为热力学建筑确定合适的模型Word文档格式.docx
- 文档编号:22242180
- 上传时间:2023-02-03
- 格式:DOCX
- 页数:23
- 大小:189.73KB
为热力学建筑确定合适的模型Word文档格式.docx
《为热力学建筑确定合适的模型Word文档格式.docx》由会员分享,可在线阅读,更多相关《为热力学建筑确定合适的模型Word文档格式.docx(23页珍藏版)》请在冰豆网上搜索。
灰箱模型基于先前的物理学知识,并且采用了统计学,也就是数据中的信息。
先前的物
理学知识由一系列一阶随机微分方程论述,也称作连续时间随机线性状态空间模型。
这个等
式描述了建筑物热动力系统的集总模型,它强调了参数的物理解释是基于建筑物在模型中是
如何被划分为实体的。
一个可行的模型例子如下。
它有两个状态变量,其中一个用来描述内部温度T,另一个代
表建筑物围护结构的温度Te。
由随机微分方程代表一阶动态,
(1)
⑵
其中t代表时间,Rie代表建筑物内部和外围之间的热阻,Rea代表建筑物外围与周围空
气的热阻,Ci代表建筑物内部热容,Ce代表建筑物外围热容,'
h是从供热系统流出的能
量,Aw是有效窗口区域,s是从日光照射中得到的能量,Ta是周围空气的温度,{W,t}
22
和{We,t}代表标准维纳过程,J和二e代表维纳过程的增量变化。
这个模型可以由图一中的RC网络所表示,在图一中这个模型被分成不同的部分,以此来说明建筑物的相应部分。
①:
①]G=O叫(pT;
数据驱动
物理模型部分与数据驱动模型部分一起和可观测数据中的信息被用于参数估计。
部分在可能的模型中用离散时间测量方程表示:
(3)
Yk=Tik-ek
其中k是一次测量中的时间tk的一个点,Yk是测量的内部温度,ek是测量误差,它被认为是带有变量C2的高斯白噪声过程。
这种假设确保了模型的评估和模型的测试性能,因为这种假设一旦成立,这将意味着物理模型与所受观察的建筑物的热动力学系统一致。
参数的最大估计
给出一个上述的灰箱模型,可以得到参数的最大估计。
观测结果可由以下式子表示,
然后得到可能的方程是联合密度方程:
『N'
L(8;
yN)=lHP(YK|yk_1,8)P(丫。
|8)(5)
丿
其中P(YK|yk_i,R是一个条件密度,它用来指示在考虑到先前的观测结果和参数测Yk的可能性,P(Y0户)是起始条件的参数化。
最大可能参数估计由以下公式得到:
2二argmax{L(HYN)}
由于之前提到的关于噪声过程的假设和模型是线性的事实,于是出现了这样的结果:
在
Eq.(6)中的条件密度是高斯密度。
因为这里的条件密度是高斯密度,所以卡尔曼过滤器可以
用于计算似然函数,并且可以应用优化算法来将它最大化,然后计算出最大的似然估计(在
[7]中有详细的论述)。
这些被应用于计算机软件CTSM这款软件已经被用于计算参数估计(在Ref.[6]中有关于这款软件的更多内容)。
3.模型筛选的统计检验
统计检验可以被用到选择最合适的模型,如果一个模型是更大的模型的子模型,那么一种可
能性检测将决定这个更大的模型是否能够表现得比子模型更出色。
可以发展一系列筛选最佳
模型的策略测试。
3.1概度比检测
使一个模型有71--J0这个参数,其中「0.Rr是参数空间,r=dim(〔5)在模型中是参数的
数量。
使一个模型有v.这个参数,其中:
:
三Rm,dim(门),并且假定
i」o二:
(7)
也就是第一个模型是第二个模型的子模型,而且r:
:
m。
概度比检测公式为:
—\sup日迂(1L(日;
yN)
'
(yN)(8)
sup日€血日;
其中yN是观测值,可以被用于检测假设:
H0“门0vs.Ha■.1?
门o(9)
因为在Ho的统计监测量-2log(,(yN))收敛到自由度为(m-r)的随机变量x2的情况下,yN
的样本数量趋于无穷。
如果H0不成立,那么更大的模型的可能性比子模型的可能性要明显大一些,并且可以得到结论yN在更大的模型中更具观察价值。
所以更大的模型比子模型更能描述隐藏在数据中的信息。
更多详细内容见Ref.[10]。
3.2预选
在预选程序中,分析人员从一个最小的、可行的模型开始,然后依次用给定值最低的部分拓
展模型,也就是说,这是最重要的改进。
可能改进的模型是在每次迭代中选择出来的对当前模型而言需要最小拓展的那个。
当模型没有改进的必要时程序停止,除非假定值低于预先规
定的限定值,通常设定为5%
4.模型筛选程序
筛选合适模型的不同策略在文献中给出,并且发现了一种合适的策略,这种策略基于具体的建模设置。
一种纯粹的算法和详细的选择的程序很难做到合适,所以分析人员在筛选中一定
程度上涉及到的迭代法被广泛应用。
在这,一种预选程序被提出来,它被用来确定一种基于
4.1模型选择
这个程序开始于一个关于最简可行性模型的设想,它有参数空间门m和
一个具有参数空间"
full的完整模型,
i】m二:
full(10)
在这个范围内可以建立一组模型,并且能够确定一个合适的模型。
这个合适的模型是最精简
的模型,它足以描述隐藏在数据[10]中的信息。
这种选择源于最简单的模型并且这种模型的拓展是迭代增加的。
当被选定的模型不需要再改进时,程序会停止,并且给出一个高于预先
设定的限制值的假定值,这个模型更适合于观测数据。
上述提到的纯粹的算法程序是不可能
做到这一点的,所以分析人员必须在每次迭代中评估预计的模型,评估的内容主要是分析残
差的属性和参数估计。
如果某些属性不符合设想和物理事实,分析人员可能会不得不影响模
型的选择。
在图2中列出了具体的程序,每一个步骤的主要内容是模型拟合:
从当前模型拓
展得到的模型依靠参数的最大似然估计而适合数据。
图2
似然比测试:
把现有的模型与每一个扩展模型进行比较,然后计算出似然比检验的统计数据。
如果没有一个测试中的假定值低于5%,那么停止计算并且使用当前的模型作为最终模型,
若不是则选择拓展后的具有最低假定值的模型。
估计:
分析人员估计被选择的、拓展后的模型。
如果结果是令人满意的,那么继续使用这个模型并且下一次迭代可以开始;
如果结果不是令人满意的,那么重复之前的步骤来选择其他的拓展。
如果两个扩展显示出几乎相同的改进,也就是说,测试中的假定值几乎相等,那么这种选择
模式可以被拓展,并且分别检验不同部分的拓展的内容。
程序将会进行到几个模型无法相互
由于对方为止,这时需要分析人员来决定哪一个更加优秀。
这需要由比较可能性来完成,如
果两个模型具有相同的可能性,那么应首选小一些的模型,并且还需考虑残差检验和模型估
计。
也可能发生这样的情况,几个模型这有性能上的边际差异,那么这几个模型都可以被认
定是有效的模型。
4.2模型评价
被选取的模型在每一个步骤中必须被评估。
这有助于检验模型是否满足假设和是否能够从一
个物理的观点给出合理的评价。
并且这种评价可以通过发现模型的哪些部分应该更加完善来揭示模型的缺点。
这种评价应该包括以下几个方面:
-关于白噪声残差的假定应当使用自相关函数和累计周期图来得到,这样也可以揭示如何更
好的在不同时间尺度上的动力学建模。
-关于输入量,输出量,残差的统计图。
这些统计图可以用于了解模型没有描述好哪些效果。
-关于估计的物理参数的评价。
很明显,不同模型之间的结果应该是一致的,举例来说,在
众多模型中关于建筑物外围结构热阻的估计不应该有很明显的改变。
5.案例分析:
建筑物的模型识别
分析人员通过将一种方法应用于为一个建筑物确定合适的模型来演示这种方法。
这个建筑物
叫做FlexHouse,它是位于丹麦国家实验室的实验性能源系统Syslab的一部分。
这座建筑
物很适合这类实验,因为它有一个可控的电加热系统。
五分钟的检测结果甚至比六天的检测
值更具价值,并且这些检测结果将被用于实验的描述,而且实验数据已经给出来了。
这一部
分开始于对建筑物和测量设备的描述,然后给出了考虑的模型的概述并且提供了数据,最后
给出了模型识别和评价。
5.1建筑物和测量设备的描述
建筑物的外部由木头建造,内部由石膏板建成,在它们之间是一层保温棉。
在图3中我们可
以看到北立面和南立面的样子。
这些建筑物是成群的,在地面和建筑物之间有一间隙。
房顶
是平的并且由油毡纸覆盖。
建筑物的平面图的规模大约是16米的7.5倍。
在图4中给出了
建筑物的平面图。
在建筑物内安装了服务系统,它可以控制电加热器,它位于建筑物平面图
指示的位置。
为了测量室内温度,位于一小块木头上的HoboU12-012温度/湿度/亮度/外部
传感器被悬挂在每个房间的中央。
一个小型气候站坐落在建筑物东边两米的地方,其相对于
建筑物的位置在图4中给出。
图3
图4
5.2数据
目前的研究是基于在2009年2月到四月进行的一系列实验收集到的数据。
接下来用到了由
五分钟平均值组成的时间序列:
y(0C)代表室内温度的一个单信号。
它由来自Hobo传感器测量的室内温度的最重要的测量
结果形成。
Ta(0C)在气候站观测的周围环境的温度。
h(KW)建筑物电加热器的全部的热量输入。
s(KW/m2)气候站测量的全球辐照度。
图5是时间序列图。
可控热量输入是一个伪随机二进制序列(PRBS),它有白噪声特性并且
与其他输入量没有关联。
它被设计成用来在若干范围的频率下激发热动力学,这个频率是建
筑物的时间常数预计要成为的,如此数据中隐藏的信息被用来优化建筑物热动力属性的估计
(见Ref.[9])。
020406080100120HO
Time{!
))
图5
---------------劈宜sinzs!
tno.rt0C42*u申仃2E■口寅U£
&
OL乜ULL>
z冲rm'
hrxj石
5.3应用模型
建议的程序是这样的,分析人员从一个最简单的模型开始并且迭代选择更加复杂的模型。
这
意味着从最简单的模型开始拟合一组模型,到最复杂的可行模型,也就是完整的模型。
在这
部分描述了一组应用模型和迭代选择程序的结果。
所有的模型是灰箱模型(在第二部分有详
细介绍),其中物理部分是随机线性状态空间模型并且模型的动态情况可以写成:
dT二ATdtBUdtdw(11)
其中T是状态矢量,U是输入矢量,并且没有状态变量或者输入变量是在A或B中,其只由参
数组成。
所有可能的模型都有一输入矢量,这个输入矢量带有个带有三个输入量:
U二[Ta,S,h]T(12)
所有的模型是集总的,但是各有一个不同的结构,这意味着一个给定的参数不必代表着相同
的物理实体。
例如,参数Ci代表在最简单的模型中建筑物的热容量,然而这个热容量在整
个模型中被分成了五个热容量,其中参数Ci代表室内空气的热容量。
这在5.5.2中被更加详
细地描述,并且给出了模型的参数估计。
并且应当牢记于心的是这些模型真正的系统的线性
近似。
在接下来的部分描述了完整的最简的模型,因为它们代表了应用模型的范围。
首先完整的模
型概括的给出了全部的个体部分的完整的观点,这些个体部分全部都在模型中。
然后给出了
最简单的模型,因为它是第一个应用于选择程序的模型并且它描述了模型是如何被集总的。
每个模型由它的状态矢量命名,并且还需要几个参数名称。
见附录A可得全部应用模型相应
的阻容网络的列表。
5.3.1.完整的模型
最复杂的完整的应用模型的阻容网络,在图6中被描述。
这个模型包括建筑物所有的个体部
分,并且分析人员发现它对于将线性模型和当前的可用数据包括在内是可行的。
这些模型个
体部分如图中所示。
I|]
弘曲wlAmbient
!
Rin!
,,.i-b7H-f
Sensor;
[ntmior'
;
Thaler:
ScikuL
图6
这些模型部分是:
Tm:
室内热介质的温度,也就是室内墙壁和设备的温度;
Th:
加热器的温度;
Te:
建筑物外围的温度。
模型的参数代表建筑物不同的热特性,包括热阻:
Ris:
室内与传感器之间的热阻;
Rim:
室内与室内热介质之间的热阻;
Rh:
加热器与室内之间的热阻;
Ria:
室内与环境之间的热阻;
Rie:
室内与建筑物外围之间的热阻;
Rea:
建筑物外围与环境之间的热阻。
建筑物不同部分的热容由以下字符表示:
Cs:
温度传感器的热容;
Ci:
室内的热容;
Cm:
室内墙壁和设备的热容;
Ch:
电加热器的热容;
Ce:
建筑物外围的热容。
最后还包括了两个系数,每个代表着对来自日光照射的能量进入建筑物的有效区域的估计。
它们是:
Aw:
建筑物的有效窗口区域;
A:
日光照射进入建筑物外围的有效区域。
这个模型有一个状态变量Ti和下面的一些参数:
Ria:
整个建筑物的热容,包括室内空气,室内墙壁,设备等,和建筑外围;
建筑物的有效窗口区域。
描述热量流动的随机微分方程是:
(20)
dTi11,1dwi
(Ta-Ti)Awsh
dtRiaCiCiCidt
并且测量方程是:
Yk二Ti,k-ek(21)
注意在表示建筑物的部分方面,最简模型与完整模型的区别,也就是说,Ria在最简模型中
表示建筑物外围的热阻,而在完整模型中由Ria,Rie,Rea联合表示。
5.4模型辨识
辨识程序是用来在一组从Ti到TiTmTeTeThTsAeRia的模型中寻找一个有效的模型。
每个
模型的合适的似然函数,通过迭代的模型选择列在表1中。
这个程序从最简单的模型开始。
然后在第一次迭代中,对四个拓展后的模型进行拟合并且选择了TiTh,因为它有最高对数
似然和似然比测试的最低假定值(四个模型具有相同的参数)。
筛选程序进行到模型没有明
显的拓展空间为止,这通常在第五次迭代时出现。
在每次迭代中都评估来当前的模型(见
5.5)o研究人员发现在每次迭代中被选择的模型都满足关于改进的结果的评估。
在表2中列
出了每次迭代中关于模型拓展的似然比测试的结果。
显然在前三次迭代中模型的拓展对于模
型有很大的提高。
在第四次迭代中,提高的效果仍然低于5%,而在第五次迭代中没有任何
提高。
所以程序以TiTeThTsAe作为可靠的模型而结束,这个模型在图8中用阻抗网络描述。
Table1
Leg]ikeiih<
x)d/(^:
iforthefittedmodelsorderedbyiterationsofthemodelselectionprocedureartdinrowbylog-likelihtxxi.Ineadiiterationih亡extendedmode]withhighestlog-kkeLhoodisselected,whichis[herightmostmodelsinthecable.Thenumberofestimatedp^rametei5foreachmodel沾indicatedbym.
IterationModels
Start
m
1
Ti
2482.6
6
nnt
3911,1
10
fffe3628Dto
Tffm36394
TtB
7^84.4
2
TfThTs
TrTtTTt
4017.0
5513,1
5517.1
14
3
HTcTM^
nrmTeR
nrerhTs
5517.3
fi520.5
55345
%1?
P4
IS
15
1£
u
4
TfTeThTsRlti
TITmT(?
TFiTs
7rTeT7tTs^c
5612_5
5612J
5614,6
19
22
5
TtTmTeThTsA^
TtTcThTsAcRfa
56146
5614.7
23
20
Tdble2
Testscarriedoutinthemodel5fleriionprocedure.
Iteration
Sub-model
Model
m-r
-2
p-Value
H
4121
<
1016
TiTh
TiTeTh
4634
10IG
TtTeTk
nrcHifs
274
TfTenrTs
TrRTJiBAe
G.4
0.011
T血ThTsAa
Oil?
□G8
5.5模型评估
在下文中经选择的模型被评估,正如在4.2中概括的那样。
5.5.1残差
在图9中可见每个模型的输入量,输出量,残差的平面图。
每个模型的残差的自相关函数
(ACF)绘制在图10中并且累计周期图绘制在图11中。
从图中可以直接看到来自最简函数Ti
的残差,可以发现它们没有白噪声特性并且它们不独立于输入量。
残差的自相关函数也明显
显示出高滞后的依赖,并且累计周期图揭示出模型不足以描述动态特性。
在第一次迭代中检
测被选择的模型的残差图,可以发现与Ti相比,TiTh的残差水平下降了。
通过分析自相关
函数与累计周期图发现关于白噪声残差的假定没有实现。
在第二次迭代中从被选择的模型的
残差图可知,与Ti相比TiTh的残差水平明显下降了,但是输入量还存在一些依赖性,主要来自阳光辐照度。
自相关函数揭示出残差特性与白噪声更为接近,这也可以从累计周期图中
看出,这意味着现在模型可以可以很好地描述建筑物的热动态特性。
在第三次迭代中从被选
择的模型的残差图,自相关函数图和累计周期图可知,TiTeThTs与之前的模型相比只有小
幅度的提高。
最后,从最终被选择的模型TiTeThTsAe可知,与之前的模型相比几乎没有任何不同。
在太阳辐射度很高的情况下,可以观测到最大误差,所以可以得知,对于模型的进
一步改进应针对阳光进入建筑物的那个部分,或者让维纳过程的增量变化依赖于太阳辐射。
hh:
TiTvTh|
IJil
IUD
UH
■Mil*
-卜iH+l+l-rl
TiTcTh
Tl
41~i~rH~l~1
JL1-
TiTeThTs
Ti4l~~H~li~i~_T~l~_
_____2__4■__L_!
_■2_2_IJ__].|
TiTcThTsAe
〒i+[―二l~i—Ii~i—K1一—,
_丄二_r二i_'
-j_■丄4[—
5.2参数估计
TiTcThTfi
1III1Io
310152025300.00.10.20.30.40.5
lag(5mill)Ftequeney(6/h)
图io
图ii
下面是被选择的模型的参数估计的评价。
在表3中给出了参数估计和每个模型经过计算的时
间常数。
在表4中给出了经被选择的模型估计的建筑物外围的全部热容和热阻。
正如经过评估残差所发现的那样,模型Ti和TiTh不能很好地描述系统的动态特性,这意味着关于热容
的估计并不可靠。
通过三个较大的模型所发现的关于热容的估计显得更加可信一些,特别是
发现时间常数几乎相等,这意味着这些模型包含相同的动态特性。
无法给出较小的热容Ci,
Ch,Cs的准确的物理解释,但是值得注意的是它们的总和,三个较大的模型中的每一个都相当接近于从1.03到1.08千瓦时/?
C。
在表4中可见经被选择的模
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 热力学 建筑 确定 合适 模型