一种减少建筑层面设计冷负荷中由房间层面设计冷负荷时间错位导致过高估计的精炼理论方法

《Results in Engineering》：A refined theoretical method for reducing overestimation in building-level design cooling load derived from temporal misalignment of room-level design cooling loads

　　

设计冷负荷(design cooling load)是空调系统设计中的决定性因素，对设备选型、能源使用和碳排放有显著影响。然而，直接求和房间层面设计冷负荷(room-level design cooling loads, r-DCLs)通常会产生一个被过高估计的建筑层面设计冷负荷(building-level design cooling load, b-DCL)，这是由于时间错位(temporal misalignment)所致。在本研究中，研究人员基于时间分解与重构过程提出了一种精炼理论方法(refined theoretical method)。具体而言，利用r-DCL（通过热平衡法(heat balance method)计算）和时间特征（通过傅里叶频率域分析(Fourier-based frequency-domain analysis)提取）生成每个房间的24小时小时冷负荷曲线。然后对这些曲线进行时间聚合，以获得建筑层面小时冷负荷曲线。最后，将聚合曲线的最大值选为b-DCL。结果表明，平均绝对误差(mean absolute error, MAE)范围为3.10 W/m²至11.27 W/m²，平均绝对百分比误差(mean absolute percentage error, MAPE)介于1.67%至4.21%之间，中位绝对误差(median absolute error, MedAE)落在2.60 W/m²至7.81 W/m²范围内。未来工作将集中于在缺乏足够气象数据的情况下开发精确的r-DCL计算方法，以及探索更稳健的统计方法来选择设计天气数据(design weather data, DWD)。

**论文解读：基于时间分解与重构的建筑层面设计冷负荷过高估计修正方法**

**研究背景与问题**

建筑行业约占全球能源消耗的30%和碳排放的33%，其中空调系统是能耗的主要来源。设计冷负荷作为空调系统设计的初始环节，直接影响设备容量选择、能源使用效率及碳排放。若设计冷负荷被过高估计，将导致设备容量偏大，增加初始投资并降低运行效率。传统方法中，直接求和房间层面设计冷负荷（room-level design cooling loads, r-DCLs）以获得建筑层面设计冷负荷（building-level design cooling load, b-DCL）时，由于不同房间的峰值冷负荷发生时间不同（即时间错位），往往产生过高估计。此外，设计天气数据（design weather data, DWD）通过独立提取各气候变量的极端值组合而成，形成不切实际的气象序列，进一步加剧了b-DCL的过高估计。现有方法如多样性因子、机器学习模型等存在局限性，例如难以分类负荷变异性、忽略建筑整体交互、或依赖高质量数据集。因此，亟需开发一种能有效解决时间错位和DWD引起过高估计的b-DCL计算方法。

**研究内容与结论**

本研究提出了一种精炼理论方法（refined theoretical method），通过时间分解与重构过程计算b-DCL。具体而言，利用热平衡法计算的理论r-DCL和傅里叶频率域分析提取的时间特征，生成每个房间的24小时小时冷负荷曲线，再经时间聚合得到建筑层面小时冷负荷曲线，其最大值即为b-DCL。研究在中国长沙进行了案例验证，并扩展到北京和广州以评估适用性。结果表明，设计日方法（design-day method）和EFS-MTL方法（基于可解释特征选择与多任务学习的数据驱动模型）均倾向于过高估计b-DCL，其中建筑物朝向东西向时过估计最严重，而南北向时过估计较小甚至略有低估。精炼理论方法（采用理论r-DCL）能有效修正过估计，其平均绝对误差（MAE）为3.10~11.27 W/m2，平均绝对百分比误差（MAPE）为1.67%~4.21%，中位绝对误差（MedAE）为2.60~7.81 W/m2，且在不同城市和工况下表现稳定。研究还探讨了用EFS-MTL模型计算的r-DCL替代理论r-DCL的可行性，发现替代后相对偏差范围变宽，表明EFS-MTL模型的误差会传播至b-DCL计算，但精炼理论方法框架仍具实用性。该论文发表在《Results in Engineering》。

**主要技术方法**

研究人员采用了以下关键技术方法：（1）热平衡法（heat balance method），用于计算房间层面小时冷负荷，基于20~30年气象数据和四种非保证率（0.4%、1%、2%和50h）；（2）傅里叶频率域分析（Fourier-based frequency-domain analysis），用于提取理论r-DHCL（房间层面设计小时冷负荷）曲线的主导频率（0.041667 h?1）和相位特征；（3）时间聚合与最大值选取，将各房间重构的小时冷负荷曲线逐时求和，取最大值为b-DCL。样本来源包括长沙、北京和广州的1000个采样房间，通过蒙特卡洛法生成参数，并构建四种朝向的矩形建筑布局（每类含2、4、6、8、10个房间）。

**研究结果**

**3.1 数据集**：基于1000个采样房间，每种房间考虑8种朝向和4种非保证率，生成24小时理论r-DHCL曲线。t-SNE可视化显示数据无异常离群点。建筑层面共生成20000个样本建筑（4种朝向×5种房间数×1000个房间），90%用于特征提取，10%用于验证。

**3.2 特征表示结果**：傅里叶分析显示所有城市的主导频率均为0.041667 h?1，表明小时冷负荷变化主要受日周期控制，而非建筑参数。相位值呈现方向性差异：东向房间相位较小（峰值较早），西向房间相位较大（峰值较晚）。

**3.3 性能评估**：设计日方法和EFS-MTL方法均显示出显著过高估计，尤以建筑类别3（东西朝向）最严重，其相对偏差中位数可达10.41%和14.73%。精炼理论方法（理论r-DCL）的偏差中位数接近零（-3.63%~0.69%），且分布范围更窄。MAE、MAPE和MedAE均处于较低水平。

**4. 适用性评估**：北京和广州的结果一致表明，设计日方法持续过高估计，EFS-MTL方法的过估计从北向南加剧（广州最严重）。精炼理论方法（理论r-DCL）有效降低了过估计，其相对偏差中位数在-10.94%~0.89%之间，分布范围窄于其他方法。

**讨论与结论**

讨论部分指出，精炼理论方法能帮助工程师避免空调系统容量过大，降低投资并提高运行效率。实际应用时，可预先建立不同城市不同朝向房间的相位数据库，结合r-DCL和主导频率快速重构r-DHCL曲线，再聚合得b-DCL。用EFS-MTL模型替代理论r-DCL时，由于数据驱动模型的固有误差，相对偏差范围变宽，但结果仍具可比性。未来工作需在缺少气象数据时开发精确的r-DCL计算方法，并探索更稳健的DWD选择方法。

研究结论总结：直接求和EFS-MTL结果或使用DWD均导致b-DCL过高估计。本研究提出的精炼理论方法基于时间聚合和特征表示，能有效修正由时间错位和DWD引起的过高估计。在不同城市和工况下，该方法均表现出良好精度和鲁棒性。局限性在于简化矩形建筑布局和排除内部热扰，且EFS-MTL替代扩大偏差范围。未来将研究复杂建筑布局和更精确的r-DCL计算。