基于Web Services的楼宇自动化系统和集成技术的研究

分析了楼宇自动化工业的发展历程和目前所存在的主要问题，提出了基于XML，SOAP，WSDL和UDDI的Web Services技术是解决方案。介绍了Web Services的原理和关键技术，以及基于Web Services的楼宇自动化系统的集成技术、架构模型和实现原理。     

一种阴影情况下光伏组件输出特性的计算方法

提出了一种计算阴影遮挡情况下组件输出特性的方法。该方法首先根据流经组件的电流对被遮挡电池及其所在电池串的输出特性进行分析,在此基础上对旁路二极管的伏安特性进行理论分析,进而判定旁路二极管导通状态,从而计算出光伏组件在阴影遮挡情况下的多峰特性。经试验验证,此种方法可精确地模拟复杂遮挡情况下光伏组件的输出特性,对于各种阴影遮挡情况下的峰值点的最大误差在3%以内。该方法较传统的失配情况下基于一个电池单元并联一个保护旁路二极管的计算方法更符合实际,具有较强的实用价值。     

光伏组件表面积灰对其发电性能的影响

利用计算机模拟的方法对有灰尘沉积的光伏组件输出性能进行研究,采用MATLAB／SIMULINK模拟灰尘沉积对光伏组件输出性能的影响,得到不同灰尘沉积情况下的光伏组件的输出特性曲线,由特性曲线可以看出,随着灰尘沉积的增多,最大功率点功率下降明显。在理论研究的基础上,搭建实验平台进行实验研究,结果证明仿真结果是有效可信的。     

模糊自适应PI控制在空调系统中的研究

以空气焓差法试验台空调系统的温度控制系统为具体仿真对象建立了数学模型,该空调系统可以看作是一阶惯性加纯滞后的环节,而且对象的过程参数和时延时间是时变的,传统的PID控制无法获得理想的控制效果。提出了一种无需辨识环节的具有智能的模糊自适应PI的控制算法并将其应用在该空调系统中,该算法对模糊控制和PI控制进行有机结合,根据实际控制经验,通过模糊控制规则对控制回路中PI控制器的参数进行实时整定,并将该控制算法和经过良好整定的PI控制器在空调系统中的控制性能进行比较。仿真结果表明,模糊自适应PI控制提高了系统的鲁棒性、减小了超调量、提高了抗干扰能力、缩短了调整时间。     

多种类型硅电池光伏组件性能模拟的复合方法

提出一种新的多种类型硅电池光伏组件性能模拟的复合方法,该方法根据光伏组件生产厂商提供的标准测试条件下铭牌参数值,首先利用简化的四参数模型得出高精度光伏组件的I-V曲线,进而对该I-V曲线利用分段拟合的方法得出电池电流方程的微分方程在短路及开路状态下的通用求解模型,在此基础上利用五参数模型得到串联电阻Rs、并联电阻Rsh、光生电流Iph、反向饱和电流Io以及二极管理想因子n这5个电性能参数的解析解。该方法解决了五参数模型中所需的电池电流方程的微分方程在短路及开路状态下的值不能直接从组件铭牌参数中获取的问题,将计算结果与实验数据分析比较,结果表明该方法具有较高的计算精度,可为深入分析光伏组件在多种复杂情况下的性能输出提供重要手段。     

ZigBee技术及其在楼宇自动化系统中立用的思考

本文阐述了在楼宇自动化领域采用无线通信技术的优越性以及目前在楼宇自动化系统中应用无线通信技术所面临的问题。提出了ZigBee的出现将推动无线通信技术在楼宇自动化领域应用，并对ZigBee技术的原理及其在楼宇自动化领域的发展前景进行了展望。     

一种具有鲁棒性能的PI控制器在空调系统中的研究

空调系统可以看作是一阶惯性加延迟的对象，针对空调控制系统中目前没有合适的PI整定规则，PI控制器的参数大多通过工程经验或者传统的PI参数整定方法获得，但通常无法获得良好的控制性能。本文根据空调对象模型及一种鲁棒性能指标，设计了一种具有鲁棒性能的PI控制器，该算法较好地弥补传统的PI工程整定方法在空调控制系统应用的局限性。本文以空气焓差法试验台测试室的温度控制系统作为仿真对象对该算法进行了试验，仿真结果表明该PI控制器具有优异的控制性能。     

基于广义预测控制算法的表冷器出风温度控制

表冷器出风温度控制是整个暖通系统中的关键控制环节。为了提供给变风量末端的送风温度更接近设定值,在变风量中央空调系统实验平台上,对表冷器进行流量阶跃响应实验,并用测试法得到表冷器数学模型。在此基础上,将广义预测控制算法应用于表冷器的出风温度控制,该算法采用CARIMA模型,对三种情况下表冷器出风温度的控制性能进行研究。结果表明:该算法能实时在线辨识表冷器模型参数,克服了系统时变特性的不利影响;通过与相应PID控制比较,验证了该算法具有更高的稳定性、准确性及鲁棒性。     

基于数据挖掘和遗传小波神经网络的光伏电站发电量预测

为了解决光伏发电预测不确定性问题,进一步提高光伏电站发电量的预测精度。提出一种基于数据挖掘和遗传小波神经网络的光伏电站发电混合预测模型,利用K均值聚类算法对历史数据进行分类,并对传统BP神经网络进行改进。以BP神经网络为基础,引入小波分析构建小波神经网络,同时利用遗传算法对网络的初始参数进行全局寻优得到最优参数,利用交叉熵函数对学习规则进行改进。改进后的网络模型既具有小波分析的良好的局部时域和频域特性,又具有全局搜索能力,可增大跳出局部最优的可能性,同时拥有更快的收敛能力和稳定性。实验结果验证了该算法的有效性。