原创《建筑能耗模拟典型年中气象参数权重确定》：此文是一篇权重论文范文,为你的毕业论文写作提供有价值的参考。
摘 要：在建筑能耗模拟用典型年的生成中,传统的FinkelsteinSchafer统计方法对气象参数赋予了固定的权重因子,但有关研究表明,由于地域间气象资源不同,气象参数权重因子的固化有待商榷.针对挑选典型年时气象参数权重因子统一和否对典型年挑选结果和建筑能耗模拟准确性的影响问题,选同一建筑热工分区中寒冷地区的代表城市北京和拉萨,分别使用FS方法和主成分法进行了典型年的挑选,并对典型公共建筑建模进行了能耗模拟分析.结果表明：FS统计方法适于表征单独气象参数的长期相似性,但存在对太阳辐射参数权重赋予过大的问题,适用于太阳能丰富地区；而主成分法适合寻求当地气象资源的本质特征,使用主成分法时对气象参数的选择尤为重要.
关键词：典型气象年；权重因子；寒冷地区；建筑能耗模拟
中图分类号：TU1113
文献标志码：A
文章编号：16744764（2015）01002306
建筑在整个生命周期内高效运营,需要在设计初期进行定量的能耗模拟分析,拥有代表当地气候特征的典型气象年（Typical Meteorological Year,TMY）数据是其必要条件.建筑设计用TMY是指从长期（一般国际公认为30 a）中选取的一个“虚拟年”,由12个典型月（Typical Meteorological Month,TMM）组成,每个TMM是在选择期内,最能代表当地该月气候规律的月份,TMY能代表气候的长期变化规律[1].TMY生成的方法,国际上常用的是由美国Sandia国家实验室于1978年提出的具体分析方法为FinkelsteinSchafer统计方法[2]、标准偏差方法[35]和主成分分析方法[68].前两种方法选取最能代表室外气象特征的气象参数（干球温度、露点温度、风速以及水平面总辐射）,依据对建筑能耗影响力的大小赋予不同的权重因子后汇总成一个参数,气象参数权重因子的赋予如表1所示.随着研究的深入,许多学者提出了气象参数权重因子的选取不同导致典型年结果的差异[9],对建筑能耗的影响虽然以干球温度和太阳辐射为主,湿度和风速所占的比例较小,但我国地域辽阔,气象资源分布不一,加之山地高程的影响,气象参数权重因子的固化对典型年准确性的影响有待商榷.针对气象参数权重因子统一和否对典型年挑选结果的影响及对建筑能耗模拟准确性的影响问题,对同属建筑热工分区中寒冷地区的代表城市北京和拉萨,分别使用FS统计方法和主成分法进行了相关分析.
李红莲,等：建筑能耗模拟典型年中气象参数权重的确定
1研究现状
利用主成分法选取典型气象年,是对建筑能耗影响力较大的气象参数利用主成分法求出特征向量作为系数得出综合表达式,对比得出和“均值”最接近的主成分月（Typical Principal Component Month,TPCM）组成主成分年（Typical Principal Component Year,TPCY）[6].此方法建立在不同区域气象因子权重不统一的思想上,寻求对建筑能耗有影响的气象参数对本地气候特征的贡献率.用主成分法得出的气象参数的权重因子不再统一化,表2是几个代表城市用主成分法得出的气象因子的权重及主成分表达式.
2研究方法
在《民用建筑热工设计规范》（GB 50176-93）中,对中国建筑热工设计分区为严寒地区、寒冷地区、夏热冬冷地区、夏热冬暖地区和温和地区[10].不同气候区化的主要依据是其所处地域的气象条件.北京和拉萨同属寒冷地区的建筑热工分区,但气象资源显著不同.由图1和图2两个地区长期（30 a）逐月的太阳辐射和干球温度的均值可见,拉萨地区较北京地区,太阳能资源丰沛,而气温变化幅度小.鉴于两地区气象资源不同,分别用FS统计方法和主成分法验证对TMY选取结果的差异,及其对建筑能耗模拟结果的影响.
利用主成分法对于气象参数的选择,文献[11]对建筑能耗有影响的气象参数进行了偏相关分析,以平均气温、水平面太阳总辐射、大气压和相对湿度4项气象参数为选择依据,确定了节能分析气象年（Analysis of Energy Efficiency Meteorology Year,AEEMY）[12]；文献[6]对干球温度、湿球温度和水平面太阳总辐射进行了主成分分析,得出了哈尔滨、北京、上海、昆明和香港分别代表中国5个建筑热工分区的城市的主成分年.该文在采用主成分法选取典型年时,为了和FS统计方法比较,加入气象参数平均风速,利用干球温度、气压、水平面太阳总辐射、相对湿度、平均风速选取主成分年即典型年.分析的原始气象数据来自于各省、市、自治区气候资料处理部门逐月上报的《地面气象记录月报表》的信息化资料,气象数据记录长度取1971年-2000年.对于原始数据中气象数据质量的控制及处理依据文献[13]中的方法.
3典型年结果
选取寒冷地区的代表城市北京、拉萨,分别用主成分法和FS统计方法生成的典型年结果如表3所示.两城市用FS统计方法和主成分法得出的典型月和逐年水平面太阳总辐射月均值和平均气温月均值比较如图1和图2所示.
对比逐年实际月均值,北京用FS统计方法和主成分法挑选出的典型月水平面太阳总辐射偏差率分别为226%和68%；拉萨用FS统计方法和主成分法挑选出的典型月水平面太阳总辐射偏差率分别为013%和037%；北京用FS统计方法和主成分法挑选出的典型月平均温度偏差率分别为55%和58%；拉萨用FS统计方法和主成分法挑选出的典型月平均温度偏差率分别为056%和127%.
用FS统计方法比主成分法得出的典型月更接近逐年实际月均值,原因在于产生TMY时,FS统计方法使用的是气象参数的日均值,其方法在统计学原理上不仅考虑到了气象参数的平均状况,还考虑了对比月和长期累积分布的接近程度.主成分法使用的是气象参数的月均值,在考察数据的细致程度上不如FS统计方法；且此方法没有考虑日较差,日较差和平均温度、水平面太阳辐射一样,也是能反映一个地区的气候状况的重要气象参数指标[11].
权重论文参考资料：
结论：建筑能耗模拟典型年中气象参数权重确定为适合权重论文写作的大学硕士及相关本科毕业论文，相关淘宝权重什么意思开题报告范文和学术职称论文参考文献下载。
