第 1 級 · 寒冷天氣中的研討會人潮
這是一個寒冷的春日(約 0–6 °C)。13:00 時約有 400 位來賓到大樓參加研討會,17:00 離開——大樓內將有約 600 人,而不是 210 人。請在整個上班日讓室內 CO₂ 維持在 1000 ppm 以下(含),同時不浪費能源、不推高需量尖峰。通風採固定設計風量。
- 整個上班日室內 CO₂ ≤ 1000 ppm
- 用電量 ≤ 1110 kWh
- 需量始終不超過 120 kW
你是一棟五層樓辦公大樓的設施經理,大樓為厚重的混凝土結構,配有屋頂冷卻設備、熱泵與中央空調箱。模型每 15 分鐘計算一次室外空氣、室內空氣、各表面與建築結構體之間流動的熱量(ISO 13790 逐時法)、設備必須供應的量、耗用的電力、人員呼出的 CO₂ 量,以及人員的舒適感(PMV/PPD,ISO 7730)。僅供教育模擬——電價與建築數據均為示意,並非工程或財務建議。
使用模式下,設備將室內空氣冷卻到的溫度。人員到達前調低可預冷建築結構;電價尖峰時段調高。
使用模式下,熱泵維持的室內空氣溫度。至少比冷氣設定值低 1 °C。
使用模式開始的時鐘時間(員工 07:30 起到達,通風從 08:00 開始,18:00 停止)。08:00 之前室外空氣風門保持關閉,設備只負責加熱或冷卻建築物。非使用模式時,建築物溫度在 15 至 30 °C 之間自由變動。啟動指令具有鎖存特性:設備當天啟動後,更改此設定要到 18:00 之後才會有作用。
固定 = 按 250 人設計的風量(2125 L/s)。需求控制 = 每位在場人員 2.5 L/s + 每 m² 0.3 L/s。吹淨 = 100 % 室外空氣(6000 L/s)——CO₂ 最低,但暖氣或冷氣成本最高。
當室外空氣比室內涼且需要製冷時,多引入室外空氣(最多 6000 L/s),而不是啟動壓縮機。
將冷氣與暖氣輸出限制在容量的這個比例以內。可削減用電尖峰,但負載較大時室溫會偏離設定。
| 熱感覺(PMV) | -0.84 |
|---|---|
| 室內空氣溫度 | 21.9 °C |
| 作用溫度 | 21.9 °C |
| 表面溫度 | 21.9 °C |
| 結構體溫度 | 22.0 °C |
| 室外溫度 | 16.9 °C |
| 用電量 | 0 kWh |
| 建築內人數 | 0 |
| 室外空氣 | 0 L/s |
| 供冷量 | 0 kW |
| 供熱量 | 0 kW |
| 設備 COP | 0.00 |
| 未達設定值的差距 | 0.0 K |
這是一個寒冷的春日(約 0–6 °C)。13:00 時約有 400 位來賓到大樓參加研討會,17:00 離開——大樓內將有約 600 人,而不是 210 人。請在整個上班日讓室內 CO₂ 維持在 1000 ppm 以下(含),同時不浪費能源、不推高需量尖峰。通風採固定設計風量。
星期一,午夜,平均 −7 °C。整個週末大樓一直維持在 15 °C 的夜間降載狀態,所以混凝土結構體約為 14 °C。員工 07:30 起陸續到達。設備照例排定 07:00 啟動。請讓大樓從 08:00 起達到舒適(PPD ≤ 10 %),同時控制早晨的需量尖峰與電費。
熱浪日:清晨 24 °C,下午 36 °C,日照強烈。電價的需量電費,取決於 13:00 至 17:00 之間最高的 15 分鐘需量。請讓這個尖峰維持在 148 kW 以下(含),同時讓使用者保持舒適(平均 PPD ≤ 9.5 %,且從未超過 15 %),並讓全天用電量接近你本來就會用的量。設備 07:00 啟動,設定值為 24 °C。
模擬器使用的每一個關係式及其來源。標示為假設的常數是示意校準值。
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]假設:建築規模、外殼、設備容量、得熱密度、卡諾效率比例、風機功率、作息時間與天氣,都是一般辦公大樓的示意數值;熱平衡、舒適度、通風與 CO₂ 的關係式則是已發表的公式。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]假設:建築規模、外殼、設備容量、得熱密度、卡諾效率比例、風機功率、作息時間與天氣,都是一般辦公大樓的示意數值;熱平衡、舒適度、通風與 CO₂ 的關係式則是已發表的公式。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]假設:建築規模、外殼、設備容量、得熱密度、卡諾效率比例、風機功率、作息時間與天氣,都是一般辦公大樓的示意數值;熱平衡、舒適度、通風與 CO₂ 的關係式則是已發表的公式。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假設:建築規模、外殼、設備容量、得熱密度、卡諾效率比例、風機功率、作息時間與天氣,都是一般辦公大樓的示意數值;熱平衡、舒適度、通風與 CO₂ 的關係式則是已發表的公式。隨機性:帶種子的 mulberry32 產生器;使用的分布包括均勻分布、指數分布(反 CDF)、常態分布(Box–Muller)與卜瓦松分布(Knuth)。種子會顯示出來,並且可以分享。
教育模型,不可用於實際營運決策。真實場域會依自己的設備與資料校準每一個常數。