湖南大學(xué)開題報告

1、湖南大學(xué)碩士研究生畢業(yè)（學(xué)位）論文開題報告姓 名*學(xué)號*已修學(xué)分32所屬學(xué)院土木工程學(xué)院一級學(xué)科土木工程二級學(xué)科供熱、供燃氣、通風(fēng)及空調(diào)工程指導(dǎo)教師*教授開題時間2014.01研究方向圍護結(jié)構(gòu)的節(jié)能技術(shù)論文題目公共建筑分類方法及冷負荷預(yù)測的研究一、文獻綜述1我國正處于快速城鎮(zhèn)化發(fā)展階段，以小區(qū)形式的建設(shè)并建有區(qū)域供冷供熱系統(tǒng)的建筑越來越多。與單體建筑相比，區(qū)域建筑供冷供熱系統(tǒng)比較復(fù)雜，投資大，耗能高。區(qū)域建筑冷熱負荷預(yù)測是建筑區(qū)域用能規(guī)劃和區(qū)域供冷供熱系統(tǒng)設(shè)計階段負荷計算的基礎(chǔ)和關(guān)鍵。目前，國內(nèi)外關(guān)于單體建筑冷熱負荷預(yù)測方法比較成熟，主要有基于歷史數(shù)據(jù)的外推法和數(shù)值模擬預(yù)測方法。區(qū)域建筑是由多

2、種不同類型和功能的建筑組成，故其負荷預(yù)測方法和單體建筑有所不同。區(qū)域供冷供熱系統(tǒng)建設(shè)通常分為規(guī)劃與方案、初步設(shè)計、施工圖設(shè)計、施工建設(shè)、運行管理等環(huán)節(jié)，在不同階段，所知條件不同，冷熱負荷預(yù)測的精度要求也不同。一、區(qū)域建筑冷熱負荷預(yù)測常用方法1.單位面積指標(biāo)法。通常的計算方法主要是采用單位面積指標(biāo)法估算出各單體建筑的負荷，再把各單體建筑的負荷簡單疊加，然后乘以同時使用系數(shù)。此方法是一種靜態(tài)的估算方法，在對區(qū)域建筑負荷預(yù)測時存在不足，因為區(qū)域內(nèi)所有建筑同時出現(xiàn)多個影響因素的概率很小，采用單位面積指標(biāo)法必定會高估區(qū)域總負荷。1992年，李永安分析了建筑構(gòu)造、使用功能、建筑朝向、建筑高度、窗墻比等因素

3、都會影響空調(diào)建筑出現(xiàn)設(shè)計冷負荷的時刻，致使各個房間乃至各幢建筑出現(xiàn)空調(diào)設(shè)計冷負荷的時刻不盡相同，探討了單幢建筑、建筑群空調(diào)設(shè)計冷負荷的統(tǒng)計方法，指出建筑群的空調(diào)設(shè)計冷負荷應(yīng)取各幢建筑逐時冷負荷疊加以后的最大值。2. 基于歷史數(shù)據(jù)的外推法。基于歷史數(shù)據(jù)的外推法以大量歷史能耗數(shù)據(jù)為基礎(chǔ)，利用統(tǒng)計分析及相關(guān)數(shù)據(jù)處理等技術(shù)，得出負荷與影響因素的關(guān)系，建立負荷預(yù)測模。此方法主要有回歸分析和人工智能的方法。2.1.回歸分析。自1984年Forrester等人利用多元線性回歸的預(yù)測方法完成對某商業(yè)大廈空調(diào)電力需求的預(yù)測至今，國內(nèi)外專家學(xué)者多次嘗試應(yīng)用此方法對建筑冷熱負荷進行預(yù)測研究。2002年，Dotzau

4、er等利用統(tǒng)計回歸方法得出區(qū)域系統(tǒng)熱負荷與室外溫度和人類行為兩個主要因素的簡單模型，利用此模型預(yù)測斯德哥爾摩某區(qū)域熱系統(tǒng)負荷，與其測量值比較在誤差允許范圍內(nèi)，驗證了此簡單模型的實用性。2008年，Pedersen等11基于測量的區(qū)域熱電值來預(yù)測建筑區(qū)域的熱電負荷，其中熱負荷采用分段線性回歸分析，得出依賴溫度與不依賴溫度的兩部分的回歸方程來指導(dǎo)多能源系統(tǒng)能源規(guī)劃。2.2.人工智能。人工智能（Artificial Intelligence）預(yù)測方法包括人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機（SVM）和灰色理論（Grey Theory）等方法。1991年，Kreider和Wang最早將神經(jīng)網(wǎng)絡(luò)方法引入到

5、建筑物空調(diào)設(shè)備能耗預(yù)測工作中。此后，國內(nèi)外學(xué)者廣泛展開了神經(jīng)網(wǎng)絡(luò)預(yù)測模型的研究。2010年，蔣小強和龍惟定通過對某區(qū)域供冷系統(tǒng)冷凍水供回水溫度及流量進行實測得到并分析實際逐時冷負荷，然后建立改進的人工神經(jīng)網(wǎng)絡(luò)負荷預(yù)測模型對該區(qū)域進行負荷預(yù)測，結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)算法得出的負荷預(yù)測值與實際值較吻合。2.3.數(shù)值模擬預(yù)測方法。隨著計算機的發(fā)展，建筑能耗計算從手算發(fā)展到詳細的計算機逐時計算，建筑能耗軟件也不斷更新發(fā)展。利用能耗計算軟件進行負荷預(yù)測，建筑物模型的建立是關(guān)鍵。由于區(qū)域建筑類型和數(shù)量較多，在保證計算精度的基礎(chǔ)上，為了大大減少負荷計算的工作量，通常采用建立典型建筑模型進行負荷模擬預(yù)測。建立各

6、類建筑的典型建筑模型（Prototypical Building Model）（指能夠反映當(dāng)前社會該類型建筑的建筑形態(tài)、建筑規(guī)模、建筑圍護結(jié)構(gòu)構(gòu)成、建筑內(nèi)擾情況等的代表性建筑），然后利用能耗模擬軟件對其進行模擬得到各類建筑單位面積負荷特性曲線，再利用自下而上的方式（Bottom-up）擴展獲得區(qū)域建筑內(nèi)整體負荷。2000年，Huang等人將1991年統(tǒng)計出來的既有建筑按時間年代、使用功能、地點、建筑規(guī)模等不同分成481類建筑，建立典型建筑，輸入GRI已調(diào)查出的數(shù)據(jù)，用DOE-2進行模擬，得出的建筑單位面積負荷擴展獲得了各類建筑總冷熱負荷，進而用來評價全美建筑總冷熱負荷。2004年，Chow等

7、利用此法對香港九龍地區(qū)東南部一個開發(fā)新區(qū)進行了負荷預(yù)測，指導(dǎo)區(qū)域系統(tǒng)方案的確定，取得較好的效果。2008年，瞿燕等 采用能耗分析軟件DOE-2對上海世博園區(qū)的部分建筑群進行動態(tài)負荷預(yù)測，通過研究世博會期間逐時空調(diào)動態(tài)負荷、空調(diào)負荷率的時間分布、月空調(diào)負荷、設(shè)計日逐時負荷等，分析了世博園區(qū)各建筑群的空調(diào)負荷特性。2011年，韓傳忠、端木琳建立典型建筑的動態(tài)負荷數(shù)據(jù)庫用于城市能源規(guī)劃期的負荷預(yù)測。3. 其他方法。2008年，龍惟定指出，正確的區(qū)域冷負荷預(yù)測應(yīng)采用情景分析方法。苑翔等應(yīng)用情景分析法把室外氣候條件和建筑內(nèi)負荷強度分別設(shè)置若干情景，并列出不同功能建筑的使用時間表，通過分析不同建筑在同一時

8、刻出現(xiàn)的不同情景確定區(qū)域建筑總冷負荷。2009年，苑翔和龍惟定首先假設(shè)單體建筑都是具有相同朝向或朝向成90°且具有相同建筑材質(zhì)的矩形建筑，通過分析建筑冷負荷的組成及影響因素，將區(qū)域建筑整合為表征只有內(nèi)外擾冷負荷分布的特征建筑，然后利用能耗模擬軟件進行模擬，得出逐時負荷，表明區(qū)域建筑冷負荷預(yù)測可以轉(zhuǎn)化為其特征建筑的冷負荷預(yù)測。2010年，王振江提出一種基于建筑空調(diào)負荷指標(biāo)和氣象參數(shù)的負荷因子法, 分別計算建筑圍護結(jié)構(gòu)負荷、新風(fēng)負荷、人員負荷、照明負荷及設(shè)備負荷, 逐時疊加獲得總的建筑空調(diào)負荷；利用負荷因子法對北京地區(qū)辦公建筑空調(diào)負荷進行了預(yù)測, 預(yù)測得到的該類型建筑空調(diào)負荷的動態(tài)特性與

9、實際運行的空調(diào)系統(tǒng)的負荷變化規(guī)律是一致的, 說明了該方法在預(yù)測空調(diào)負荷的動態(tài)變化規(guī)律上具有一定的可行性。 二、區(qū)域建筑冷熱負荷預(yù)測方法對比分析面積指標(biāo)法是一種靜態(tài)估算法，不能用于動態(tài)計算。區(qū)域建筑逐時的動態(tài)負荷計算有利于能源規(guī)劃和區(qū)域能源系統(tǒng)方案的設(shè)計，提高建設(shè)項目的能源利用率?；貧w分析預(yù)測法，預(yù)測簡單，但是預(yù)測精度往往不高。人工智能預(yù)測方法有其非線性處理優(yōu)勢，神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合更能提高預(yù)測精度，是將來預(yù)測的趨勢?；跉v史數(shù)據(jù)的外推法是傳統(tǒng)應(yīng)用廣泛的方法，需以大量的建筑能耗審計數(shù)據(jù)作為基礎(chǔ)，物理意義不明顯。對于區(qū)域建筑，需要大量的對某類建筑或整體區(qū)域的逐時能耗統(tǒng)計數(shù)據(jù)。目前，國內(nèi)這方面的

10、統(tǒng)計還很不到位，因此做好建筑能耗審計工作，積累足夠的能耗數(shù)據(jù)是這類預(yù)測模型的基礎(chǔ)。數(shù)值模擬是通過建立建筑模型，輸入準(zhǔn)確的氣象參數(shù)和建筑的詳細信息及設(shè)計參數(shù)，便可較快地得到動態(tài)負荷。然而區(qū)域建筑需建立不同類型建筑的模型，計算量往往利用建立典型建筑的負荷預(yù)測方法既能夠用于既有建筑來統(tǒng)計大型區(qū)域整體能耗，也適合用于預(yù)測新建建筑在無大量歷史能耗統(tǒng)計數(shù)據(jù)以及無詳細的建筑信息規(guī)劃期的負荷。情景分析法需要設(shè)定多種不同情景，會增加分析的復(fù)雜度，建筑內(nèi)部負荷強度的量化還存在問題。負荷因子法和整合成虛擬建筑方法都進行了大量的假設(shè)，計算復(fù)雜，預(yù)測精度不高，還處在發(fā)展改進中。三、結(jié)論與展望綜上所述，由于采用能耗模擬軟

11、件預(yù)測建筑負荷需要輸入的參數(shù)多且耗時長，不被人們所使用，而人們傾向采用的單位面積指標(biāo)法計算精度小造成耗能，所以在不失計算精度的基礎(chǔ)上簡化計算方法，分析負荷影響因素，是現(xiàn)階段預(yù)測建筑冷負荷的主要研究內(nèi)容。二、選題背景及意義隨著世界性能源危機的加劇和我國正處于城市化進程階段，建筑群越來越多，關(guān)注建筑區(qū)域的能耗已是公共建筑節(jié)能的重中之重。區(qū)域建筑用能規(guī)劃對節(jié)能減排具有重要的意義，能夠合理用能、科學(xué)用能、綜合用能、集成用能。由于節(jié)能減排形勢的緊迫，在中國由分散制冷向集中制冷，現(xiàn)又向區(qū)域供冷發(fā)展，已形成一個趨勢。然而區(qū)域建筑冷負荷預(yù)測是區(qū)域建筑用能規(guī)劃和設(shè)計區(qū)域供冷系統(tǒng)的基礎(chǔ)和關(guān)鍵。在低碳城市建設(shè)中，為

12、了集成應(yīng)用可再生能源和“未利用能源”，需要在區(qū)域?qū)用嫔峡紤]能源系統(tǒng)，需要在規(guī)劃階段對區(qū)域內(nèi)所有建筑冷負荷有明確的預(yù)測。因此準(zhǔn)確預(yù)測區(qū)域建筑冷負荷從而避免規(guī)劃時冷負荷過大時急需解決的問題?，F(xiàn)行的區(qū)域規(guī)劃階段采用指標(biāo)概算法進行建筑空調(diào)冷負荷的預(yù)測。該方法采用單位面積負荷指標(biāo)法估算出各單體建筑的負荷，再把各單體建筑的負荷簡單疊加，然后乘以同時使用系數(shù)，此方法是一種靜態(tài)的估算方法，存在很多問題。在區(qū)域級別上，區(qū)域內(nèi)所有建筑同時出現(xiàn)多個影響因素的概率很小。因此，使用負荷指標(biāo)法必定會高估區(qū)域總負荷，造成能源的浪費。為了更好的使用單位面積負荷指標(biāo)值計算公共建筑冷負荷，本文結(jié)合中國特殊的氣候分布和建筑傳統(tǒng)，以

13、公共建筑為基礎(chǔ)，根據(jù)不同氣候區(qū)的建筑特點和負荷影響因素建立一系列基準(zhǔn)建筑分類模型，借用能耗模擬軟件DesignBuilder對其進行全年動態(tài)負荷特性分析，構(gòu)建公共建筑冷負荷指標(biāo)數(shù)據(jù)庫，為公共建筑冷負荷預(yù)測提供參考三、研究的主要內(nèi)容1.典型建筑模型的建立典型建筑是指能夠反映當(dāng)前社會該類型建筑的建筑形態(tài)、建筑規(guī)模、建筑圍護結(jié)構(gòu)構(gòu)成、建筑內(nèi)擾情況等的代表性建筑。區(qū)域規(guī)劃階段，沒有具體的建筑信息用于冷負荷的模擬計算，這就需要構(gòu)建一種典型的建筑作為冷負荷模型的基礎(chǔ)。（1）建筑的分類。區(qū)域內(nèi)建筑是由不同使用功能和使用功能相同但規(guī)模不同的建筑組成。研究和調(diào)查建筑的不同使用功能和建筑規(guī)模等指導(dǎo)建筑的分類。（2

14、）確定不同建筑類型冷負荷的影響因素并工程模擬模型的輸入?yún)?shù)?？蓪⒂绊懸蛩胤譃榻ㄖ旧淼奈锢硪蛩?、內(nèi)擾因素和外擾因素來分析。由于地域性的區(qū)別，首先按照中國氣候的五個分區(qū)，基于當(dāng)?shù)氐臍夂驐l件和風(fēng)俗習(xí)慣進行分類。然后同一種類建筑按建筑的可能朝向、圍護結(jié)構(gòu)、體形系數(shù)、窗墻比、人們生活習(xí)慣、照明、室內(nèi)外設(shè)計參數(shù)、新風(fēng)量等進一步分類。2.典型建筑的工程模擬。用能耗模擬軟件建立典型建筑模型，模擬計算出不同類別典型建筑的負荷特性并適當(dāng)處理。3.典型建筑的輸出負荷的校準(zhǔn)。標(biāo)準(zhǔn)建筑負荷強度和樣本的置信度。4.利用自上而下的方法從單體建筑負荷擴展到建筑群的負荷。校準(zhǔn)后的典型建筑負荷特性形成數(shù)據(jù)庫，利用該數(shù)據(jù)庫計算得

15、到供冷供熱建筑區(qū)域在規(guī)劃階段的動態(tài)負荷。四、工作的重點與難點，擬采取的解決方案工作的重點與難點1）區(qū)域內(nèi)建筑是由不同使用功能和使用功能相同但規(guī)模不同的建筑組成的。建筑的分類有多種方式，合理地對建筑區(qū)內(nèi)建筑分類是本文的首要之題，關(guān)乎于建筑總體負荷預(yù)測的準(zhǔn)確性。 2）典型建筑的模型建立與輸入?yún)?shù)的確定。典型建筑要能代表該類建筑的基本特征，特別是負荷特性。但是典型建筑并不是實際存在的建筑，它是集這類建筑于平均的一個代表虛擬建筑。典型建筑的輸入?yún)?shù)，如：體形系數(shù)、朝向、窗墻比、圍護結(jié)構(gòu)、建筑人員、照明、設(shè)備、新風(fēng)量、室內(nèi)設(shè)計參數(shù)等會因地域性的不同而不同，也會因建筑的不同和不同。3）由于試驗的隨機性以及

16、分類的概括性，為了盡量減少預(yù)測誤差。有必要對輸出負荷進行校準(zhǔn)。解決對策1）分析影響負荷的主要影響因素和敏感性，可按照建筑的不同的使用功能和建筑規(guī)模指導(dǎo)建筑的分類。分類依據(jù)主要考慮建筑的負荷特性不同。2）通過調(diào)研或各地的節(jié)能規(guī)范（采用限值），確定建筑模型的朝向（各地有適合當(dāng)?shù)氐淖罴殉颍⒔ㄖ捏w形系數(shù)、窗墻比、建筑的圍護結(jié)構(gòu)（R值）、人員、設(shè)備、照明、新風(fēng)量、室內(nèi)設(shè)計參數(shù)等。室內(nèi)空間布局可根據(jù)調(diào)研出典型的具有代表的這類建筑的普遍布局。3）用典型建筑的輸出的負荷特性與以往統(tǒng)計能耗數(shù)據(jù)進行對比分析，當(dāng)然這里只對比負荷強度。如果有較大誤差，則需檢驗并調(diào)整典型建筑的模型或模擬輸入的參數(shù)。五、論文工作量

17、及進度工 作 量：論文計劃寫3-5萬字，總體研究時間大概安排為16個月。進度安排： 2014.12014.2 通過查閱大量文獻和調(diào)研完成相關(guān)資料的收集，按本文需要將區(qū)域建筑分類。2014.22014.3 根據(jù)已有的文獻資料驗證論文的可行性并初步建立典型建筑模型。2014.32014.6 通過實地調(diào)研或各氣候區(qū)各建筑的節(jié)能標(biāo)準(zhǔn)確定典型建筑的輸入?yún)?shù)并進行模擬。2014.62014.7 輸出的動態(tài)負荷曲線進行校核，誤差較大的進行模型調(diào)整。得出較為準(zhǔn)確的動態(tài)負荷曲線。2014.72014.10 以一案例為分析，驗證和分析此方法的可用性以及存在的問題。2014.102015.3 在導(dǎo)師的指導(dǎo)下，根據(jù)實

18、驗數(shù)據(jù)和已學(xué)習(xí)的理論知識，確定畢業(yè)論文框架，并上交畢業(yè)論文初稿。2015.32015.5 修改和校核畢業(yè)論文，在導(dǎo)師指導(dǎo)下完成終稿，準(zhǔn)備答辯。（本表可附頁）六、論文預(yù)期成果及創(chuàng)新點預(yù)期成果：1）建立各類典型建筑，能比較準(zhǔn)確的代表負荷特性相近的這類建筑。2）得出各類典型建筑比較準(zhǔn)確的動態(tài)負荷特性曲線（預(yù)測因子），為建筑區(qū)域的整體負荷預(yù)測提供預(yù)測因子。為區(qū)域負荷預(yù)測軟件開發(fā)提供依據(jù)。3）發(fā)表12篇論文。創(chuàng)新點：1）建立一系列基準(zhǔn)建筑模型，代表一類建筑的負荷特性，用工程模擬與統(tǒng)計學(xué)的方法相校準(zhǔn)的方法得出比較準(zhǔn)確的負荷預(yù)測因子，形成典型建筑負荷特性動態(tài)數(shù)據(jù)庫，利用該數(shù)據(jù)庫計算得到供冷供熱建筑區(qū)域在規(guī)劃

19、階段的動態(tài)負荷。2） 2）通過數(shù)據(jù)庫的建立，可以擴展得到各個地區(qū)不同氣候區(qū)的建筑區(qū)域負荷（本表可附頁）七、完成論文擬閱讀的主要文獻1 許旺發(fā)，張旭.辦公建筑能耗動態(tài)模擬研究J.建筑熱能通風(fēng)空調(diào)，2006，25（1）：15182 何大四，張旭等.常用空調(diào)負荷預(yù)測方法分析比較J.西安科技大學(xué)學(xué)報，2006，38（1）：1251293 梁哲誠，陳穎等.廣東市3棟商業(yè)建筑冷、熱、電負荷特性分析J.建筑科學(xué)，2012，28（8）,13204 陳文鼎，趙哲身.基于BP神經(jīng)網(wǎng)絡(luò)的空調(diào)負荷預(yù)測J.節(jié)能技術(shù)，2010,28（159）15175 李瓊，孟慶林.基于RBF神經(jīng)網(wǎng)絡(luò)的建筑逐時空調(diào)負荷預(yù)測模型J.華南理

20、工大學(xué)學(xué)報，2008，36（10）：25306 徐哲恬，潘毅群等.基于能耗模擬的某校園供冷供熱系統(tǒng)規(guī)劃J.建筑節(jié)能，2013,3:13197 馬濤，徐向東.基于小波網(wǎng)模型的區(qū)域供熱系統(tǒng)負荷預(yù)測J.清華大學(xué)報，2005,45（5）：7087108 周樹貴，張九根等.基于遺傳神經(jīng)網(wǎng)絡(luò)的冰蓄冷空調(diào)系統(tǒng)負荷預(yù)測研究J.化工自動化及儀表9 李瓊，孟慶林等.基于支持向量機的建筑物空調(diào)負荷預(yù)測模型J.暖通空調(diào)，2008,38（1）：141810 董智慧，劉凡等.建筑窗墻比對辦公建筑冷（熱）負荷的影響分析.建筑節(jié)能，2008,3:6811 李愛旗，白雪蓮等.居住建筑能耗預(yù)測分析方法的研究.建筑科學(xué)，2007,

21、23（8）：323512 杜進榮，朱能等.民用建筑供熱負荷的神經(jīng)網(wǎng)絡(luò)法預(yù)測.煤氣與電力，2001,21（1）：161913 韓傳忠，端木琳等.區(qū)域供冷負荷預(yù)測模型的建立.建筑熱能通風(fēng)空調(diào)，2012,31（1）：911、8514 蔣小強，龍惟定等.區(qū)域供冷系統(tǒng)逐時冷負荷的分析及數(shù)值預(yù)測.中南大學(xué)學(xué)報，2010,41(1)15 張曉彤，劉金祥等.區(qū)域建筑冷熱負荷的影響因素敏感性分析及預(yù)測方法研究J.建筑科學(xué)，2013,29（8）16 瞿燕，潘毅群等.上海世博園區(qū)空調(diào)動態(tài)負荷預(yù)測與研究.暖通空調(diào),2008,38(10)17 侯余波，付祥釗.夏熱冬冷地區(qū)窗墻比對建筑能耗的影響.建筑技術(shù)，32（10）1

22、8 王振江,端木琳,李祥立,王仁瑾.基于城市能源綜合規(guī)劃的建筑空調(diào)動態(tài)負荷預(yù)測方法探討A.全國暖通制冷2010年學(xué)術(shù)年會論文集C,201019 Kevin K.W. Wana, K.L. Cheung et al.Impact of modelled global solar radiation on simulated building heating and cooling loads . Energy Conversion and Management,50 (2009) 66266720 F.W.H. Yika, J. Burnett et al.Predicting air-cond

23、itioning energy consumption of a group of buildings using different heat rejection methods.Energy and Buildings 33 (2001) 151-16621 Qiong Li a,b, Qinglin Meng et al.Predicting hourly cooling load in the building: A comparison of support vector machine and different artificial neural networks.Energy

24、Conversion and Management,50 (2009) 909622 Haixiang Zhao，F(xiàn)rédéric Magoulès.A review on the prediction of building energy consumption.Renewable and Sustainable Energy Reviews.2012:3586359223 A.Badri,Z.Ameli,A.Motie Birjandi.Application of Artificial Neural Networks and Fuzzy Logic Meth

25、ods for Short Term Load Forecasting.Energy Procedia 14 (2012) 1883188824 Abdullatif E. Ben-Nakhi, Mohamed A. Mahmoud.Cooling load prediction for buildings using general regression neural networks.Energy Conversion and Management ,45 (2004) 2127214125 Zhijian Hou a, Zhiwei Lian et al.Cooling-load pre

26、diction by the combination of rough set theory and an artificial neural-network based on data-fusion technique.Applied Energy 83 (2006) 1033104626 Yongjun Sun, Shengwei Wang et al.Development and validation of a simplified online cooling load prediction strategy for a super high-rise building in Hong Kong.Energy Conversion and Management,68 (2013) 202727 Sung-Hwan Cho , Won-Tae Kim et al.Effect of length of measurement period on accuracy of predicted annual heating ener