کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6729689 504004 2016 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Prediction of plug loads in office buildings: Simplified and probabilistic methods
ترجمه فارسی عنوان
پیش بینی بارهای پلاگین در ساختمان های اداری: روش های ساده و احتمالاتی
کلمات کلیدی
تصرف، بارهای پلاگین تجهیزات، استفاده از انرژی الکتریکی، مدل تصادفی، روش غیر تصادفی
ترجمه چکیده
برای پیش بینی استفاده از انرژی ساختمان، باید سیستم های متعدد و فرآیندهای مورد نیاز را در نظر گرفت. در کنار عواملی چون ساخت و ساز و ساخت و ساز، سیستم های کنترل محیط زیست داخلی و شرایط آب و هوایی، نیاز به تقاضای انرژی مربوط به هزینه های حرارتی داخل ساختمان از سوی ساکنان، روشنایی و استفاده از تجهیزات نیز باید مورد توجه قرار گیرد. با توجه به این پیشینه، سهم فعلی در بارهای پلاگین در ساختمان های اداری مرتبط با کامپیوتر و لوازم جانبی تمرکز دارد. با استفاده از داده های مشاهداتی درازمدت به دست آمده از یک ساختمان اداری تحت نظارت مستمر در وین، ما به طور خاص ارتباط بین حضور ساکنان، نصب قدرت برای تجهیزات و استفاده از انرژی الکتریکی را بررسی می کنیم. یافته ها، تدوین روش پیش بینی های متفاوتی از روش های ساده و احتمالی را برای بارگذاری پلاگین ها تسهیل می کنند. به این ترتیب، نتایج ارزیابی مدل نشان می دهد که مدل غیر تصادفی پیش بینی های نسبتا منطقی از مصرف انرژی سالانه مرتبط با بارهای پلاگین را فراهم می کند. با این حال، مدل بارگذاری پلاگین تصادفی - همراه با یک مدل تصادفی تصادفی - از مدل ساده شده در پیش بینی پیک های بارگیری پیک و توزیع، بهتر عمل می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
پیش بینی بارهای پلاگین در ساختمان های اداری: روش های ساده و احتمالاتی
چکیده انگلیسی
To predict buildings' energy use, multiple systems and processes must be considered. Next to factors such as building fabric and construction, indoor environmental control systems, and weather conditions, the energy demand attributable to buildings' internal heat gains resulting from inhabitants, lighting, and equipment usage also needs to be addressed. Given this background, the present contribution focuses on plug loads in office buildings associated mainly with computers and peripherals. Using long-term observational data obtained from a continuously monitored office building in Vienna, we specifically explore the relationship between inhabitants' presence, installed power for equipment, and the resulting electrical energy use. The findings facilitate the formulation of both simplified and probabilistic office plug loads predictions methods. Thereby, the model evaluation results suggest that the non-stochastic model provides fairly reasonable predictions of annual energy use associated with plug loads. However, the stochastic plug load model - together with a stochastic occupancy model - outperforms the simplified model in predicting the plug loads peak and distribution.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy and Buildings - Volume 129, 1 October 2016, Pages 322-329
نویسندگان
, , ,