一种混合可能性-概率的内扰不确定性表征方法

本发明属于建筑负荷不确定性分析领域，涉及一种混合可能性-概率的内扰不确定性表征方法。

背景技术：

1、设计负荷是空调系统定容的直接依据。在现行规范中，设计负荷主要基于确定的参数计算得到，该方法简单、高效，但通常伴随着过量设计的问题。为解决这一问题，更合理的设计负荷确定方法被提出，即首先借助负荷随机模拟技术量化设计负荷的不确定性，在此基础上对不同设计负荷进行可靠性评估，进而根据可靠性需求确定最终的设计容量。

2、在新的方法中，设计负荷的可靠性评估结果是影响设计容量确定的关键，而可靠性评估结果的合理与否极大程度上依赖于随机负荷模拟中对各不确定性输入的合理表征。这些不确定性输入按照物理属性可分为：气象要素、内扰要素和建筑要素。其中，内扰要素主要包括人员、照明和设备三个部分。由于内扰要素本身具有复杂的时序特征，且监测数据相对匮乏，其不确定性表征相较于其它要素要更为困难。同时，随着建筑围护结构热工性能的提升，内扰要素的不确定性对设计负荷不确定性的影响会逐渐增强。因此，基于客观的数据条件科学地表征内扰的不确定性对合理评估设计负荷的可靠性具有重要意义。

3、在空调负荷的形成过程中，内扰参数的极值特征和时序特征会共同影响设计负荷结果。现有研究并未将内扰极值的认知不确定性与内扰时序的随机不确定性区分开来，均采用概率的方法进行表征。然而，认知不确定性与基于概率的表征方法之间并不匹配。认知不确定性产生的原因在于相关数据和知识的缺乏，而基于概率的表征方法的实现又需要充足的数据或精确的知识作为基础，因而以概率方法表征认知不确定性本身就是矛盾的。现有研究普遍以概率分布表征内扰极值的认知不确定性，其中分布类型的选择和分布参数的确定均基于主观假设。然而，这种缺乏依据的假设极有可能扭曲已知信息，进而影响到内扰要素不确定性表征的合理性。

技术实现思路

1、本发明的目的是为了克服现有技术中的不足，提供一种混合可能性-概率的内扰不确定性表征方法，该方法能够科学、客观地描述内扰参数的认知和随机不确定性。

2、本发明的目的是通过以下技术方案实现的：

3、一种混合可能性-概率的内扰不确定性表征方法，包括以下步骤：

4、s1、选择可能性分布描述内扰极值参数的不确定性；内扰极值参数的不确定性主要是由于设计阶段建筑内部配置信息的缺乏导致的，属于认知不确定性的范畴；具体参数包括人员密度极值、照明功率密度极值和设备功率密度极值，其不确定性表征对应的三角可能性分布函数的具体公式如下：

5、

6、式中，π(x)表示内扰极值参数的可能度；a、c分别表示内扰极值参数的最大值和最小值，b表示内扰极值参数的最大可能值。

7、s2、选择概率模型描述内扰时间表的不确定性；内扰时间表的不确定性主要是由于建筑内人行为的随机变化导致的，属于随机不确定性的范畴；具体参数包括人员在室率、照明使用率和设备使用率，其不确定性表征对应的概率模型具体如下：

8、1)采用马尔可夫链模型表征人员在室率的不确定性，具体公式如下：

9、p{xt+1＝s2|xt＝s1}＝pij            (2)

10、

11、式中，pij表示人员由状态s1变为状态s2的转移概率，这里的人员状态有“在室”和“不在室”两种；xt表示t时刻的人员状态；xt+1表示t+1时刻的人员状态；

12、rp(t)表示t时刻的人员在室率；operson(t，n)表示第n个人在t时刻的在室状态；np，ρ，d表示人员密度极值；sb表示建筑面积。

13、2)引入人均照明功率反映照明使用率与人员在室率之间的相关性，具体公式如下：

14、

15、式中，rl(t)表示t时刻的照明使用率；pl，per为人均照明功率，表示照明使用功率与人员在室数量的比值；pl，ρ，d表示照明功率密度。

16、3)引入待机功率比反映设备使用率与人员在室率之间的相关性，具体公式如下：

17、

18、

19、式中，re(t)表示t时刻的设备使用率；为待机功率比，表示待机功率密度pe，ρ，0与设备功率密度极值pe，ρ，d的比值。

20、s3、采用λ截集法将基于可能性分布表征的内扰极值的不确定性与基于概率模型表征的内扰时间表的不确定性进行融合；将可能性分布转换为某一截集下的区间数，然后将区间数代入内层循环的概率模型中进行相关计算，进而实现可能性与概率的不确定性的结合。具体步骤如下：

21、1)可能性分布的转换。首先确定一个阈值λ(0≤λ≤1)，然后基于内扰极值的可能性分布，按照可能度大于λ确定对应的λ截集，具体公式如下：

22、aλ＝{x∈x|πa(x)≥λ}              (7)

23、这里，aλ可以理解为内扰极值对应的可能性集合中可能度达到某个水平的所有数值的集合。在此基础上，可确定λ截集下内扰极值参数对应的下界值x和上界值由此实现可能性分布到区间值的转换。

24、2)极端状态的确定。将λ截集下人员密度设计值照明功率密度设计值和设备功率密度设计值对应的下界值、上界值分别组合起来，形成两种极端状态，分别为：乐观状态悲观状态

25、3)内扰时间表的生成。将两种极端状态对应的内扰极值参数分别带入到内层循环中，然后借助概率模型，通过n次随机抽样生成三种内扰时间表(人员在室率、照明使用率和设备使用率)对应的矩阵数据，具体公式如下：

26、

27、

28、式中，m1和m2分别表示以乐观状态极值悲观状态极值为输入计算得到的三种内扰时间表的数据矩阵；mp，1、mp，2表示人员在室率的数据矩阵；ml，1、ml，2表示照明使用率的数据矩阵；me，1、me，2表示设备使用率的数据矩阵；表示第n次模拟中第i时刻的人员在室率；表示第n次模拟中第i时刻的照明使用率；表示第n次模拟中第i时刻的设备使用率。同时，为了确保模拟结果涵盖各种可能的时序变化，将内层循环次数n设置为1000。

29、4)时序内扰参数数据集的生成。内扰极值参数与对应内扰系数相乘，得到人员在室数量、照明使用功率和设备使用功率三种时序内扰参数，具体公式如下：

30、

31、

32、

33、式中，分别表示乐观、悲观状态下逐时人员数量对应的数据集；分别表示乐观、悲观状态下逐时照明功率对应的数据集；分别表示乐观、悲观状态下逐时设备功率对应的数据集。由此，可确定λ截集对应的两种时序内扰参数数据集

34、5)重复步骤1)-4)，模拟得到不同λ值对应的时序内扰参数数据集。

35、与现有技术相比，本发明的技术方案所带来的有益效果是：本研究提出一种混合可能性-概率的内扰不确定性表征方法，以客观反映内扰中不同属性的不确定性。该模型以可能性分布表征内扰在极值上的认知不确定性，以基于人行为的概率模型表征内扰在时序上的随机不确定性；在此基础上，借助λ截集法将两种不确定性融合起来。相比于传统的纯概率模型，本研究方法对内扰在极值和时序两个维度上的不确定性属性进行了区分，以可能性分布表征内扰极值的认知不确定性，进而在不引入主观假设的情况下实现了对不精确、不完整的内扰极值信息的科学利用。