中央空调水系统的节能优化

提供了一种中央空调水系统节能优化的新技术.根据系统主要部件的模型定义了优化的目标函数和约束条件.采用二进制粒子群算法求出优化问题的最优设定参数,说明了算法的实现过程.仿真和实验研究结果表明优化方法相对于传统方法能显著地降低系统能耗.     

中央空调冷冻水系统设备节能优化方法

针对中央空调冷冻水系统运行能耗高、系统设备参数难以随负荷变化而动态调节的问题,采用一种结合穷举法的自适应并行人工免疫算法(Adaptive parallel artificial immune algorithm combined with exhaustive method, EM-APAIA)优化系统设备在不同负荷下的运行参数,以降低冷冻水系统的运行能耗。首先建立了系统内各设备的功耗模型,以所有设备功耗最小作为冷冻水系统的优化控制目标。其次,采用EM-APAIA对冷冻水供水温度、冷冻水泵的运行台数和转速比等运行参数进行优化。在该算法中,对初始化方式、移民算子和变异概率进行了改进以及引进穷举法机制,增强了算法对冷冻水系统设备运行参数的优化能力。最后对某一实际中央空调冷冻水系统进行了仿真实验。结果表明：与常规设置相比,使用EM-APAIA对系统内各设备运行参数优化后,系统总能耗降低14.8%;同时相对于其他对比算法,该算法能得到更好的控制策略,且收敛速度快、稳定性强,可用于中央空调冷冻水系统内各设备的控制优化。     

基于免疫粒子群的调峰炉热力站优化调度

为了实现供热节能,对调峰炉热力站进行优化调度．首先结合供热能耗最小和运行费用最小两种调度模型,建立一种综合节能最优的调度模型,该模型可适应不同调峰模式下的供热需要．然后将免疫粒子群算法(Immune particle swarm optimization,IPSO)应用于优化调度的寻优计算,采用免疫算法,对粒子群算法(PSO)进行改进,避免了粒子群算法中存在的算法早熟、容易陷入局部极值等问题,能更准确快速地求解出优化调度结果．通过实例验证了该算法的优越性,计算结果表明调峰炉热力站的优化调度达到了节能的目的．     

基于KPCA-WLSSVM的建筑能耗预测模型

为降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCA-WLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明,KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度。     

基于粒子群算法的地铁列车节能运行优化

针对降低轨道交通运行能耗的问题,提出基于粒子群算法的地铁列车节能运行两阶段双层优化方法。首先依据列车行车组织的特点,建立列车运行调整模型,在第一阶段利用粒子群算法全面搜索列车最优节能驾驶曲线,即在符合运行时间约束的前提下获得最优运行曲线;第二阶段为时刻表运行时间优化,利用第一阶段所获得的优化结果,生成各区间的能耗-时间曲线,进而优化列车时刻表。采用某地铁2号线数据对此方法进行测试。测试结果表明:本优化算法对实际线路中列车的节能运行以及时刻表的制定与优化具有良好效果。     

含风电的节能发电调度研究

随着大规模风电并网,风电资源的随机性及不确定性给电力系统节能发电调度带来了新问题。为适应上述电力系统新情况,更好地实现电力系统的节能减排,本文基于多目标粒子群算法,对含风电的节能发电调度进行研究。以火电机组总能耗最小和CO2排放量最小为共同目标函数,建立含风电的多目标节能发电调度模型,利用多目标粒子群算法进行模型求解,并引入半可行域的概念进行约束条件的处理。同时以1个含有10台火电机组和1个风电场的系统为算例进行验证。结果表明,多目标优化方案与以火电总能耗最小为目标的方案相比,CO2排放量减少8.16%,火电总能耗仅增加4.73%,与以CO2排放量最小为目标的方案相比,火电总能耗减少7.39%,CO2排放量仅增加1.73%。该方案实现了节省资源及降低排放的目的,对电力系统节能减排具有参考价值。     

基于粒子群优化的多核处理器系统节能调度算法

针对嵌入式多核系统中的实时性和能耗问题,提出了基于粒子群优化的多核处理器系统节能调度算法.通过对多核处理器系统任务调度和能量消耗的分析,建立了新的编码策略和相应的目标函数,将任务划分、任务调度及电压选择3个过程整合到粒子群算法的一个单迭代寻优循环中,并兼顾系统的实时性,将问题转化为有约束的粒子群优化问题,利用可行性规则的约束处理技术,形成基于约束粒子群优化的整体节能调度算法.实验结果表明:本文算法能以较快的速度收敛于使系统能耗更少的调度解.     

绿色建筑能源管理系统的开发与应用

在当前建设节约型社会,降低建筑能耗,实现绿色低能耗建筑,解决建筑高能耗问题的背景下,文章围绕绿色建筑能源管理系统的开发与应用,通过对建筑能耗的分析,从能源管理系统的总体设计、智能控制器设计、数据及通信服务器设计、管理系统软件设计方面,以物联网形态,对绿色建筑能源管理系统进行了开发设计与应用,将能源管理系统总体设计为应用层、数据层、网络层、设备层,并将建筑内各子系统集成到一个平台上,对各系统和设备的能耗进行统计和节能数据的综合分析,为实现更优控制提供了条件,从而提高了系统的通用性;构建了系统的Web应用,并以中央空调系统为例进行了设计与实现,通过对设备的监控管理和节能优化控制,最终达到节能的目的。     

电力线多载波系统中自适应资源分配

针对电力线通信系统中应用传统粒子群算法进行比特功率分配存在陷入局部最优值和收敛速度慢的问题,提出了IPSO（improvedparticleswarmoptimization）算法．新算法通过引入遗传算法的交叉和变异操作,克服了传统粒子群算法由早熟收敛而陷入局部最优解的问题,加快了收敛速度．建立了IPSO算法的理论模型,给出了新算法在PLC—OFDM系统中进行比特功率分配的方法．仿真结果表明,在PLC—OFDM系统中应用IPSO算法进行比特功率分配与GA算法和传统粒子群算法相比．可以加快收敛速度．改善系统的信噪比特性．降低系统发射功率．     

中央空调系统节能的蚁群优化控制方法

针对中央空调系统运行时变性、非线性、多变量、大滞后等特性,提出了采用启发式全局寻优的蚁群优化算法对整个系统进行能耗寻优.通过建立空调系统能耗数学模型,采取蚁群算法对模型能耗最小化寻优,分析了信息素变挥发系数算法的收敛性,指出了算法以概率1收敛到最优解.同时对系统进行了控制结构改造及运行测试,结果表明,新的控制方法使空调系统能根据负荷变化进行参数动态调整,实现各设备运行匹配良好及工况较佳的目的,平均节能率达22.3%,获得较好的节能效果,对现有中央空调控制系统的节能改造具有借鉴作用.     

基于粒子群优化算法的非线性控制系统参数优化

针对反馈线性化策略中补偿器参数与实际受控对象参数发生失配的情况,提出一种基于粒子群优化算法求解实际系统参数的方法.以补偿器与受控对象参数完全匹配为参考系统,将施加在实际系统的激励信号同样施加在这个参考系统上,对两者的输出加以比较,进一步构造参数优化问题.决策变量是受控对象中发生变化的参数集,目标函数是两者输出之差的最小累加和,约束条件包括决策变量的上下限、系统的模型以及外部控制器等.采用粒子群优化算法求解这个非线性规划问题,所得决策变量的最优值即为当前实际受控系统参数的真实值.大量仿真计算表明,粒子群优化算法能够求出较为精确的实际系统参数值,并实现补偿器参数与实际受控对象参数之间的重新匹配.     

智能大厦中央空调系统的最优能量管理

从系统工程的角度分析了智能大厦中央空调系统在运行过程中的能耗问题,建立了中央空调系统能耗模型,提出了中央空调系统的优化运行与节能管理方法.通过离线预测和在线优化计算,得到机组次日优化运行策略,包括机组负荷在一天内各个时段的最优分配、最优蓄冷量、最佳释冷时间等.在最优策略指导下进行在线控制,通过在线实时采集数据,利用基于遗传算法的周期自回归模型(PARM)进行动态短期空调冷负荷预测;利用改进随机编码遗传算法实现中央空调日运行模型的求解,得出中央空调设备优化运行策略.实例计算结果表明:用此方法可使中央空调系统节能达24.5%左右.     

空调办公建筑能耗预测回归模型

建筑能耗预测模型是进行建筑节能设计及节能改造的有力工具,而建筑能耗分析是建立建筑能耗预测模型的基础.本文建立了重庆地区的空调办公建筑模型,采用Energy Plus软件模拟分析了该城市建筑各设计参数对暖通空调系统及建筑年总能耗的影响,选取对建筑能耗影响较大的9项设计参数,建立了重庆地区暖通空调系统及建筑年总能耗的预测回归模型,随机选取20组数据来评价预测回归模型的准确性.结果表明:各设计参数中窗墙比、设备功率密度、照明功率密度等对暖通空调系统及建筑年总能耗影响较大,重庆建筑暖通空调系统及年总能耗预测回归模型R~2分别为0.960和0.966,估计标准偏差都为1.122 W/m~2;能耗预测值与模拟值的最大偏差分别为-12.813%和-7.063%.     

马氏田口系统的量子行为二进制粒子群特征选择优化方法

针对标准二进制粒子群用于马氏田口系统的特征选择优化时,存在迭代速度慢,容易陷入局部最优解等不足,提出一种改进的基于量子行为二进制粒子群的马氏田口系统变量选择优化方法。首先,为了规避可能存在的复共线性特性对距离度量结果的影响,本研究采用Gram-Schmidt正交化法计算马氏距离值,对系统进行标准化处理,对各属性向量进行正交化后计算各类别的马氏距离集合,通过ROC曲线确定系统分类的最佳阈值点,定义误分类率概念和被选择变量占比最小作为变量筛选标准,构建多目标的混合规划模型。运用改进的量子行为粒子群算法求解优化组合,为适应二值化的变量优化问题,算法基于概率对粒子进行二进制编码,求取目标函数的适应值,并完成粒子群的优化迭代过程。采用优化的变量组合,构建精简的马氏田口系统,建立度量预测模型,完成精确判别的任务。最后,以胎心分娩力造影术测量的胎儿健康诊断为例,对标准二进制粒子群算法和二进制量子粒子群优化算法进行对比验证,实验结果表明,本文方法可以有效地提升粒子的迭代速度和寻优精度,优化后的马氏田口系统的预测准确率明显提高。     

居住建筑室内热环境低能耗营造的多目标设计方法

人居环境改善涉及重大民生问题,节能减排是国家重大战略。因此,有必要寻求合理的居住建筑设计方法,使设计方案既满足居民的室内热舒适需求又能降低建筑能耗。基于多目标遗传优化算法,建立能够对建筑设计方案进行优化、实现增加室内热舒适时间比例的同时降低建筑全年冷热负荷的居住建筑设计双目标优化模型。最后,以重庆典型户型为实例进行优化,优化后的设计方案建筑全年冷热负荷降低了47.74%,室内热舒适时间比例提高了3.94%,验证了模型的可行性和准确性。     

免疫粒子群优化算法在车间作业调度中的应用

针对标准粒子群优化(PSO)算法在迭代过程中容易出现粒子过早收敛从而降低其寻优能力的问题,分析了粒子在更新过程中早熟的原因,通过引入免疫系统的抗体浓度选择机制,构造了一种基于免疫机制的粒子群优化算法模型,并给出了免疫粒子群优化（IPSO）算法在车间作业调度问题（JSP）中的应用.抗体浓度选择机制使得粒子在更新迭代过程中保持了多样性,从而克服了过早收敛的缺陷.对43个JSP标准测试案例的仿真结果表明,与其他算法相比,IPSO算法能够获得更优的结果,求解时间更短,从而验证了免疫机制对算法寻优能力的改善.最后给出了LA36问题的调度结果的甘特图.     

隔离型热管换热节能系统的稳态建模与参数估计

采用机理分析法建立了隔离型热管换热节能系统的稳态模型.对于机理方程中的未知关键参数,基于系统实际运行数据,采用粒子群优化算法和限定记忆的递推算法对未知参数进行了估计.针对模型参数的变化问题,采用RBF神经网络建立了系统输入变量与模型参数的定量关系,使用现场数据验证了方法的有效性.获得了换热节能系统比较精确的模型.为进一步的系统分析与实时优化打下了基础.     

基于粒子群算法的冰蓄冷空调系统运行优化研究

冰蓄冷空调系统可以平衡电网压力,达到"移峰填谷"的作用,为了推广冰蓄冷空调的使用,提高系统的经济效益和节能效果具有重要意义.通过建立冰蓄冷空调系统的运行模型,表示出冰蓄冷空调系统的日运行费用和日运行能耗.通过TRNSYS软件对目标建筑的模拟得到目标建筑冷负荷.依据目标建筑冷负荷,设定系统制冷主机每小时的荷载率,建立冰蓄冷空调系统节能、经济运行的多目标函数模型,并使用粒子群算法对模型求解得到系统优化运行参数.通过实例分析:与现阶段的运行策略相比较,使用得到的优化运行参数指导系统运行可以为用户节约10.2%的运行费用,同时可以降低15.2%的电能损失.     

夏热冬冷地区近零能耗住宅可再生能源设计

针对目前研究中没有对近零能耗住宅光伏系统、光热系统及其储能设备同时进行优化配置，且未考虑光伏板、集热板安装位置问题，以夏热冬冷地区的典型近零能耗住宅建筑为例，提出可再生能源系统的优化设计方法.分别以年均系统花费、建筑能耗综合值和光伏本地消纳率为目标，利用粒子群优化算法，对光伏板安装位置、装机容量，太阳能集热板安装位置、装机容量及蓄电池容量进行优化配置.研究结果表明，若分别以年均系统花费最小和建筑能耗综合值最小为最优目标，与传统方案相比年均系统花费和建筑能耗综合值可分别降低15.8%和降低87.7%.若以年均系统花费最小和建筑能耗综合值最小为目标，则与传统方案相比建筑能耗综合值可以降低65.8%，但是年均系统花费会增加4.3%.若以光伏本地消纳最大和建筑能耗综合值最小为目标，则与传统方案相比建筑能耗综合值可以降低59.4%，但是年均系统花费会增加14.7%.     

高大空间建筑火灾精确定位方法

根据高大空间建筑内火灾早期自动定位的需要,基于机器视觉技术提出一种精确的高大空间建筑火灾定位方法。由于在传统摄像机非线性显式标定方法中很难精确建立其复杂的数学模型,本文提出了一种改进粒子群优化(IPSO)算法与最小二乘支持向量机(LSSVM)相结合的摄像机隐式标定方法。在平面像素坐标与立体空间坐标之间建立映射;利用IPSO算法搜索LSSVM回归模型的最优参数,提高LSSVM的收敛速度和泛化能力,并通过三维重建实现火焰的空间定位。将此方法应用于高大空间建筑火灾定位,结果证明了该方法的有效性、快速性和准确性。