Távhőrendszerek hőforrásai Hőigények meghatározása Hőszállítás Épületenergetika B.Sc. 6. félév 2009 február 23.

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

Események formális leírása, műveletek
I. előadás.
II. előadás.
Energetikai gazdaságtan
Kvantitatív módszerek
Összetett kísérleti tervek és kiértékelésük
Kvantitatív módszerek
3. Két független minta összehasonlítása
© Gács Iván BME Erőművek Új erőmű belépése a rendszerbe 1.
Matematikai alapok és valószínűségszámítás
Energiaellátás Hőellátás.
Becsléselméleti ismétlés
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
E L E M Z É S. 1., adatgyűjtés 2., mintavétel (a teljes sokaságot ritkán tudjuk vizsgálni) 3., mintavételi információk alapján megállapítások, következtetések.
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Előadó: Prof. Dr. Besenyei Lajos
III. előadás.
Kvantitatív módszerek 7. Becslés Dr. Kövesi János.
Nem-paraméteres eljárások, több csoport összehasonlítása
1 TARTALOM: 0. Kombinatorika elemei (segédeszközök) 1. Eseményalgebra 2. A valószínűség: a) axiómák és következményeik b) klasszikus (=kombinatorikus)
Készítette: Kosztyán Zsolt Tibor
EU csatlakozás tükrében (fejlesztések támogatással)
Budapesti Műszaki és Gazdaságtudományi Egyetem
A normális eloszlás mint modell
Partner Dr. Czira Zsuzsanna, egyetemi adjunktus BME VET VM A megbízhatóság alapjai Villamosenergia-minőség Szaktanfolyam Megbízhatóság.
Hőigények meghatározása Hőközpontok kialakítása
Hőigények meghatározása (feladatok) Hőközpontok kialakítása
Hőszállítás Épületenergetika B.Sc. 6. félév február 16.
Hőigények meghatározása Hőközpontok kialakítása
Hőszállítás Épületenergetika B.Sc. 6. félév március 9. ISMÉTLÉS.
Hőszállítás Épületgépészet B.Sc. 5. félév; Épületenergetika B.Sc. 5. (6.) félév október 8. ISMÉTLÉS.
Kondenzációs füstgáz- hőhasznosítás a távhőrendszerek hőbázisaiban Kitekintés: ipari rendszerek és kombinált ciklusú erőművek.
Kvantitatív Módszerek
Gazdaságstatisztika 19. előadás Hipotézisvizsgálatok
Gazdaságstatisztika 11. előadás.
Gazdaságstatisztika 14. előadás.
Gazdaságstatisztika 13. előadás.
Gazdaságstatisztika 16. előadás Hipotézisvizsgálatok Alapfogalamak
Hipotézis vizsgálat (2)
Civin Vilmos MVM Zrt. „Klímacsúcs” Budapest, február 27. Klímaváltozás és egy állami tulajdonú villamos társaság.
Alapsokaság (populáció)
Várhatóértékre vonatkozó próbák
Alapfogalmak.
Folytonos eloszlások.
Binomiális eloszlás.
I. előadás.
BINOM.ELOSZLAS Statisztika a számítógépen és a médiában Koncz Levente április 14.
Valószínűségszámítás - Statisztika. P Két kockával dobunk, összeadjuk az értékeket Mindegyik.
Energetikai gazdaságtan
Dr. Takács Attila – BME Geotechnikai Tanszék
Valószínűségszámítás III.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Valószínűségszámítás II.
Többdimenziós valószínűségi eloszlások
Korreláció-számítás.
PPKE ITK 2008/09 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás 4.
Bevezetés, tippek Ea-gyak kapcsolata Statisztika II -más tárgyak kapcsolata Hogyan tanulj? Interaktív órák, kérdezz, ha valami nem világos! tananyag =előadások.
Félévközi követelmények HMV hőigények meghatározása Rendszerkialakítások Vízellátás, csatornázás, gázellátás Épületgépészeti és Gépészeti Eljárástechnika.
Félévközi követelmények HMV hőigények meghatározása Rendszerkialakítások Vízellátás, csatornázás, gázellátás Épületgépészeti és Gépészeti Eljárástechnika.
Hőszállítás Épületgépészet B.Sc.; Épületenergetika B.Sc. 5. félév szeptember 25. Távhőrendszerek hőforrásai A távhőellátás versenyképesége Budapest.
Kockázat és megbízhatóság
Kockázat és megbízhatóság
II. előadás.
Kvantitatív módszerek MBA és Számvitel mesterszak
I. Előadás bgk. uni-obuda
Valószínűségi változók együttes eloszlása
Valószínűségi törvények
Gazdaságinformatikus MSc
2. A Student-eloszlás Kemometria 2016/ A Student-eloszlás
Előadás másolata:

Távhőrendszerek hőforrásai Hőigények meghatározása Hőszállítás Épületenergetika B.Sc. 6. félév 2009 február 23.

A távhőellátás lehetséges hőforrásai kondenzációs erőmű, hőszolgáltató erőmű, fűtőerőmű, ipari erőmű, kombinált ciklusú, gőzturbinás és gázturbinás fűtőerőmű, gázmotoros fűtőerőmű, kazántelep gőzkazánokkal ipari technológiai igényekhez, fűtőmű gőz és/vagy forró vízkazánokkal fűtési igényekhez, geotermikus hőforrás, nukleáris hőforrás, egyéb.

Használati melegvíz igények meghatározása

„Fejadag” módszer méretezés fajlagos vízigények és egyenetlenségi tényezők alapján

Fajlagos vízigények MI :1992 szerint ivás1-3liter/nap, fő főzés4-7liter/nap, fő takarítás5-10liter/nap, fő mosás20-50liter/nap, fő mosogatás10-40liter/nap, fő tisztálkodás80-130liter/nap, fő WC öblítése30-60liter/nap, fő összesen liter/nap, fő kórházak betegágyanként400liter/nap, ágy szanatóriumok200liter/nap, ágy kórház mosodaüzemmel600liter/nap, ágy szakorvosi rendelőintézet liter/nap, orvosi munkahely bölcsöde liter/nap, férőhely óvoda80-100liter/nap, férőhely általános iskola, zuhanyzó nélkül150liter/nap, tanterem

A fogyasztás várható ingadozása településeken (egyenetlenségi tényezők)

n=a csapolók száma p=fogyasztási valószínűség Annak a valószínűsége, hogy éppen r db. csapolóból folyik a víz: Tegyük fel, hogy 5 fogyasztónk van, és p=0,2! Ekkor annak valószínűsége, hogy éppen 0 fogyasztó üzemel: 0,327 1 fogyasztó üzemel: 0, fogyasztó üzemel: 0, fogyasztó üzemel: 0,0512 0,9926 azaz 99,26% annak a valószínűsége, hogy 5 fogyasztóból legfeljebb 3 üzemel!

Annak valószínűsége, hogy egyidejűleg éppen r db. csapolón van fogyasztás (n = 100; p = 0,2)

KOCKAJÁTÉK Mi az egyes dobások előfordulásának valószínűsége? Melyik szám fordul elő a leggyakrabban? Mekkora az a szám, aminél –70% –95% valószínűséggel kisebbet dobunk? (vagy fordítva: mekkora az a szám, aminél 70%, illetve 95% biztonsággal nem fogunk nagyobbat dobni?)

a normális eloszlás eloszlásfüggvénye a normális eloszlás sűrűségfüggvénye

A normális eloszlás jellemzői a várható érték és a szórás A standard normális eloszlás eloszlásfüggvénye:

Standard normális eloszlás

A standard normális eloszlás eloszlás- és sűrűségfüggvénye →ld. külön file-ban!

Ha t = -∞akkorP(u) = 0 t = 0akkorP(u) = 0,5 t = ∞akkorP(u) = 1 t = 1,645akkorP(u) = 0,95 t = 2,326akkorP(u) = 0,99. Ha például 95% megbízhatósághoz keressük x értékét: P(u)=0,95→ t = 1,645 x = m +1,645σ

Ha n db. homogén fogyasztónk van az egyes fogyasztók fogyasztásának várható értéke: Q, fogyasztásának szórása:σ; akkor Q eredő ==nQés ==. Ezekből:n db. homogén fogyasztó X együttes fogyasztása 95% valószínűséggel kisebb, mint

Egyidejűségi tényező n db. homogén fogyasztónk van, amelyek egyenkénti fogyasztásának várható értéke:Q, szórása:σ; fogyasztása adott P(t 1 ) megbízhatósági szinten:Q+t 1 σ. n db. fogyasztó együttes fogyasztása P(t 2 ) megbízhatósági szinten: egyidejűségi tényező ≠ egyenetlenségi tényező!

Centrális határeloszlástétel „Ha ξ 1, ξ 2 …azonos eloszlású, független és véges szórású valószínűségi változók közös várható értéke m és szórása σ, akkor a 0 várható értékű és egységnyi szórású valószínűségi változók sorozata aszimptotikusan standard normális eloszlású:

Szemléletesen: Ha egy véletlen ingadozás sok, egymástól független, egyenként csekély hatású komponens eredője, akkor az ingadozás közelítőleg normális eloszlású. (Mint az élet legtöbb jelensége.)” (Monostory Iván: Valószínűségelmélet és matematikai statisztika, tétel és a hozzá fűzött magyarázat; 1980 Budapest)

Épületek hővesztesége

A hőigények valószínűség-elméleti vizsgálata..,,.

G évi [óra*fok/év]

Mutassa be végtelen számú fogyasztó egyidejűségi tényezőjét, ha az egyes fogyasztókat a fogyasztás Q várható értékével és σ szórásával jellemezhetjük! Az egyes fogyasztók és a fogyasztócsoport együttes fogyasztását ugyanolyan megbízhatósággal kívánjuk leírni! Mutassa be egy n db. egyforma fogyasztócsoportból álló vízellátó rendszer 95% megbízhatóságú szintű méretezési fogyasztásának meghatározását, ha egy fogyasztócsoport várható fogyasztása, a fogyasztás szórása σ; t(95%)=1,645! Egy fogyasztócsoport napi fogyasztásának várható értéke m, szórása σ. Mekkora fogyasztásra kell méretezni három ilyen fogyasztócsoport együttesét 99% megbízhatósági szinten? (A standard normális eloszlásban t=2,326 értékhez tartozik a 0,99 függvényérték.) Q 1 =86,4 kW, σ 1 =6,8kW; Q 2 =132,8 kW, σ 2 =16,3kW Mennyi a két fogyasztó együttes méretezési fogyasztása 99% megbízhatósági szinten?

Köszönöm a figyelmet!