計(jì)及區(qū)域建筑群生長特性的動(dòng)態(tài)冷熱負(fù)荷預(yù)測(cè)

杜玉吉，鐘崴，錢輝金,2，俞自濤

(1.浙江大學(xué) 工程師學(xué)院，浙江 杭州 310058；2.中節(jié)能城市節(jié)能研究院有限公司，江蘇 常州 213000)

我國正處于城鎮(zhèn)化快速發(fā)展的階段，區(qū)域供冷供熱系統(tǒng)因其綠色環(huán)保、低碳節(jié)能和安全可靠等優(yōu)點(diǎn)，成為新建城區(qū)能源供應(yīng)的新興方式之一[1].由于新建城區(qū)建筑體量大，建設(shè)周期長，一般達(dá) 10 年甚至更久，按照傳統(tǒng)的面積指標(biāo)法進(jìn)行規(guī)劃設(shè)計(jì)，往往會(huì)造成系統(tǒng)冗余、初投資大和運(yùn)行效率低等問題.如何在規(guī)劃階段區(qū)域建筑群信息不完備、區(qū)域發(fā)展情況不確定的情況下，科學(xué)預(yù)測(cè)區(qū)域動(dòng)態(tài)冷熱負(fù)荷是保證區(qū)域能源精確設(shè)計(jì)、合理建設(shè)和高效運(yùn)行的基礎(chǔ)，已成為國內(nèi)外學(xué)者研究的熱點(diǎn)[2-3].

當(dāng)前常用的區(qū)域負(fù)荷預(yù)測(cè)方法主要有情景分析法、數(shù)值模擬法和基于歷史數(shù)據(jù)的外推法.情景分析法是通過分析建筑能耗的影響因素，設(shè)置不同的情景模式，這種方法還停留在定性分析階段[4].數(shù)值模擬預(yù)測(cè)法是從工程實(shí)際中抽取物理模型，常見的負(fù)荷數(shù)值模擬軟件有 DOE-2、DeST、EnergyPlus 和 TRNSYS[5]等，這些軟件要求建筑參數(shù)完整，對(duì)于規(guī)劃階段的設(shè)計(jì)是不適用的.基于歷史數(shù)據(jù)的外推法有回歸統(tǒng)計(jì)法、時(shí)間序列法和人工神經(jīng)網(wǎng)絡(luò)法等[6-8].以上方法都需要大量的歷史數(shù)據(jù)作為輸入，對(duì)于新建城區(qū)的負(fù)荷預(yù)測(cè)存在一定的局限性.

針對(duì)建筑信息不完備、不確定情況下的負(fù)荷預(yù)測(cè)問題，葉存華[4]編制了規(guī)劃階段的建筑群負(fù)荷預(yù)測(cè)程序，通過數(shù)據(jù)庫的建立減少了負(fù)荷預(yù)測(cè)所需要的初始條件.歐科敏[9]提出結(jié)合計(jì)算機(jī)模擬與統(tǒng)計(jì)回歸的方法，以預(yù)測(cè)區(qū)域建筑群冷熱負(fù)荷.章超波等[10]提出基于加權(quán)殘差聚類的建筑負(fù)荷預(yù)測(cè)區(qū)間估計(jì)方法，對(duì)建筑負(fù)荷預(yù)測(cè)模型的不確定性進(jìn)行定量評(píng)估.王利珍[11]提出基于蒙特卡羅隨機(jī)預(yù)測(cè)區(qū)域建筑群冷負(fù)荷的方法，解決了區(qū)域建筑冷負(fù)荷在控制性規(guī)劃階段的隨機(jī)性問題.周宇昊等[12]提出基于 cityblock 度量的最近鄰搜索方法，通過度量選擇篩選得到預(yù)測(cè)性能最優(yōu)的度量.已有的研究主要是通過對(duì)單體建筑預(yù)測(cè)負(fù)荷的簡單疊加求得區(qū)域負(fù)荷，該過程忽略了區(qū)域建筑建設(shè)周期長、建筑功能混合度逐年變化和不同業(yè)態(tài)負(fù)荷參差率對(duì)區(qū)域負(fù)荷的影響[13].關(guān)于這方面的研究目前還很少見，科學(xué)有效地進(jìn)行區(qū)域動(dòng)態(tài)冷熱負(fù)荷預(yù)測(cè)是目前面臨的難題.

針對(duì)現(xiàn)有研究存在的不足，本文提出計(jì)及建筑生長特性的區(qū)域動(dòng)態(tài)負(fù)荷預(yù)測(cè)方法體系.采用基于等維新息灰色理論的Verhulst 灰色模型，建立區(qū)域建筑群的生長預(yù)測(cè)方程，精準(zhǔn)預(yù)測(cè)區(qū)域建筑群的生長規(guī)律.根據(jù)負(fù)荷計(jì)算理論，采用MATLAB軟件編制單體建筑逐時(shí)冷熱負(fù)荷預(yù)測(cè)隨機(jī)程序.結(jié)合2 種模型，可得區(qū)域建筑群逐時(shí)冷熱負(fù)荷的分布規(guī)律.以常州高鐵新城為例，對(duì)該區(qū)域未來10 年的冷熱負(fù)荷進(jìn)行預(yù)測(cè).

1 區(qū)域動(dòng)態(tài)冷熱負(fù)荷預(yù)測(cè)模型

區(qū)域建筑群動(dòng)態(tài)冷熱負(fù)荷的預(yù)測(cè)主要涉及2 個(gè)關(guān)鍵問題：一個(gè)是區(qū)域建筑群的生長情況，另一個(gè)是單體建筑全年逐時(shí)負(fù)荷的變化情況.

區(qū)域建筑群生長受到多種因素的影響，如政策因素、經(jīng)濟(jì)因素、人口因素和交通因素等[14]，具有大量的灰性和不確定性，因此區(qū)域建筑群的生長特性是灰色問題.灰色預(yù)測(cè)模型因其具有所需建模數(shù)據(jù)量少、計(jì)算簡單、模擬精度高等優(yōu)點(diǎn)，被越來越多的學(xué)者廣泛地應(yīng)用在經(jīng)濟(jì)、醫(yī)學(xué)、管理、工程決策等領(lǐng)域[15-18].GM(1,1) 模型是灰色預(yù)測(cè)模型的最基本模型，在預(yù)測(cè)短期數(shù)據(jù)時(shí)具有較高的精度.灰色 Verhulst 模型是 GM(1,1) 模型的改進(jìn)模型，與灰色 GM(1,1) 模型相比，具有能夠利用新數(shù)據(jù)修正殘差、預(yù)測(cè)長期數(shù)據(jù)精度高的特點(diǎn)，主要用來預(yù)測(cè)具有飽和狀態(tài)的過程，即“S”形過程[19]，適合用來預(yù)測(cè)城鎮(zhèn)建筑生長.

結(jié)合負(fù)荷計(jì)算理論及隨機(jī)抽樣原理，采用MATLAB 軟件，建立區(qū)域建筑逐時(shí)負(fù)荷指標(biāo)預(yù)測(cè)隨機(jī)程序.確定區(qū)域建筑的不確定參數(shù)分布，構(gòu)建區(qū)域建筑冷熱負(fù)荷模型，形成“參數(shù)-負(fù)荷”數(shù)據(jù)庫，通過統(tǒng)計(jì)分析得到典型建筑的全年逐時(shí)負(fù)荷指標(biāo)及峰值冷熱負(fù)荷分布規(guī)律.

1.1 區(qū)域建筑群生長預(yù)測(cè)

灰色模型是基于客觀事物的物理背景，運(yùn)用系統(tǒng)的分析方法提出來的.該模型通過鑒別系統(tǒng)因素之間發(fā)展趨勢(shì)的相異程度來尋找系統(tǒng)變動(dòng)的規(guī)律，生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列.建立相應(yīng)的微分方程模型，預(yù)測(cè)事物未來發(fā)展趨勢(shì)的狀況[17].

灰色 Verhulst 模型的預(yù)測(cè)步驟如下.

1）設(shè)原始序列為

式中：x(0)(i)≥0，i=1,2,···,n.

2）設(shè)X(1)為X(0)(k) 的一次累加序列，則

式中：k=1,2,···,n.

3）生成x(1)的臨近均值等權(quán)序列Z(1)：

式中：k=2,3,···,n.

4）根據(jù)灰色系統(tǒng)理論，對(duì)一次累加序列x(1)建立關(guān)于時(shí)間t的白化微分方程：

式中：a、b均為待定參數(shù)，可以運(yùn)用最小二乘法對(duì)其求解，即

5）求解a、b得出式（6）的解，稱白化微分方程的解為時(shí)間響應(yīng)函數(shù)：

設(shè)定初始條件為x(1)(0)=x(0)(1)，即

其中，k=0,1,···,n.

6）累減還原得到Verhulst 灰色預(yù)測(cè)模型的預(yù)測(cè)數(shù)列：

式中：k=0,1,···,n-1.

為了保證所建模型的模擬效果更加科學(xué)合理，根據(jù)新信息優(yōu)先原理，引入等維新息灰色理論.每預(yù)測(cè)出一個(gè)新值，就將其置入原始序列，同時(shí)去掉最早的一個(gè)數(shù)據(jù)，據(jù)此樣本重新建立灰色Verhulst 模型，直到完成預(yù)測(cè)目標(biāo)為止.如圖1 所示為等維新息灰色理論的原理.圖中，P為原始序列的個(gè)數(shù)，N為預(yù)測(cè)步長.

圖1 等維新息灰色理論的原理Fig.1 Grey theory principle of equal maintenance and new information

1.2 單體建筑負(fù)荷預(yù)測(cè)

1.2.1 參數(shù)確定 建筑負(fù)荷預(yù)測(cè)參數(shù)可以分為確定參數(shù)和不確定參數(shù).確定參數(shù)根據(jù)區(qū)域控規(guī)圖、《民用建筑供暖通風(fēng)與空氣調(diào)節(jié)設(shè)計(jì)規(guī)范》、《公共建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)》等進(jìn)行設(shè)置.不確定參數(shù)有窗墻面積比、維護(hù)結(jié)構(gòu)（外墻、窗戶、屋頂）傳熱系數(shù)、單位面積照明功率、設(shè)備功率、人員密度等，均為隨機(jī)變量.采用 MATLAB軟件實(shí)現(xiàn)隨機(jī)變量的抽樣，上述不確定參數(shù)涉及的幾種分布抽樣原理如下.

1）服從均勻分布隨機(jī)數(shù)的抽樣.服從區(qū)間 [a,b] 上均勻分布的概率密度函數(shù)如下：

設(shè)R為[0,1.0] 上均勻分布的隨機(jī)數(shù)，則可得服從均勻分布的隨機(jī)變量X：

2）服從正態(tài)分布隨機(jī)數(shù)的抽樣.服從正態(tài)分布的連續(xù)隨機(jī)變量 ξ～ N（μ，σ）的概率密度為

設(shè)R1、R2為[0,1.0] 區(qū)間上均勻分布的隨機(jī)變量，且相互獨(dú)立，則可得隨機(jī)變量X與R的關(guān)系：

式中：任意x1、x2均服從標(biāo)準(zhǔn)正態(tài)分布且相互獨(dú)立，進(jìn)行如下變換可得服從正態(tài)分布的隨機(jī)變量X：

3）服從三角分布隨機(jī)數(shù)的抽樣.對(duì)于下限為a、上限為b、眾數(shù)為c的三角分布，概率密度函數(shù)為

設(shè)R為[0,1.0] 上均勻分布的隨機(jī)數(shù)，可得服從三角形分布的隨機(jī)變量X：

1.2.2 負(fù)荷預(yù)測(cè)模型 為了便于統(tǒng)一計(jì)算邊界條件，對(duì)建筑模型作如下假設(shè)[4,9].1）不考慮門窗的具體安裝位置.2）不考慮人員、照明和設(shè)備的布置.3）采用內(nèi)遮陽.4）不存在多功能性的綜合樓.5）每層均為標(biāo)準(zhǔn)層.6）同類型建筑的層高相同，圍護(hù)結(jié)構(gòu)的熱工參數(shù)相同.7）建筑物形狀均為長方體.8）建筑朝向：南.建筑的室內(nèi)設(shè)計(jì)參數(shù)、內(nèi)擾參數(shù)、新風(fēng)量、房間人員逐時(shí)在室率、電器設(shè)備逐時(shí)使用率、空調(diào)開啟時(shí)間等均參照《公共建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)（GB 50189—2015）》、《江蘇省公共建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)（DGJ32J96—2010）》和《夏熱冬冷地區(qū)住宅建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)（JGJ134—2010）》的要求進(jìn)行設(shè)置.氣象參數(shù)采用METEONORM 氣象數(shù)據(jù)庫的數(shù)據(jù).

1）熱負(fù)荷預(yù)測(cè)模型.由《實(shí)用供熱空調(diào)設(shè)計(jì)手冊(cè)(第二版)》及《供熱工程（第四版）》可知，供暖系統(tǒng)熱負(fù)荷主要包括圍護(hù)結(jié)構(gòu)傳熱耗熱量、冷風(fēng)滲透耗熱量和冷風(fēng)侵入耗熱量.預(yù)測(cè)模型如下所示：

式中：qheat,n,j為第n類建筑在第j時(shí)刻的熱負(fù)荷指標(biāo)，Qnj為第n類建筑在第j時(shí)刻的熱負(fù)荷，An為第n類建筑的面積，分別為第n類建筑在第j時(shí)刻的圍護(hù)結(jié)構(gòu)基本耗熱量、冷風(fēng)滲透耗熱量和冷風(fēng)侵入耗熱量，為第n類建筑在第j時(shí)刻通過外門的基本耗熱量，Ki為傳熱系數(shù)，F(xiàn)i為外墻（窗戶/屋頂/外門）的傳熱面積，tn為室內(nèi)設(shè)計(jì)溫度，tw,j為室外空氣逐時(shí)溫度，α1為溫差修正系數(shù)，cp為冷空氣的定壓比熱容，ρ 為供暖室外計(jì)算溫度下的空氣密度，qV為滲透空氣體積流量，β 為考慮冷風(fēng)侵入的外門附加率.

2）冷負(fù)荷預(yù)測(cè)模型.根據(jù)《實(shí)用供熱空調(diào)設(shè)計(jì)手冊(cè) (第二版)》及《空氣調(diào)節(jié)（第四版）》可知，空調(diào)冷負(fù)荷主要考慮維護(hù)結(jié)構(gòu)冷負(fù)荷、透過外窗的日射得熱冷負(fù)荷、室內(nèi)熱源（照明、人體、設(shè)備）散熱冷負(fù)荷和新風(fēng)冷負(fù)荷.預(yù)測(cè)模型如下所示：

分別采用以上冷熱負(fù)荷模型和 TRNSYS 軟件，對(duì)文獻(xiàn)[20,21]中列出的標(biāo)準(zhǔn)建筑進(jìn)行模擬計(jì)算，兩者的計(jì)算結(jié)果誤差均小于5%，可以認(rèn)為采用本文模型進(jìn)行冷熱負(fù)荷計(jì)算是科學(xué)可行的.

1.3 區(qū)域建筑群動(dòng)態(tài)負(fù)荷的預(yù)測(cè)

結(jié)合上述2 個(gè)模型，可得區(qū)域建筑冷熱負(fù)荷的動(dòng)態(tài)預(yù)測(cè)模型.如圖2 所示為計(jì)及建筑群生長特性的區(qū)域供冷供熱系統(tǒng)動(dòng)態(tài)負(fù)荷預(yù)測(cè)流程.

區(qū)域建筑群動(dòng)態(tài)負(fù)荷的預(yù)測(cè)模型如下所示.

式中：Qheat(m)、Qcool(m) 分別為區(qū)域建筑群第m年的峰值熱負(fù)荷、冷負(fù)荷；Qheat,j(m)、Qcool,j(m)分別為區(qū)域建筑群第m年的逐時(shí)熱負(fù)荷、冷負(fù)荷；An(m) 為第n類建筑第m年灰色 GM(1,1) 預(yù)測(cè)面積；n為建筑類型；j為時(shí)間，j=1,2,···,8 760；qheat,n，j、qcool,n,j分別為第n類典型建筑的逐時(shí)熱負(fù)荷指標(biāo)、冷負(fù)荷指標(biāo).

2 案例研究

常州高鐵新城區(qū)域能源項(xiàng)目為占地面積約為6 km2的高鐵新城核心區(qū)域提供供冷供熱服務(wù)，其中住宅面積為399 萬m2，辦公面積約為158 萬m2，商業(yè)面積為43 萬m2，規(guī)劃期限為2020—2035 年.以該項(xiàng)目的建筑群作為研究對(duì)象，以規(guī)劃數(shù)據(jù)作為約束條件，利用區(qū)域供冷供熱系統(tǒng)動(dòng)態(tài)負(fù)荷預(yù)測(cè)模型，對(duì)該區(qū)域在未來10 年的冷熱負(fù)荷進(jìn)行預(yù)測(cè).

2.1 區(qū)域建筑群生長預(yù)測(cè)

如表1 所示為中節(jié)能城市節(jié)能研究院有限公司正在運(yùn)營的常州高鐵新城智慧綜合能源站項(xiàng)目中3 種業(yè)態(tài)2017—2022 年的建筑用能面積統(tǒng)計(jì)數(shù)據(jù).

基于表1 的數(shù)據(jù)，建立灰色 Verhulst 模型回歸方程.

1）以住宅建筑每年新增的面積為預(yù)測(cè)模型原始數(shù)列：

對(duì)其進(jìn)行初值化處理，計(jì)為序列：

2）一次累加序列為

3）生成x(1)的臨近均值等權(quán)序列Z(1)：

由此可得矩陣Y、B：

運(yùn)用最小二乘法求解參數(shù)a、b，即

4）Verhulst 灰色模型的白化微分方程為

5）住宅建筑 Verhulst 灰色預(yù)測(cè)模型為

由于步驟1）進(jìn)行了初始化，須調(diào)整為

同理，可得辦公建筑和商業(yè)建筑的 Verhulst 灰色預(yù)測(cè)模型.辦公建筑的 Verhulst 灰色預(yù)測(cè)模型為

商業(yè)建筑 Verhulst 灰色預(yù)測(cè)模型為

結(jié)合等維新息灰色理論，以高鐵新城規(guī)劃數(shù)據(jù)為約束，根據(jù)Verhulst 灰色預(yù)測(cè)模型，可以計(jì)算常州高鐵新城 2023 —2032 年3 種業(yè)態(tài)的用能面積，如圖3 所示.如圖4 所示為基于等維新息灰色理論的 Verhulst 灰色模型預(yù)測(cè)精度檢驗(yàn)結(jié)果.由灰色模型預(yù)測(cè)精度檢驗(yàn)等級(jí)可知，3 種業(yè)態(tài)面積預(yù)測(cè)模型的灰色絕對(duì)關(guān)聯(lián)度、均方差比值和小誤差概率均達(dá)到一級(jí)精度，平均相對(duì)誤差基本上處于優(yōu)秀和良好等級(jí)之間.這表明3 個(gè)預(yù)測(cè)模型均具有較高的擬合效果，建立的面積預(yù)測(cè)模型可以有效地用于常州高鐵新城建筑群生長的預(yù)測(cè).

圖4 Verhulst 灰色模型的預(yù)測(cè)精度檢驗(yàn)Fig.4 Prediction accuracy test of Verhulst grey model

由圖3 可知，高鐵新城內(nèi)住宅建筑大約在2026 年基本建設(shè)完成，商業(yè)建筑大約在2025 年基本建設(shè)完成，辦公建筑在2027 年增長到156 萬m2后以非常低的速度緩慢增長直至達(dá)到規(guī)劃數(shù)值158 萬m2，在實(shí)際中可以認(rèn)為在2026 年達(dá)到飽和.在沒有特殊變動(dòng)的情況下，高鐵新城核心區(qū)到2027 年基本建設(shè)完成，沒有超過規(guī)劃的期限.

2.2 建筑負(fù)荷指標(biāo)預(yù)測(cè)

選取位于常州高鐵新城的典型住宅、辦公和商業(yè)建筑各一棟，依據(jù)建筑模型的簡化原則建立典型的建筑模型.各典型建筑的內(nèi)擾參數(shù)、室內(nèi)設(shè)計(jì)參數(shù)、朝向等遵循公共建筑、居住建筑的國家、地方相關(guān)規(guī)定.參數(shù)設(shè)置如表2、3 所示.

表2 典型建筑模型的參數(shù)Tab.2 Parameters of typical building model

表3 室內(nèi)設(shè)計(jì)參數(shù)的設(shè)定Tab.3 Setting of interior design parameters

2.2.1 參數(shù)確定 如表4 所示為建筑冷熱負(fù)荷計(jì)算中不確定參數(shù)的分布情況[4,11,22-23].采用 Matlab程序?qū)Σ淮_定參數(shù)進(jìn)行隨機(jī)抽樣，抽樣次數(shù)為1 000.

表4 不確定參數(shù)的分布情況Tab.4 Distribution of uncertain parameters

2.2.2 負(fù)荷計(jì)算 基于1 000 組建筑信息數(shù)據(jù)庫，采用 Matlab 程序，根據(jù)負(fù)荷預(yù)測(cè)模型編制建筑冷熱負(fù)荷計(jì)算程序，分別得到3 種業(yè)態(tài)的1 000 組建筑信息與負(fù)荷數(shù)據(jù)庫.依據(jù)區(qū)域面積信息，可以得到1 000 組區(qū)域建筑群負(fù)荷信息.如圖5 所示為各業(yè)態(tài)峰值負(fù)荷指標(biāo)頻數(shù)F分布.可以看出，3 種業(yè)態(tài)冷負(fù)荷峰值均在一定范圍內(nèi)隨機(jī)分布，熱負(fù)荷均表現(xiàn)為正態(tài)分布，這主要是由冷、熱負(fù)荷計(jì)算模型和不確定參數(shù)的分布情況決定的.

如圖6 所示為2023 年區(qū)域峰值冷、熱負(fù)荷的頻數(shù)和累積概率P分布.可知，2023 年區(qū)域峰值冷、熱負(fù)荷呈現(xiàn)正態(tài)分布，這符合概率論中的中心極限定理，即無論單個(gè)隨機(jī)變量的分布如何，多個(gè)獨(dú)立變量之和服從正態(tài)分布.2023 年區(qū)域峰值冷、熱負(fù)荷的期望值分別為315.82、166.98 MW，與面積指標(biāo)法相比分別降低了約7.57%、19.35%.2023 年區(qū)域冷、熱負(fù)荷在68% 置信度下分別為309.65～320.53 MW、159.65～173.64 MW.

圖6 2023 年區(qū)域建筑峰值負(fù)荷的分布Fig.6 Distribution of regional peak building load in 2023

按照相同的方法可以預(yù)測(cè)區(qū)域未來10 年的冷、熱負(fù)荷分布情況.如圖7 所示為2023—2032年高鐵新城冷、熱負(fù)荷預(yù)測(cè)均值結(jié)果.可知，常州高鐵新城未來10 年區(qū)域冷、熱負(fù)荷先快速增長，后緩慢增長直至達(dá)到飽和狀態(tài)，成熟期的冷、熱負(fù)荷分別約為436、228 MW，與面積指標(biāo)法（冷負(fù)荷為472 MW、熱負(fù)荷為285 MW）相比，分別降低了約7.52%、19.86%.在建設(shè)初期，區(qū)域負(fù)荷較小且維持在較低的水平；在后期，區(qū)域負(fù)荷以較快的速度增長直至成熟.依據(jù)此數(shù)據(jù)，可以對(duì)高鐵新城供能系統(tǒng)進(jìn)行合理的分期配置與建設(shè)，避免了因采用面積指標(biāo)法超前投建帶來的前期設(shè)備冗余和不必要的折舊費(fèi)用，保證系統(tǒng)從建設(shè)開始到達(dá)產(chǎn)一直處于高效運(yùn)行的狀態(tài).

圖7 2023—2032 年區(qū)域峰值冷、熱負(fù)荷預(yù)測(cè)值Fig.7 Regional peak cooling and heat load predicted from 2023 to 2032

3 結(jié)論

（1）本文通過大數(shù)定律，對(duì)已知分布規(guī)律的負(fù)荷不確定參數(shù)進(jìn)行隨機(jī)抽樣，依托負(fù)荷計(jì)算模型求解建筑逐時(shí)冷、熱負(fù)荷，搭建“建筑參數(shù)-負(fù)荷”數(shù)據(jù)庫.結(jié)合等維新息理論的 Verhulst (1,1) 灰色模型，實(shí)現(xiàn)了計(jì)及區(qū)域建筑群生長特性的動(dòng)態(tài)冷熱負(fù)荷預(yù)測(cè).

（2）按照本文的方法對(duì)高鐵新城未來10 年的冷、熱負(fù)荷進(jìn)行預(yù)測(cè)，未來10 年高鐵新城冷、熱負(fù)荷先快速增長后緩慢增長直至飽和，成熟期峰值冷、熱負(fù)荷預(yù)計(jì)分別為436、228 MW，與面積指標(biāo)法相比分別降低了約7.52%、19.86%.

（3）本研究提出的計(jì)及區(qū)域建筑群生長特性的動(dòng)態(tài)冷熱負(fù)荷預(yù)測(cè)方法，為區(qū)域供冷供熱系統(tǒng)優(yōu)化配置及分期建設(shè)提供了科學(xué)依據(jù)，有助于能源資源的合理分配及高效利用，為解決我國當(dāng)前新型城鎮(zhèn)化進(jìn)程中面臨的能源結(jié)構(gòu)優(yōu)化問題提供了前提條件.