基于支持向量回归和小波包的供热负荷预测

通过分析影响热网负荷变化的各种因素,对热负荷数据进行预处理,运用小波包变换对负荷序列进行分解,对各子序列分别建立支持向量回归预测模型,最后通过序列重构,得出预测结果。仿真结果表明,该方法比传统BP神经网络和未作小波包分解的支持向量回归法具有更高的预测精度。     

基于小波神经网络冰蓄冷空调负荷预测

为了节省冰蓄冷中央空调系统的运行费用,准确地预测空调冷负荷是必不可少的。采用db1小波对冰蓄冷空调冷负荷序列进行分解,分别对低频和高频序列采用BP网络进行预测,将预测结果进行叠加得到最终预测值。结合实例进行了空调逐时冷负荷预测,通过小波-BP网络与BP网络预测结果的对比,可知小波-BP网络预测的效果更好。     

基于支持向量回归和小波包的供热负荷预澳

通过分析影响热网负荷变化的各种因素，对热负荷数据进行预处理，运用小波包变换对负荷序列进行分解，对各子序列分别建立支持向量回归预测模型，最后通过序列重构，得出预测结果。仿真结果表明，该方法比传统BP神经网络和未作小波包分解的支持向量回归法具有更高的预测精度。     

基于改进PSO-BP神经网络的冰蓄冷空调冷负荷动态预测模型

当前多数冰蓄冷空调冷负荷动态预测方法中,由于模型输入变量与输出结果相关性差、信息冗余度高等原因,导致多数预测模型在预测精度和收敛速度方面都未达到理想的预测效果,因此,提出一种改进的PSO-BP神经网络算法预测大型公共建筑的冷负荷。对于输入变量与输出结果采用灰色关联度分析,消除样本输入变量对数的耦合性,确定影响冰蓄冷空调系统冷负荷的关键性因素,将其作为输入变量,预测冰蓄冷空调系统动态冷负荷。结果表明：T时刻室外空气温度、T-1 h时刻室外空气温度、T时刻室外空气湿度、T时刻太阳辐射强度、T-1 h时刻太阳辐射强度、T-1 h时刻空调冷负荷是影响T时刻冰蓄冷空调系统冷负荷的关键因素,并以此作为预测模型的输入变量。相对于传统PSO-BP神经网络全输入变量预测算法,该模型预测结果精确度更高、收敛速度更快。     

基于PCA法的BP网络对冰蓄冷系统的空调负荷预测

BP神经网络应用于空调负荷预测时,如果输入变量较多或变量间存在相关关系,会直接影响BP神经网络的预测准确性。针对此问题,采用主成分分析(PCA)法,在保留原始数据主要信息的前提下提取数据的主要成分。根据各主成分的贡献率对神经网络输入变量进行缩减,达到压缩变量维数的目的。然后将主成分输入到负荷预测的模型之中进行预测,使之更符合空调负荷预测的特点,提高预测的速度和精度。最后通过实际算例进行验证,实验结果表明,该方法确实可行。     

机理计算与机器学习结合的空调负荷预测

文章提出了一种机理计算与神经网络学习相结合的在线负荷预测方法。利用Python建立了统计学预测模型、支持向量机预测模型、随机森林预测模型。并通过将溧阳某一建筑实际空调负荷数据逐步输入模型之中模拟建筑的实时运行,对1年内和1年后的泛化能力进行分析。模拟结果表明,随着实际负荷数据的逐步增加,通过在线学习逐步完善性能,可以快速建立建筑的空调负荷预测模型。机器学习预测空调负荷的方式扩大了负荷预测的使用范围,提高了冷冻站智能化运行的水平。     

空调系统负荷分段预测与研究

为了改善空调系统的能源消耗,根据空调系统实际运行时的环境数据和负荷数据,采用神经网络的方式建立空调系统的负荷预测模型,通过负荷预测得到博物馆所需的空调负荷,以此作为空调系统节能优化的基础。根据BP神经网络具有的非线性特性以及强大的自学习自适应能力,对博物馆的空调负荷进行预测,建立基于BP神经网络的负荷预测模型,分析研究仿真得到结果,发现其不足之处主要体现在准确性上,之后对神经网络后改进进行分段预测,将通过仿真实验预测的结果与实际运行的负荷进行对比,结果表明改进后预测的结果具有较好的准确性。     

基于FCM优化神经网络的办公楼空调负荷预测

空调负荷预测对于优化空调系统运行具有重要指导价值,本文针对传统神经网络在预测空调负荷时精度较低、泛化能力弱和物理意义不明晰的缺点,建立了模糊C均值算法(Fuzzy C-means)优化的BP神经网络复合模型。模型先采用FCM算法对输入参数进行聚类,针对不同类建立BP神经网络预测模型,将待测样本分类后进行预测,最后使用决策树算法筛选预测结果中聚类不佳的部分进行加权优化。以珠海某办公楼空调系统实际运行数据为例验证了模型,结果显示随机负荷样本预测的精度指标即标准差率(Coefficient of Variance)为0.191相较于不聚类神经网络提高了51.4%;典型工作日、休息日日均负荷样本预测标准差率为0.08和0.14相对于不聚类神经网络则分别提高了73.0%和39.7%。     

mRMR和PSO算法对神经网络预测模型优化效果

提出利用最大相关和最小冗余(mRMR)算法、粒子群优化(PSO)算法,对BP神经网络预测模型进行优化。对某住宅楼进行供热负荷预测,评价3种神经网络预测模型(BP神经网络预测模型、mRMR-BP神经网络预测模型、PSO-mRMR-BP神经网络预测模型)的预测效果。在3种神经网络预测模型中,BP神经网络预测模型的预测效果最差,PSO-mRMR-BP神经网络预测模型的预测效果最佳。与BP神经网络预测模型相比,经过mRMR算法对输入变量进行筛选以及PSO算法对初始参数进行优化,PSO-mRMR-BP神经网络预测模型的预测效果显著提高。     

空调负荷混沌特性分析与预测

影响空调负荷因素比较多,且难于确定和提取,这就造成空调负荷的拟合和预测精度较低.在对空调负荷时间序列混沌特性分析的基础上,利用嵌人相空间来确定前期影响因子,建立了基于混沌相空间技术的BP神经网络模型.模型既能考虑到影响空调负荷时间序列的动力因子,又能解决网络输入单元数确定的困难,并能利用神经网络超强的非线性映射功能,结合空调负荷实例的拟合与预测,表明其结果合理,预测精度较高.     

中国主要城市标准年气象数据的研究

原文作者通过对已掌握的中国气象资料,选择25座城市进行了研究,制作出1小时时间间隔的空调负荷计算用气象参数(标准年气象参数),对建筑物的空调年负荷计算,具有一定的参考价值。     

围护结构与空调建筑节能

针对空调建筑能耗大的现状,介绍了空调负荷的构成,分析了围护结构形式和热工性能对空调负荷的影响,讨论了利用围护结构节能技术来降低空调能耗的方法.结果显示,通过改善建筑围护结构的形式和热工性能来降低空调能耗是建筑节能最有效的措施之一.     

Part load operation coefficient of air-conditioning system of public building

IPLV overall coefficient, presented by Air-Conditioning and Refrigeration Institute (ARI) of America, shows running/operation status of air-conditioning system host only. For overall operation coefficient, logical solution has not been developed, to reflect the whole air-conditioning system under part load. In this research undertaking, the running time proportions of air-conditioning systems under part load have been obtained through analysis on energy consumption data during practical operation in all public buildings in Chongqing. This was achieved by using analysis methods, based on the statistical energy consumption data distribution of public buildings month-by-month. Comparing with the weight number of IPLV, part load operation coefficient of air-conditioning system, based on this research, does not only show the status of system refrigerating host, but also reflects and calculate energy efficiency of the whole air-conditioning system. The coefficient results from the processing and analyzing of practical running data, shows the practical running status of area and building type (actual and objective) - not clear. The method is different from model analysis which gets IPLV weight number, in the sense that this method of coefficient results in both four equal proportions and also part load operation coefficient of air-conditioning system under any load rate as necessary.     

关于夏季空调冷负荷计算方面的问题

针对夏季多层建设空调冷负荷的计算问题,经三个地区同一实例的负荷计算,提出了切合垢建筑设计指标取值方法和建筑的冷负荷与制冷量的区别,供设计者参考。     

空调冷负荷计算方法发展状况研究

本文从空调冷负荷计算的原理与特点、空调冷负荷计算的基础理论、负荷计算软件的开发与改进、间歇空调系统冷负荷的计算和不同软件之间的比对与分析5个方面回顾了空调冷负荷计算理论研究的研究成果.     

室内空气设计参数与空调系统节能条件浅析

本文针对暖通空调系统设计过程中室内空气参数标准的合理取值对空调能耗的影响,探讨了空调负荷、空调能耗和空调系统节能的基本概念,对室内空气温度和相对湿度标准对空调系统能耗的影响进行了计算分析,结果表明科学认识室内空气参数标准的合理取值对空调系统能耗的影响对当前建筑节能意义重大;空调系统节能条件需要具体分析,针对不同类型的建筑和不同的空调方式,其室内空气设计标准的影响不同,空调过程设计对空调系统节能具有重要影响。另外,将典型空调案例的计算结果推广到一般工程,容易导致工程设计概念上的混淆。     

一种地铁空调冷站设备的监控方式

探讨了地铁空调负荷变化大、时间滞后大等特点，介绍了一种地铁空调冷站设备的监控方式。这种监控方式能够帮助实现冷水机组的运行台数与空调负荷相匹配，同时实现机组最优启停时间控制。     

内外遮阳及建筑外窗对空调负荷的影响

窗户是影响空调房间室内负荷的一大因素.其不仅有温差带来的导热和对流,还有阳光透过窗户与室内辐射换热.从而相对其他围护结构对室内负荷的影响更大.针对夏热冬冷区,以上海地区气象参数为代表,采用冷负荷系数法㈣模拟计算了多种遮阳设施下的室内空调冷负荷,从而比较各个种类窗遮阳设施对于空调房间室内负荷的影响.结果表明,采用内外遮阳结合设施之后的窗与无遮阳装置的相比,节能效果更好.在采用的遮阳措施中,以0.4 m水平探出遮阳板,内悬挂浅色窗帘及双层玻璃效果最明显.     

电荒、节能与热舒适研究

电力资源短缺是目前我国面临的重大问题,而空调负荷是造成电网压力大、电力供应严重不足的主要原因之一。人体热舒适研究涉及到空调舒适温度、空调设备运行控制、气流组织优化、节能等方面,其研究成果可直接或间接应用于降低空调能耗。热舒适研究可能成为解决电力紧张的方法之一。