The thermal characterisation of a building envelope is usually best performed from on site measurements with controlled heating power set points. Occupant-friendly measurement conditions provide on the contrary less informative data. Notwithstanding occupancy, the boundary conditions alone contribute to a greater extent to the energy balance. Non intrusive conditions question therefore the repeatability and relevance of such experiment.This paper proposes an original numerical methodology to assess the repeatability and accuracy of the estimation of an envelope's overall thermalresistance under variable weather conditions. A comprehensive building energy model serves as reference model to produce multiple synthetic datasets. Each is run with a different weather dataset from a single location and serves for the calibration of an appropriate model, which provides a thermal resistance estimate. The estimate's accuracy is then assessed in the light of the particular weather conditions that served for data generation. The originality also lies in the use of stochastically generated weather datasets to perform an uncertaintyand global sensitivity analysis of all estimates with respect to 6 weather variables.The methodology is applied on simulated data from a one-storey house case study serving as reference model. The thermal resistance estimations are inferred from calibrated stochastic RC models. It is found that 11 days are necessary to achieve robust estimations. The large air change rate in the case study explains why the outdoor temperature and the wind speed are found highly influential.


翻译:建筑物封套的热特性通常最好通过有控加热电源设置点的现场测量进行,每个建筑能源综合模型都是制作多个合成数据集的参考模型。每个模型都使用不同的天气数据集运行,用于校准适当的模型,该模型提供热抗药性估计。然后根据为数据生成工作提供的特定天气条件评估估算的准确性。原始数字方法也在于使用随机生成的天气数据集,对6种天气变量的所有估计数进行不确定性和全球敏感性分析。该方法用于模拟一个仓库的案例研究产生的数据,作为参考模型。从测算高温到测温速度模型,从测温到高温度模型。

0
下载
关闭预览

相关内容

最新《自监督表示学习》报告,70页ppt
专知会员服务
85+阅读 · 2020年12月22日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【干货书】机器学习Primer,122页pdf
专知会员服务
106+阅读 · 2020年10月5日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
【新书】Python编程基础,669页pdf
专知会员服务
193+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
已删除
将门创投
8+阅读 · 2019年1月30日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年1月19日
VIP会员
相关VIP内容
最新《自监督表示学习》报告,70页ppt
专知会员服务
85+阅读 · 2020年12月22日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【干货书】机器学习Primer,122页pdf
专知会员服务
106+阅读 · 2020年10月5日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
【新书】Python编程基础,669页pdf
专知会员服务
193+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
已删除
将门创投
8+阅读 · 2019年1月30日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员