1.本发明涉及预估空调制冷能耗的技术领域，具体涉及一种空调制冷能耗的评估方法及其系统。
背景技术：
2.随着国内人口的日益增长，能源消耗问题也逐步恶化，对能源消耗的精准计算也成为能源供给部门所研究的重要问题，随着国内经济化的迅速发展，办公建筑、大型商场、购物广场等大型建筑的逐步增多，这种人员密集场所对空调的需求也随之增多，针对这种建筑的空调制冷能耗量也逐步成为总能源消耗的重点数据；然而，现有的空调制冷能耗的预估方法存在误差较大的问题。
技术实现要素：
3.为解决上述技术问题，本发明采用的技术方案是：一种空调制冷能耗的评估方法，该方法包括：s10：获取待预估建筑的所在城市的历史气象数据以及历史实际空调制冷能耗，根据该历史气象数据以及历史空调制冷能耗对空调制冷能耗预估模型进行检测：若检查结果为通过，则进行步骤s20；若检查结果为不通过，则对空调制冷能耗模型进行重建；s20：确定待预估的月份，选取待预估建筑所在区域内在同月份内的历史气象数据以及历史空调制冷能耗；s30：空调制冷能耗预估模型根据步骤s20中的历史气象数据获得同月份内的空调制冷能耗的气象量化指标；s40：根据步骤s20中的历史空调制冷能耗与步骤s30中获得的同月份的空调制冷能耗的气象量化指标进行比对，获得平均系数；s50：确定待预估建筑内所需的室内温度和湿度，生成室内基础湿球温度；s60：获取待预估建筑所在区域内在预估月份内预估气象数据，空调制冷能耗预估模型根据预估气象数据以及步骤s50中的室内基础湿球温度获得待预估建筑在预估月份内的空调制冷能耗的气象量化指标，再根据步骤s40中获得的平均系数，得出待预估建筑所在区域内在预估月份内预估空调制冷能耗。
4.优选的，所述步骤s40中的某一月份的平均系数通过以下公式计算获得：优选的，所述平均系数为某一月份的历史实际空调制冷能耗与计算获得的该月份的空调制冷能耗的气象量化指标的参数值，即获得该月份的气象量化指标的平均参数，以便于在后续需要计算待预估建筑在所需预估月份的空调制冷能耗进行该月份的针对性预估。
5.所述步骤s10包括：s101：获取待预估建筑的所在城市的历史气象数据以及历史空调制冷能耗，并进行预处理；s102：空调制冷能耗预估模型根据待预估建筑的所在城市的历史气象数据获得待预估建筑的所在城市的空调制冷能耗的气象量化指标；s103：确定待预估建筑的所在城市的历史空调制冷能耗的优选解释量；s104：根据待预估建筑的所在城市的历史空调制冷能耗，获得对待预估建筑的所在城市的历史空调制冷能耗的解释量：当解释量高于或等于优选解释量时，输出检查结果为通过，进行步骤s20；当解释量低于优选解释量时，输出检查结果为不通过，对空调制冷能耗模型进行重建。
6.所述步骤s101中，所述待预估建筑的所在城市的历史气象数据包括该城市的室外日平均空气湿度与室外日平均温度、待预估建筑的室内温度与室内湿度以及每月中的空调日数。
7.所述步骤s101中，所述预处理包括以下步骤：a：通过预设的地区分类表确定待预估建筑的所在城市的所属地区；b：计算待预估建筑的所在城市的历史室内湿球温度；c：判断获得的历史室内湿球温度是否处于预设的地区分类表中的阈值范围内，若处于阈值范围内，则进行步骤s102。
8.所述步骤s104中，根据待预估建筑的所在城市的历史空调制冷能耗与步骤s102中获得的空调制冷能耗的气象量化指标进行比对，获得对待预估建筑的所在城市的历史空调制冷能耗的解释量。
9.所述步骤s10中的空调制冷能耗模型是根据以下公式计算获得城市的空调制冷能耗的气象量化指标：其中，代表城市的空调制冷能耗的气象量化指标，代表室外日平均空气温度，代表室外日平均空气相对湿度，代表室内湿球温度，i代表空调日数，取值为1~n，、、、、、、、均代表系数。
10.所述步骤s20中，所述系数分别为：，，，，，，，。
11.一种空调制冷能耗的预估系统，用于应用上述的一种空调制冷能耗的评估方法，包括控制单元以及空调制冷能耗预估模型，所述控制单元内存储有预设的地区分类表。
12.所述地区分类表中的地区分为四类，包括严寒地区、寒冷地区、夏热冬冷地区以及夏热冬暖地区。
13.所述地区分类表中的各地区的阈值范围为各地区的湿球温度阈值范围：所述严寒地区与寒冷地区的湿球温度阈值范围为9.69~19.44℃；
所述夏热冬冷地区的湿球温度阈值范围为9.69~21.04℃；所述夏热冬暖地区的湿球温度阈值范围为9.69~22.56℃。
14.优选的，通过trnsys能耗模拟软件对城市的空调制冷能耗进行计算，以进行制冷能耗模拟试验，获得城市的空调制冷能耗的气象量化指标与城市的实际空调制冷能耗的解释量、优选解释量以及各个地区的湿球温度阈值范围。
15.本发明具有的优点和积极效果是：通过空调制冷能耗模型生成对待预估建筑的空调制冷能耗的气象量化指标以及根据历史气象数据得出的平均系数，实现对待预估建筑的空调制冷能耗进行预估，依据温度与湿度协同作用，使得对空调制冷能耗的预估更为准确，为建筑设计部门的节能设计及用能部门节能运控的数据基础提供数据支撑；以空调制冷能耗模型作为预估基础进行预估之前对空调制冷能耗模型的检查，大大提高了空调制冷能耗模型的准确度，减少了空调制冷能耗模型的出错率。
附图说明
16.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明的一种空调制冷能耗的评估方法的步骤s10至步骤s50的流程图；图2是本发明的一种空调制冷能耗的评估方法的步骤s10的流程图；图3是本发明的一种空调制冷能耗的评估方法的步骤s101的流程图；图4是本发明的一种空调制冷能耗的评估方法的模拟实验中的严寒地区的解释量示意图；图5是本发明的一种空调制冷能耗的评估方法的模拟实验中的寒冷地区的解释量示意图；图6是本发明的一种空调制冷能耗的评估方法的模拟实验中的夏热冬冷地区的解释量示意图；图7是本发明的一种空调制冷能耗的评估方法的模拟实验中的夏热冬暖地区的解释量示意图。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.如图1至图3所示，本发明提供一种空调制冷能耗的评估方法，该方法包括：s10：获取待预估建筑的所在城市的历史气象数据以及历史实际空调制冷能耗，根据该历史气象数据以及历史空调制冷能耗对空调制冷能耗预估模型进行检测：若检查结果为通过，则进行步骤s20；若检查结果为不通过，则对空调制冷能耗模型进行重建；s20：确定待预估的月份，选取待预估建筑所在区域内在同月份内的历史气象数据
以及历史空调制冷能耗；s30：空调制冷能耗预估模型根据步骤s20中的历史气象数据获得同月份内的空调制冷能耗的气象量化指标；s40：根据步骤s20中的历史空调制冷能耗与步骤s30中获得的同月份的空调制冷能耗的气象量化指标进行比对，获得平均系数；s50：确定待预估建筑内所需的室内温度和湿度，生成室内基础湿球温度；s60：获取待预估建筑所在区域内在预估月份内预估气象数据，空调制冷能耗预估模型根据预估气象数据以及步骤s50中的室内基础湿球温度获得待预估建筑在预估月份内的空调制冷能耗的气象量化指标，再根据步骤s40中获得的平均系数，得出待预估建筑所在区域内在预估月份内预估空调制冷能耗。
19.优选的，所述步骤s40中的某一月份的平均系数通过以下公式计算获得：优选的，所述平均系数为某一月份的历史实际空调制冷能耗与计算获得的该月份的空调制冷能耗的气象量化指标的参数值，即获得该月份的气象量化指标的平均参数，以便于在后续需要计算待预估建筑在所需预估月份的空调制冷能耗进行该月份的针对性预估。
20.如图2所示，所述步骤s10包括：s101：获取待预估建筑的所在城市的历史气象数据以及历史空调制冷能耗，并进行预处理；s102：空调制冷能耗预估模型根据待预估建筑的所在城市的历史气象数据获得待预估建筑的所在城市的空调制冷能耗的气象量化指标；s103：确定待预估建筑的所在城市的历史空调制冷能耗的优选解释量；s104：根据待预估建筑的所在城市的历史空调制冷能耗，获得对待预估建筑的所在城市的历史空调制冷能耗的解释量：当解释量高于或等于优选解释量时，输出检查结果为通过，进行步骤s20；当解释量低于优选解释量时，输出检查结果为不通过，对空调制冷能耗模型进行重建。
21.所述步骤s101中，所述待预估建筑的所在城市的历史气象数据包括该城市的室外日平均空气湿度与室外日平均温度、待预估建筑的室内温度与室内湿度以及每月中的空调日数。
22.如图3所示，所述步骤s101中，所述预处理包括以下步骤：a：通过预设的地区分类表确定待预估建筑的所在城市的所属地区；b：计算待预估建筑的所在城市的历史室内湿球温度；c：判断获得的历史室内湿球温度是否处于预设的地区分类表中的阈值范围内，若处于阈值范围内，则进行步骤s102。
23.所述步骤s104中，根据待预估建筑的所在城市的历史空调制冷能耗与步骤s102中获得的空调制冷能耗的气象量化指标进行比对，获得对待预估建筑的所在城市的历史空调制冷能耗的解释量。
24.所述步骤s10中的的空调制冷能耗模型是根据以下公式计算获得城市的空调制冷能耗的气象量化指标：其中，代表城市的空调制冷能耗的气象量化指标，代表室外日平均空气温度，代表室外日平均空气相对湿度，代表室内湿球温度，i代表空调日数，取值为1~n，、、、、、、、均代表系数。
25.所述步骤s20中，所述系数分别为：，，，，，，，。
26.一种空调制冷能耗的预估系统，用于应用上述的一种空调制冷能耗的评估方法，包括控制单元以及空调制冷能耗预估模型，所述控制单元内存储有预设的地区分类表。
27.所述地区分类表中的地区分为四类，包括严寒地区、寒冷地区、夏热冬冷地区以及夏热冬暖地区。
28.所述地区分类表中的各地区的阈值范围为各地区的湿球温度阈值范围：所述严寒地区与寒冷地区的湿球温度阈值范围为9.69~19.44℃；所述夏热冬冷地区的湿球温度阈值范围为9.69~21.04℃；所述夏热冬暖地区的湿球温度阈值范围为9.69~22.56℃。
29.优选的，通过trnsys能耗模拟软件对城市的空调制冷能耗进行计算，以进行制冷能耗模拟试验，获得城市的空调制冷能耗的气象量化指标与城市的实际空调制冷能耗的解释量、优选解释量以及各个地区的湿球温度阈值范围。
30.在实施例中，通过trnsys能耗模拟软件对城市的空调制冷能耗进行计算，以进行制冷能耗模拟试验，获得城市的空调制冷能耗的气象量化指标与城市的实际空调制冷能耗的解释量。
31.优选的，所述待预估建筑的所在城市的历史空调制冷能耗的优选解释量是通过优选解释量模型获取。
32.优选的，所述优选解释量模型包括以下步骤：a：获取该城市的空调制冷能耗的气象量化指标以及与之一一对应的城市的实际空调制冷能耗的解释量；b：以该城市的空调制冷能耗的气象量化指标为x轴，以与之对应的城市的实际空调制冷能耗的解释量作为y轴，创建坐标系并将该城市的空调制冷能耗的气象量化指标以及与之一一对应的城市的实际空调制冷能耗的解释量的值填入并进行连线，形成折线图；c：判断各个解释量的值与后一个解释量的值的关系：当该解释量的值相对后一个解释量的值发生骤降，则优选解释量的值为该解释量的值，实现对优选解释量的获取。
33.并且，该解释量的值所对应的湿球温度为优选湿球温度，即以该优选湿球温度下，
该城市的空调制冷能耗的最优的气象量化指标对该城市的实际空调制冷能耗的阈值。
34.在模拟试验中，室内设计湿球温度参照下表：表1温度为26℃条件下不同相对湿度对应的湿球温度在模拟试验中，哈尔滨和沈阳作为严寒地区的城市，北京、石家庄、天津和太原作为寒冷地区的城市，成都、南昌、上海和重庆作为夏热冬冷地区的城市，福州、广州、海口和南宁作为夏热冬暖地区的城市；其中，用于计算城市的空调制冷能耗的气象量化指标的数据参照各个城市气象站的城市的逐日时间尺度的气温和相对湿度；用于驱动trnsys能耗模拟软件的数据包括气温、相对湿度、风向、风速、气压和太阳辐射，其参照各个城市气象站的城市的逐时时间尺度的气温、相对湿度、风向、风速、气压和太阳辐射。
35.如图4所示，当湿球温度为9.69~17.74℃时，哈尔滨的空调制冷能耗的气象量化指标与哈尔滨的实际空调制冷能耗的解释量为79%~81%，沈阳空调制冷能耗的气象量化指标与沈阳的实际空调制冷能耗的解释量为84%~86%，其中，湿球温度为15.92℃时，哈尔滨的空调制冷能耗的气象量化指标对哈尔滨的空调制冷能耗解释量最高，湿球温度为17.74℃时，沈阳的空调制冷能耗的气象量化指标对沈阳的空调制冷能耗解释量最高；随湿球温度的升高，城市的空调制冷能耗的气象量化指标与制冷能耗的解释量明显降低，当湿球温度为19.44℃时，哈尔滨的空调制冷能耗的气象量化指标、沈阳的空调制冷能耗的气象量化指标与制冷能耗的解释量分别降为70%、82%，而当湿球温度为23.99℃时，两城市的空调制冷能耗的气象量化指标与制冷能耗的解释量均明显减小，表明湿球温度超过19.44℃时，两严寒地区的城市的空调制冷能耗的气象量化指标对制冷能耗的解释量逐渐减少，且当湿球温度超过23.99℃时，两严寒地区的城市的空调制冷能耗的气象量化指标对制冷能耗的解释量减小至20%以下。
36.以上说明，城市的空调制冷能耗的气象量化指标对严寒地区的城市的空调制冷能耗的解释量已达到86%；如图5所示，当湿球温度在9.69~19.44℃时，北京的空调制冷能耗的气象量化指标与北京的空调制冷能耗的解释量为76%~77%，天津的空调制冷能耗的气象量化指标与天津的空调制冷能耗的解释量为80%~82%，石家庄的空调制冷能耗的气象量化指标与石家庄的空调制冷能耗的解释量为75%~78%，而当湿球温度超过21.04℃时，城市的空调制冷能耗的气象量化指标与制冷能耗的解释量明显降低；
太原的空调制冷能耗的气象量化指标与太原的空调制冷能耗的解释量的变化特征与上述三个城市有一定差异，当湿球温度为9.69~15.92℃时，太原的空调制冷能耗的气象量化指标与太原的空调制冷能耗的解释量为62%~69%，当湿球温度大于17.44℃时，太原的空调制冷能耗的气象量化指标与太原的空调制冷能耗的解释量呈下降的变化趋势，当湿球温度大于22.56℃时，太原的空调制冷能耗的气象量化指标与太原的空调制冷能耗的解释量减小至20%以下，即22.56、25.35已不能反映太原制冷能耗；除太原外的寒冷地区内的其他城市，相对气象数据的特征相同。
37.以上说明，城市的空调制冷能耗的气象量化指标对严寒地区的城市的空调制冷能耗的解释量已达到82%。
38.鉴于此，设定严寒地区与寒冷地区的湿球温度阈值范围为9.69~19.44℃。
39.如图4所示，严寒地区的优选湿球温度为17.74℃。
40.如图5所示，除太原外的寒冷地区的优选湿球温度为19.44℃；太原的优选湿球温度为15.92℃。
41.如图6所示，当湿球温度在9.69~22.56℃时，南昌与上海的空调制冷能耗的气象量化指标对南昌与上海的城市的空调制冷能耗的解释量均超过95%，并且最大解释量达到了96%与98%，当湿球温度在9.69~21.04℃时，重庆与成都的空调制冷能耗的气象量化指标对重庆与成都的城市的空调制冷能耗的解释量均超过90%，并且最大解释量达到了94%与96%，然而，当湿球温度为25.35℃时，夏热冬冷地区的各城市的空调制冷能耗的气象量化指标与夏热冬冷地区的各城市的空调制冷能耗的解释量明显减小；以上说明，城市的空调制冷能耗的气象量化指标对夏热冬冷地区的城市的空调制冷能耗的解释量已达到98%；鉴于此，设定夏热冬冷地区的湿球温度阈值范围为9.69~21.04℃。
42.如图6所示，夏热冬冷地区的优选湿球温度为21.04℃。
43.如图7所示，当湿球温度在9.69~22.56℃时，夏热冬暖地区的各城市的空调制冷能耗的气象量化指标对夏热冬暖地区的各城市的空调制冷能耗的解释量均超过90%，其中，福州、广州、海口、南宁的空调制冷能耗的气象量化指标对福州、广州、海口、南宁的城市的空调制冷能耗的最大解释量分别达到了97%、95%、93%、96%，当湿球温度为23.99℃时，夏热冬暖地区的各城市的空调制冷能耗的气象量化指标与夏热冬暖地区的各城市的空调制冷能耗的解释量明显减小；以上说明，城市的空调制冷能耗的气象量化指标对夏热冬暖地区的城市的空调制冷能耗的解释量已达到97%；鉴于此，设定夏热冬暖地区的湿球温度阈值范围为9.69~22.56℃。
44.如图7所示，夏热冬暖地区的优选湿球温度为21.04℃。
45.综上所述，当湿球温度在其阈值范围内时，不同地区内城市的空调制冷能耗的气象量化指标对该城市的空调制冷能耗的解释量均超过80%。并且，当湿球温度超过上限阈值时，城市的空调制冷能耗的气象量化指标对城市的空调制冷能耗的解释量明显减少。
46.优选的，所述步骤s103中，通过对各个系数的优化，使得对待预估建筑的所在城市的历史空调制冷能耗的解释量超过80%，进而实现对空调制冷能耗模型的重建。
47.优选的，所述预设的地区分类表内的各个城市包括中国境内的各个城市。
48.在实际的预估过程中，所述湿球温度通过焓湿图上获取。
49.在实施例中，所述待预估建筑内夏季所需的室内温度为25℃，所述空气湿度为45%～55%；所述待预估建筑内冬季所需的室内温度为18℃，所述空气湿度为60%～70%。
50.本发明的特点在于：通过空调制冷能耗模型生成对待预估建筑的空调制冷能耗的气象量化指标以及根据历史气象数据得出的平均系数，实现对待预估建筑的空调制冷能耗进行预估，依据温度与湿度协同作用，使得对空调制冷能耗的预估更为准确，为建筑设计部门的节能设计及用能部门节能运控的数据基础提供数据支撑；以空调制冷能耗模型作为预估基础进行预估之前对空调制冷能耗模型的检查，大大提高了空调制冷能耗模型的准确度，减少了空调制冷能耗模型的出错率。
51.以上对本发明的实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与改进等，均应仍归属于本专利涵盖范围之内。