基于GA-BP神经网络的短期负荷预测

以供热系统为研究对象,针对集中供热热负荷中由于温度因素、随机因素以及建筑本身因素等导致预测精度不高的问题．提出了采用BP神经网络算法来进行预测,它对具有非线性的模型有很好的控制效果,并且可以进行自我学习．但由于BP神经网络的波动较大,比较容易出现局部优化现象,因此在使用BP神经网络的基础上进行改进,将BP神经网络与遗传优化算法相结合,弥补BP神经网络的不足．最后通过仿真实验,结果表明热负荷预测的误差大大减少,预测精度提高,继而实现合理供热．     

LS-SVM在城市供热系统热负荷预测中的应用研究

为了对热负荷及时准确的预测,采用最小二乘支持向量机(Least squares support vector machines,LSSVM)算法,结合网格搜索的交叉验证参数寻优建立预测模型。实验表明,与遗传算法参数寻优的SVM相比,计算速度提高27倍,均方误差提高3倍,拟合相关参数达到99%,说明该模型能快速准确的预测预测下一个工作日的短期热负荷,是一种可行的、有效的预测方法。     

热网动态BP网络预测模型结构的研究

将人工神经网络应用于供暖热网实时预报技术,讨论了热网动态BP网络预测模型结构的确定问题。建立起可用于热网供暖预报的外时延反馈型BP网络模型．利用牡丹江西海林小区锅炉房2000年11月-2001年4月的部分热网数据,对所建立的网络进行训练和检验,结果表明预报模型具有较好的动态跟踪能力和预报特性．     

基于MIMO-SVR的供热负荷日预报方法

针对城市集中供热系统中提前24小时的日负荷预报方法具有较大误差问题,提出了一种基于多输入多输出支持向量回归（MIMO-SVR）的供热负荷日预报方法.该方法利用MIMO-SVR的多输出特性通过一步预报直接获得24小时的日负荷预报.通过对某热力站实际供热负荷数据进行仿真研究,结果表明,MIMO SVR日预报的平均相对误差为2.47%,较多输入单输出支持向量回归（MISO-SVR）预报精度高,能够满足供热工程的应用需要.     

基于最小二乘支持向量机的锅炉对流受热面清洁吸热量预测

针对神经网络拓扑结构复杂、易出现过度训练、仅获局部最优解的问题,为提高锅炉对流受热面清洁时潜在吸热量预测的准确度,更好地进行受热面污染监测,提出了一种新的基于最小二乘支持向量机的对流受热面清洁时潜在吸热量预测方法。依据最小二乘支持向量机预测原理,建立对流受热面清洁时潜在吸热量最小二乘支持向量机预测模型,同时建立神经网络预测模型进行对比研究,实例研究结果表明,最小二乘支持向量机较神经网络具有更高的拟合度,预测各性能都高于神经网络,其在对流受热面清洁时潜在吸热量预测方面明显优于神经网络,将成为对流受热面清洁时潜在吸热量预测也即受热面污染监测方面更为有利的工具。     

Heating load interval forecasting approach based on support vector regression and error estimation

As the existing heating load forecasting methods are almostly point forecasting,an interval forecasting approach based on Support Vector Regression (SVR) and interval estimation of relative error is proposed in this paper.The forecasting output can be defined as energy saving control setting value of heating supply substation;meanwhile,it can also provide a practical basis for heating dispatching and peak load regulating operation.By means of the proposed approach,SVR model is used to point forecasting and the error interval can be gained by using nonparametric kernel estimation to the forecast error,which avoid the distributional assumptions.Combining the point forecasting results and error interval,the forecast confidence interval is obtained.Finally,the proposed model is performed through simulations by applying it to the data from a heating supply network in Harbin,and the results show that the method can meet the demands of energy saving control and heating dispatching.     

供热机组热电负荷解耦控制

为了满足风电大规模并网条件下电网对供热机组投入AGC运行的需求,机组热、电负荷控制系统相互耦合的问题需要得到解决。对供热机组的非线性动态模型进行小偏差线性化,得到传递函数矩阵模型,分析发现供热侧对发电侧的扰动主要由两类供热调节蝶阀开度到机组发电负荷的通路引起。在以炉跟机为基础的协调控制系统中加入蝶阀开度对发电负荷的解耦器,仿真实验证明解耦环节可以在不影响机前压力控制品质的同时显著减小机组发电负荷的波动。     

基于神经网络预测节能中央空调控制策略

由于传统中央空调具有大滞后、大惯性、非线性特性,造成常规控制方法下系统供给的能量与负载所需能量不匹配,使得中央空调与使用环境能量供求不平衡,浪费了大量的电能.针对中央空调的控制特性,提出了一种基于神经网络技术的预测控制方法,将Elman神经网络预测器和神经网络控制器有机结合,通过预测未来能量需求,实时调节控制策略,使系统所需能量和空调输出能量达到匹配.采用Elman神经网络预测器和神经网络控制器有机结合的控制方法,使系统具有良好的动态性能和稳态性能,节能效果显著.采用神经网络预测型节能中央空调,可有效控制中央空调与使用环境能量供求的关系,为降低智能建筑能耗提供了可靠的保障.     

高斯过程回归补偿ARIMA的网络流量预测

为提高网络流量时间序列的中期预测精度,提出一种高斯过程回归模型补偿自回归积分滑动平均(ARIMA)模型的网络流量预测模型.首先通过Brock-Dechert-Scheinkman统计量检验方法确定网络流量时间序列包含线性特征与非线性特征;然后利用ARIMA模型对网络流量时间序列进行非平稳建模,得到符合网络流量序列线性变化规律的模型,并通过人工蜂群算法优化的高斯过程回归模型对具有非线性特性的预测误差序列进行建模与预测;最后将ARIMA模型的预测值与高斯过程回归模型的预测误差值进行相加得到最终的网络流量预测值.仿真对比实验结果表明,提出的预测方法具有更高的预测精度和更小的预测误差.     

基于DMC—PID复合算法的温度控制器的设计

为解决传统温度控制器中存在惯性大、滞后强、振荡周期长及余差消除困难等缺点,研究与设计了一种DMC-PID复合算法的控制器．用DMC预测算法在线滚动优化控制参数,同时在优化过程中利用实测信息不断进行反馈校正,充分发挥DMC算法的超前预测性和强鲁棒性以及PID控制算法的小范围温差快速跟随能力．详细地论述了DMC与PID算法原理,给出复合控制器的硬件组成结构以及单片机软件模块编程方法．实验表明,与传统PID控制器以及工业AI调节控制器相比,该控制器能有效减小温度跟随过程中的余差波动,超调量由8％下降为2％,惯性过渡时间由5．6s缩短为2．0s,从而提高了系统的动静态差控制性能．     

空调系统运行负荷GRNN预测模型的应用研究

以2座五星级酒店为研究对象,通过实测数据分析了运行负荷的主要影响因素,确定冷冻水温度对运行负荷的影响作用,将其引入到空调系统运行负荷的预测研究中.应用广义回归神经网络(GRNN)理论,建立了一种动态多点输出负荷模型,提出了5种输入方案,使用2座酒店的实际数据集分别进行验证.研究结果表明:冷冻水温度对实际运行负荷的预测精度有重要影响,可显著提高GRNN负荷模型的预测准确性,以前1日24 h历史负荷、预测日天气预报以及冷冻水设定温度为输入、以预测日24 h逐时负荷为输出的GRNN负荷模型,建模简单,预测性能较好,适用于实际工程应用.     

改进BP算法解耦热网控制器的设计与仿真

针对热网非线性、时变、大滞后特性,结合神经网络和一般广义预测控制算法,通过改进BP神经网络解耦器将来自其它通道的耦合影响视为可测干扰进行补偿,解决供热系统中存在的耦合问题;设计了神经网络解耦控制器来调节一次网的流量分配,进而间接调控二次网各用户的室内温度,提高热网的供热质量,达到稳定和均衡供热.Matlab仿真结果表明,在二次网用户初始温度相差越小的情况下,神经网络算法所需的调节时间越短,达到的控制效果越理想,即使在二次网各用户初始温度相差很大,经过一段较长时间的调节,也能够逐渐实现均匀供热.     

孤岛运行光储微电网控制策略研究

光储微电网孤岛运行时存在电能质量差、系统稳定性差等问题。系统的控制策略多为基于PI控制的双闭环控制算法,导致动态响应速度慢。针对这一问题,提出了一种考虑新能源波动的多步预测有限集模型预测控制（FCS-MPC）策略。首先,对DC-DC变换器采用稳压控制,为逆变器提供稳定的直流电压提高系统的稳定性;然后,对光伏逆变器采用恒功率控制策略维持稳定的功率输出,对储能逆变器采用基于多步长改进模型预测控制（MPC）的下垂控制,以实现对参考电压的快速跟踪及负荷功率的合理分配,而且多步长改进MPC可降低传统MPC的预测误差,提高系统的稳定性;最后,利用MATLAB搭建仿真模型,仿真结果验证了所提控制策略的有效性。     

基于加权残差聚类的建筑负荷预测区间估计

提出基于加权残差聚类的建筑负荷预测区间估计方法,旨在对建筑负荷预测模型的不确定性进行定量评估. 使用Shapley additive explanations方法量化负荷预测模型的每个输入对输出的贡献程度. 基于得到的贡献程度对模型输入进行加权聚类,获得不同聚类簇中的模型历史残差分布. 根据不同聚类簇中的残差分布估计模型的预测区间. 在深圳某办公建筑1 a的冷负荷数据集上进行验证. 结果表明,与传统不对输入进行加权的方法相比,该方法可以显著提高预测区间的估计精度. 期望得到的预测区间与该方法得到的预测区间的平均覆盖误差为1.87%,而传统方法的平均覆盖误差为2.27%. 该方法可以用于估计任何数据驱动的建筑负荷预测模型的不确定性,从而为优化控制和故障诊断提供更可靠的负荷预测模型.     

集中供热控制系统研究与仿真

基于能量守恒定律和集总热容法分析和建立了集中供热系统数学模型,利用组态软件编制仿真程序,采用常规PID控制器和气候补偿改进算法两种控制策略分别对供热系统进行仿真.结果表明,气候补偿策略可有效解决常规PID控制方式在气温波动干扰下易出现的热量供需不平衡问题,对供热系统研究和设计具有一定的参考价值.     

应用于辐射供冷系统的双级热泵复合除湿空调系统及能耗分析

为减少辐射供冷系统热湿处理机组的能耗,提出采用两级热泵与除湿单元联用的系统形式.低温热泵子系统提供辐射供冷所需的冷负荷,高温热泵子系统则根据设计的系统形式大小不同,可长期运行,也可与蓄热水箱或者太阳能联用3种方式.并对3种方式下的液体除湿、固体除湿与传统的冷却除湿,液体除湿＋冷水机组和固体除湿＋冷水机组的形式进行能耗分析对比,结果表明3种方式下的液体除湿和固体除湿系统都较节能,且以3种改进方式与液体除湿联用的系统最为节能,与冷却除湿相比,能源消耗可以减少48%.     

基于T-S模糊模型的供水系统预测控制策略研究

针对恒压供水控制系统,运用模型预测控制方法进行了建模和仿真。该方法利用带遗忘因子的加权递推最小二乘法对模型后件参数进行在线辨识,减小模型失配造成的对控制性能的影响;将非线性供水系统模型转化成线性时变状态空间模型,并由此实现对模型输出的预测,并通过滚动优化不断得到最优的预测控制输入,反馈校正过程提高了控制输出精度。仿真分析验证了该方法在供水过程中的灵敏性和准确性。     

异步电机调速系统基于灰色预测的模糊PI控制

针对传统PI控制的不足,将基于转速误差灰色预测的模糊PI控制引入异步电动机调压调速系统中,提出了一种计算简便的控制方法。该方法利用GM(1,1)模型预测转速误差,并采用模糊控制器对PI参数进行实时在线自调整,改善了系统的控制性能。仿真结果表明,在给定转速和负载转矩变化的情况下,该方法较传统的PI控制具有更好的控制效果。     

GA-LSTM模型在高速公路交通流预测中的应用

为提高高速公路交通流预测精度,为高速公路管理部门动态控制诱导提供有效支撑,以实时交通流预测误差最小为目标,通过对高速公路数据的清洗和归一处理,分为4个不同时间间隔的数据集,按比例划分为训练数据集和测试数据集.采用遗传算法(GA)对数据时间窗步长、长短期记忆(LSTM)神经网络的隐藏层数、训练次数、dropout进行优化调参,分析4种参数对模型寻优影响,GA-LSTM模型在keras中以Tensorflow为后台进行训练拟合.结果表明:GA-LSTM模型寻优速度快,同传统预测算法中的SVM、KNN、BP和LSTM神经网络相比较,GA-LSTM对数据预测均方误差和均方根误差最小,模型表现出更好的预测性能.     

三维地铁隧道土壤温度预测模型

为了合理预测土壤温度变化,确定地铁环控系统冷热负荷,在考虑气固耦合传热、地下水渗流以及双洞温度场叠加等因素的基础上,提出了三维地铁隧道土壤温度预测模型.利用有限差分法对该模型进行数值离散,并采用Fortran语言编写求解程序.为了使网格划分方便,计算域采用适体坐标系、地下水运动方程以及传热方程在两套网格上进行离散差分,从而避开了适体坐标中插值的困难.利用建立的数值模型对假定条件下地铁土壤温度进行求解,分析了各种因素对土壤温度分布以及土壤吸热量变化的影响.实验结果表明,地下水热迁移以及双洞叠加效应对土壤温度均有较大影响,在地铁环控设计中应该考虑土壤蓄热作用.