مدل‌سازی درجه روز گرمایش و سرمایش در ایران

نوع مقاله : علمی -پژوهشی

نویسندگان

1 دانشگاه شهید بهشتی

2 دانشگاه شهید بهشتی تهران

3 دانشگاه شهید یزد

چکیده

هدف از این مطالعه توسعه معادلات و ارزیابی دقت برای محاسبه درجه روز با استفاده از میانگین دمای روزانه هوا می­باشد. در این پژوهش به این منظور درجه روز گرمایش (HDD) و سرمایش (CDD) از برونداد پایگاه داده اسفزاری با استفاده از دو مدل ASHRAE و UKMOبا لحاظ نمودن آستانه انجمن استاندارد علوم آمریکا (3/18 درجه سانتی­گراد) محاسبه شد. رابطه نیاز گرمایش و سرمایش ایران از روش وایازی غیرخطی چندگانه گام‌به‌گام با برازش معادلات کوبیک و کوادراتیک استفاده شد. نتایج نشان داد، تابع کوادراتیک پیش‌بینی‌های بسیار دقیق‌تری را نسبت تابع کوبیک برای نیاز گرمایشی و سرمایشی با انحراف استاندارد (SD) 328/0 و 370/0 ارائه می‌نماید. میزان ضریب بتا ( ) و F بیانگر این است که به‌جز مقدار ثابت در معادلات (bo) ، عامل درجه حرارت میانگین با توان سه درجه­ اهمیت بیشتری نسبت به بقیه عوامل ورودی به مدل­ها برای نیاز گرمایشی دارد. هم­چنین برای نیاز سرمایشی توان درجه‌ یک میانگین دمای هوا نسبت به سایر عوامل از اهمیت بیشتری برخوردار است. محاسبه ترکیب انحراف استاندارد (SD)، عرض جغرافیایی و ارتفاع نیز منجر به افزایش دقت پیش‌بینی مدل  گردید که مبین نقش تغییرات مکانی بالای این دو فراسنج و هم­سویی چند جانبه عوامل محیطی است. تحلیل‌های مکانی نیاز گرمایشی و سرمایشی چند مشخصه بارز آب و هوایی را برای این فراسنج در قلمرو ایران آشکار ساخته است: 1-لانه گزینی آب و هوایی در قالب خرده نواحی آب و هوایی؛ 2-وردش مکانی بالای نیاز گرمایشی و سرمایشی با آرایش ناهمواری‌ها و تغییرات شدید ارتفاعی.

کلیدواژه‌ها


عنوان مقاله [English]

Relationship modeling heating and cooling degree days in the territory of Iran with air temperature

چکیده [English]

This study aimed to develop and evaluate the accuracy of equations to calculate degree days using the average daily air temperature is wrote. In order to the beginning, calculate the heating degree days ( ) and cooling ( ) of output Asfazari database using two models, and considering the brink of the United States of America was used Standards Association. In order to relationship the need for heating and cooling stepwise multiple linear regression method with the country of cubic and quadratic equations were used. The results showed that quadratic function is much more accurate than predictions cubic function for heating and cooling needs with a standard deviation 0/328 and 0/370 from. The beta coefficient ( ) and indicates that except for the constant in the equation , factor temperature with an average three lies more important than other factors are input to models for heating needs. As well as for be cooling needs of an average air temperature is more important than other factors. Calculate the combined standard deviation , latitude and altitude increased the accuracy of prediction model that represents the spatial variation of these parameters and alignment of multilateral environmental factors. Spatial analysis requires several characteristic heating and cooling climate for this parameter in the territory of Iran is evident: 1. implantation weather in the form of climatic zones; (2) require high spatial variation uneven heating and cooling arrangement and sharp changes in elevation.

کلیدواژه‌ها [English]

  • heating and cooling requirements
  • models
  • multivariate modeling
  • Iran
-تراز‌نامه انرژی سال 1392، 1394. معاونت امور برق و انرژی (دفتر برنامه‌ریزی کلان برق و انرژی)، سازمان بهره‌برداری انرژی ایران (سابا)، تهران، ایران.
-مسعودیان، س.ا.، 1390. آب و هوای ایران، انتشارات شریعه توس، مشهد، 288 ص.
-مسعودیان، س.ا، 1384. شناسایی رژیم‌های بارش ایران به روش تحلیل خوشه‌ای، پژوهش‌های جغرافیایی، شماره 52، ص 47-59.
-مسعودیان، س.ا.، ابراهیمی، ر. و محمدی، م.، 1393. پهنه‌بندی مکانی-زمانی نیاز گرمایش و سرمایش فصلی و سالانه ایران، فصلنامه علمی-پژوهشی اطلاعات جغرافیایی سپهر، دوره 23، شماره 90، ص 83-90.
-مسعودیان، س.ا.، علیجانی، ب. و ابراهیمی، ر.، 1390. واکاوی میانگین درجه/روز موردنیاز (گرمایش و سرمایش) در قلمرو ایران، پژوهش‌نامه‌ی جغرافیایی، شماره 1، ص 23-36.
-مسعودیان، ا.، ابراهیمی، ر. و یاراحمدی، ا.، 1393b. واکاوی مکانی- زمانی میزان روند ماهانه درجه روز گرمایش در قلمرو ایران زمین، مجله جغرافیا و توسعه ناحیه‌ای، سال 12، شماره10، ص 11-127.
-ASHRAE (American Society of Heating, Refrigerating and Air-Conditioning Engi-neers), 2009. ASHRAE handbook: Fundamentals, Atlanta, GA, USA.
-ASHRAE Fundamentals Handbook-SI Edition, 2001. Chapter 31: energy estimating and modeling methods, American Society of Heating, Refrigerating and Air-Conditioning Engineers, Atlanta, GA.
-Borah, P., Singh, M. K. and Mahapatra, S., 2015. Estimation of degree-days for different climatic zones of North-East India, Sustainable Cities and Society, v.14, p.70-81.
-Chen, L., Fang, X. and Li, S., 2007. Impacts of climate warming on heating energy consumption and southern boundaries of severe cold and cold regions in China, Chinese Science Bulletin, v. 52(20), p. 2854-2858.
-Christenson, M., Manz, H. and Gyalistras, D., 2006. Climate warming impact on degree-days and building energy demand in Switzerland, Energy Conversion and Management, v. 47 (6), p. 671-686.
-CIBSE (The Chartered Institution of Building Services Engineers), 2006. TM41degree-days: Theory and application, London, UK.
-Draper, N.R. and Smith, H., 2014. Applied Regression Analysis, John Wiley & Sons, 736 P.
-Ebinger, J.O., 2011. Climate impacts on energy systems: key issues for energy sector adaptation, World Bank Publications.
-Engle, R.F., Mustafa, C. and Rice, J., 1992. Modelling peak electricity demand, Journal of forecasting, v. 11(3), p. 241-251.
-Goff, J.M., 2015. A Value-Added Approach to Degree Day Calculation, National Weather Service: Burlington, VT.
-Kadioğlu, M., Şen, Z. and Gültekin, L., 2001. Variations and trends in Turkish seasonal heating and cooling degree-days, Climatic change, v. 49 (1-2), p. 209-223.
-Scott, N., Miller, E.T., Schmidtmann, A. and Zou, L., 2007. GIS Tool to Estimate West Nile Virus Risk Based on a Degree-Days Model, Environmental monitoring and assessment, v.129, p. 413-425.
-Matzarakis, A. and Balafoutis, C., 2004. Heating degree‐days over Greece as an index of energy consumption, International Journal of Climatology, v. 24(14), p.1817-1828.
-Mideksa, T.K. and Kallbekken, S., 2010. The impact of climate change on the electricity market: A review, Energy Policy, v. 38 (7), p. 3579-3585.
-Moreno, L.S., Pedreira, C.G., Boote, K.J. and Alves, R.R., 2014. Base temperature determination of tropical Panicum spp, grasses and its effects on degree-day-based models, Agricultural and Forest Meteorology, v. 186, p. 26-33.
-Mourshed, M., 2012. Relationship between annual mean temperature and degree-days, Energy and buildings, v. 54, p. 418-425.
-OrtizBevia, M.J., Sanchez-Lopez, G., Alvarez-Garcìa, F.J. and RuizdeElvira, A., 2012. Evolution of heating and cooling degree-days in Spain: trends and interannual variability, Global and Planetary Change, v. 92, p. 236-247.
-Papakostas, K.T., Michopoulos, A.K. and Kyriakis, N.A., 2009. Equivalent full-load hours for estimating heating and cooling energy requirements in buildings: Greece case study, Applied Energy, v. 86 (5), p. 757-761.
-Roshan, G.R. and Grab, S.W., 2012. Regional climate change scenarios and their impacts on water requirements for wheat production in Iran, Int J Plant Prod, v. 6(2), p. 239-266.
-Schaeffer, R., Szklo, A.S., de Lucena, A.F.P., Borba, B.S.M.C., Nogueira, L.P.P., Fleming, F.P., ... and Boulahya, M.S., 2012. Energy sector vulnerability to climate change: a review, Energy, v. 38 (1), p. 1-12.
-Semmler, T., McGrath, R., Steele‐Dunne, S., Hanafin, J., Nolan, P. and Wang, S., 2010. Influence of climate change on heating and cooling energy demand in Ireland, International Journal of Climatology, v. 30(10), p. 1502-1511.
-Unger, J. and Makra, L., 2007. Urban-rural difference in the heating demand as a consequence of the heat island, Acta Climatological ET Chorological, 4041, 155162.
-Way, R.G., Lewkowicz, A.G. and Bonnaventure, P.P., 2017. Development of moderate‐resolution gridded monthly air temperature and degree‐day maps for the Labrador‐Ungava region of northern Canada, International Journal of Climatology, v. 37(1), p. 493-508.
-Yildiz, I., Yue, J., Nguyen-Quang, T., Lowrey, J. and Yildiz, A.C., 2013. Spatial Correlations and Distributions of Heating and Cooling Degree-Day Normals in Turkey, In Causes, Impacts and Solutions to Global Warming (pp. 37-59), Springer New York.