia + Φ_HC = 0; surface: H_is(θa − θs) + H_w(θo − θs) + H_ms(θm − θs) + Φ_st = 0; mass: C_m·dθm/dt = H_ms(θs − θm) + H_em(θo − θm) + Φ_m[1][2]C_m = 260 000·A_f J/K, A_m = 3.0·A_f, A_tot = 4.5·A_f, H_is = 3.45·A_tot, H_ms = 9.1·A_m (W/K); Φ_ia = 0.5·Φ_int, Φ_m = (A_m/A_tot)(0.5·Φ_int + Φ_sol)[1][2]H_ve = ρc·(Q_oa + Q_inf), ρc = 1200 J/(m³K)[1]PMV = (0.303·e^(−0.036M) + 0.028)·[(M − W) − heat losses(θa, θ_r, v, p_a, I_cl)], θ_r ≈ θs; PPD = 100 − 95·exp(−0.03353·PMV⁴ − 0.2179·PMV²)[3][4]V_bz = R_p·N + R_a·A = 2.5 L/s·N + 0.3 L/s·m²·A; fixed = V_bz(design 250 people) = 2,125 L/s; DCV = V_bz(N present); purge = 100 % outdoor air (6 m³/s, the AHU limit)[5]V·dC/dt = Q(C_out − C) + N·G, G = 0.0048 L/s; C_ss = C_out + N·G/Q, τ = V/Q[6][5][7]Φ_int = 75 W·N + lights 7 W/m² + plugs 10 W/m²·(0.25 + 0.75·N/250); Φ_sol = 100 kW·sin(π(h − 6)/13)·cloud[8]假设:建筑规模、围护结构、机组容量、热增益密度、卡诺系数、风机功率、时间表和天气,都是一栋普通办公楼的示意数值;热平衡、舒适度、通风和 CO₂ 的关系式则是已发表的公式。COP_cool = 0.45·T_e/(T_c − T_e), T_e = 5 °C, T_c = θo + 12 K; COP_heat = 0.45·T_c/(T_c − T_e), T_c = 45 °C, T_e = θo − 8 K[9]假设:建筑规模、围护结构、机组容量、热增益密度、卡诺系数、风机功率、时间表和天气,都是一栋普通办公楼的示意数值;热平衡、舒适度、通风和 CO₂ 的关系式则是已发表的公式。P = Q_cool/COP_cool + Q_heat/COP_heat + fans (6 kW + 1.5 kW per m³/s outdoor air) + lights + plugs; billing demand = max over 15-min intervals of P[11]假设:建筑规模、围护结构、机组容量、热增益密度、卡诺系数、风机功率、时间表和天气,都是一栋普通办公楼的示意数值;热平衡、舒适度、通风和 CO₂ 的关系式则是已发表的公式。cool the mass before the peak (θm ↓), then raise the setpoint: H_ms(θs − θm) absorbs part of the afternoon gain instead of the plant[10]recovery time after setback grows with (θ_set − θm) and with colder weather; plant start = occupancy − recovery time[12][1]5,000 m² office, 3 m storeys · windows 800 m² at U 1.8 (H_w 1,440 W/K), opaque envelope 1,000 W/K, infiltration 0.1 ACH · cooling capacity 350 kW, heat pump 300 kW (thermal) · unoccupied limits 15/30 °C · occupancy 07:30–18:30, attendance ~ N(85 %, 5 %) · outdoor temperature cosine + N(0, 0.8 K) hourly · RH 50 %, 0.1 m/s, 1.2 met假设:建筑规模、围护结构、机组容量、热增益密度、卡诺系数、风机功率、时间表和天气,都是一栋普通办公楼的示意数值;热平衡、舒适度、通风和 CO₂ 的关系式则是已发表的公式。随机性:带种子的 mulberry32 生成器;所用分布包括均匀分布、指数分布(逆 CDF)、正态分布(Box–Muller)和泊松分布(Knuth)。种子会显示出来,并且可以分享。
教育模型,不可用于实际运营决策。真实站点会根据自己的设备和数据校准每一个常数。