江西省某办公建筑的行为节能分析

目前我国建筑运行能耗约占我国全社会总能耗的30％,建筑节能降耗是摆在我们面前的重要课题。笔者通过对江西省某办公建筑电能消耗特点的研究分析,找出其用能不合理之处,进而提出节能管理方法,力求无成本或低成本的节能改造,降低建筑的能源消耗。     

一种地铁轨地过渡电阻的在线测量方法

地铁杂散电流对地铁本身产生重大的危害,准确测量地铁的轨地过渡电阻是降低杂散电流的重要前提.提出了一种轨地过渡电阻的测量方法,可以在线、实时地进行测量,不需要人工在机车停运时进行手动测量.该方法测量过程简单方便,减少了工作量,提高了测试效率,并且可以根据实时的测量结果,绘出地铁轨地过渡电阻随机车运行距离变化的曲线,为地铁的安全运行提供了监测标准,具有广泛的实用性.     

基于粗糙集和支持向量机的电力系统短期负荷预测

针对电力系统短期负荷预测中,高维大样本环境下支持向量机算法面临的耗时增大与维数灾问题,将序列最小优化算法(SMO)和粗糙集(RS)理论相结合,提出了一种新的算法——RS-SMO算法。该算法主要是用粗糙集理论进行负荷预测属性的约简,然后用其生成的边界集作为SMO的训练子集,从而使训练集的维数和规模有所减少。采用河北省某市的实际负荷数据进行算例分析,并对RS-SMO和SMO算法的预测结果进行了比较。结果表明,提出的RS-SMO算法有较高的预测精度。     

基于SOFM和支持向量机回归的短期负荷预测方法

提出了一种基于自组织特征映射(SOFM)的聚类分析和支持向量机(SVM)的电力系统短期负荷预测方法。该方法首先利用自组织特征映射网络,通过无监督学习策略对训练样本集进行聚类分析,将其分为若干相似子类,再针对每一子类构造一个支持向量机回归模型;使用基于SVM的回归估计算法建立了回归估计函数表达式,给出了基于SOFM和SVM的网络结构;采用河北省某市的实际负荷数据选择样本进行预测。算例表明该方法能够缩短训练时间,提高预测精度。     

基于BP神经网络的地铁节假日能耗预测

针对常规预测中的节假日预测精度低的缺点,提出了一种基于BP神经网络的地铁能耗预测模型,实现了正常日和节假日的分别预测.以某市地铁能耗统计数据作为样本,对模型进行了仿真预测.结果表明,利用本文预测模型,确实提高了地铁的节假日能耗预测精度.     

需求响应控制系统在智能建筑中的应用案例研究

指出目前智能建筑的用能现状以及存在的用能矛盾问题,提出基于双向互动的智能建筑需求响应控制系统解决方案,为智能建筑用能管理提供思路。通过实际案例,详细描述了智能建筑需求响应控制系统的组成、通信架构和功能,并根据项目案例的实际运行结果数据,验证了该项目的经济、社会效益,以利于智能建筑中需求响应控制系统的应用推广,提高智能建筑的用电效率,实现节约成本、优化资源配置。     

C4.5算法在视频图像处理中的应用

随着信息技术的快速发展和Internet的普及应用,Internet已经成为包含各种信息形式,如文本、图像、视频、音频等的巨大信息资源库。然而面对这种情形,很难对图像提出一个统一的分类标准。本文主要是基于决策树中的C4.5算法,先找出图像分类的属性,然后构造规则集,最后在进行图像分类。将其初步分为链接类、装饰类、广告类和内容类,从而进一步提高图像处理的效率和性能。     

建筑相关性负荷能效管理方法

分析建筑负荷之间的相关性。用相关系数的大小来描述负荷相关性的程度．并利用其正态分布的性质,找出相关系数的置信区间,然后根据建筑负荷的相关系数是否落入置信区间来判别建筑用能是否存在异常。可以发现目前总量控制管理法和最大值管理法无法识别的下班后不关电脑、空调或其它用能设备的问题,可以实现建筑能效的经济、有效管理．