排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
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。 相似文献
2.
3.
建筑工程包括多个分部工程,其中机电工程是一个非常重要的部分,直接关系到整个工程建设的安全和质量。为了能使机电工程能符合设计要求和质量验收规范的要求,确保整个工程的安全和质量,文章详细分析当前机电工程中存在的各种各样的问题,将施工技术措施和技术要求落实到位。 相似文献
4.
文章针对集中式控制架构在暖通空调方面应用存在的问题,提出了1种基于分散控制结构的分布式多目标差分进化改进的粒子群(D-MOPSODE,Decentralized Multi-objective Particle Swarm Optimization Improved by Differential Evolution)优化算法,以冰蓄冷空调系统能耗、运行费用和能耗损失为目标,求解冷机逐时部分负荷率和冰槽供冷比例。提高冷机运行效率科学规划蓄冰量和冷机-冰槽负荷分配,达到冰蓄冷空调系统经济节能的运行效益。西安某大型商场为实验环境进行实例验证,结果表明文章提出的D-MOPSODE算法是1种高效的分布式优化算法,在冰蓄冷空调系统负荷分配问题的求解中能够取得显著的节能效果。相比于传统控制策略和PSO算法,D-MOPSODE算法具有收敛性好,稳定性高,鲁棒性强、求解精度高等优点。 相似文献
5.
6.
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。 相似文献
1