四种空调负荷预测方法分析比较

在中央空调优化节能运行之前,准确预测空调负荷具有非常重要的意义。不同的中央空调工程选择不同的空调负荷预测方法可能会有不同的节能效果。介绍回归分析法、灰色预测法、指数平滑法、神经网络法等四种典型性预测方法,并对四种方法做一个大致的比较分析,得出各种方法的优点与缺陷。     

空调系统负荷分段预测与研究

为了改善空调系统的能源消耗,根据空调系统实际运行时的环境数据和负荷数据,采用神经网络的方式建立空调系统的负荷预测模型,通过负荷预测得到博物馆所需的空调负荷,以此作为空调系统节能优化的基础。根据BP神经网络具有的非线性特性以及强大的自学习自适应能力,对博物馆的空调负荷进行预测,建立基于BP神经网络的负荷预测模型,分析研究仿真得到结果,发现其不足之处主要体现在准确性上,之后对神经网络后改进进行分段预测,将通过仿真实验预测的结果与实际运行的负荷进行对比,结果表明改进后预测的结果具有较好的准确性。     

城市规划阶段建筑空调负荷预测方法

提出一种基于建筑空调负荷指标和气象参数的负荷因子法,分别计算建筑围护结构负荷、新风负荷、人员负荷、照明负荷及设备负荷,逐时叠加获得总的建筑空调负荷。利用正交试验对建筑空调负荷影响因素的显著性进行了分析,得出室外气象条件、室内设计参数及新风标准为建筑空调负荷预测的显著性影响因素。     

人工神经网络在空调系统负荷预测中的应用

采用理论分析的方法,通过分析国内外在该方面的研究成果,剖析了人工神经网络在空调系统负荷预测中的应用,指出了利用人工神经网络（ANN）具有的高度的并行处理和可完成复杂的输入输出的非线性映射能力,进行空调系统负荷预测精度高、准确度好。ANN是一种有效的空调负荷预测手段。     

基于神经网络的空调系统负荷预测研究

以北京某建筑的空调系统作为实例研究对象,在所采集的3年实测数据基础上,主要探讨了基于ELMAN神经网络的日冷负荷预测方法和误差。用多元线性回归方法分析了日冷负荷神经网络预测模型输入参数对输出结果的影响度。最后经实验验证,以3周以上历史数据为训练集经多次预测后取平均值,具备较高的预测精度,同样可以指导工程实际设计。     

空调负荷混沌特性分析与预测

影响空调负荷因素比较多,且难于确定和提取,这就造成空调负荷的拟合和预测精度较低.在对空调负荷时间序列混沌特性分析的基础上,利用嵌人相空间来确定前期影响因子,建立了基于混沌相空间技术的BP神经网络模型.模型既能考虑到影响空调负荷时间序列的动力因子,又能解决网络输入单元数确定的困难,并能利用神经网络超强的非线性映射功能,结合空调负荷实例的拟合与预测,表明其结果合理,预测精度较高.     

空调运行负荷预测方法的研究综述

空调运行负荷预测是空调系统优化控制的关键技术。为了充分了解该领域内已有的研究成果,开展更深入的探索和应用研究,本文对空调负荷预测国内外研究现状进行分析总结。简述运行阶段空调负荷预测的概念和意义,将其与设计阶段负荷预测进行比较,阐明空调运行负荷预测的特点。对比分析预测理论的黑箱方法和白箱方法,指出空调运行负荷预测的适用方法和关键问题。综述目前空调运行负荷预测模型的建模方法和影响因素,比较各种建模方法的优缺点,探讨了影响因素的选取和作用。指出现有研究的不足之处,提出有效利用建模的新技术、重视负荷的内在因素分析、加强模型的自适应研究是未来空调运行负荷预测的发展方向。     

基于负荷预测的冰蓄冷空调系统优化运行

本文针对淮安某办公建筑冰蓄冷空调系统,通过BP神经网络对比计算,发现具有1个和2个隐含层的神经网络预测次日逐时负荷最为准确。在此基础上提出多次预测取平均值的方法。结果表明该方法的指标评估结果要远远优于指标平均的结果。然后以预测次日逐时负荷为基础,以系统运行经济最小化为目标,建立目标函数和客观约束的数学模型,通过MATLAB优化工具箱成功计算出了经济最优的冷量分配结果。与目前常见的主机优先和融冰优先两大控制策略对比分析,经济最优控制策略能够满足供冷需求且最为经济。     

基于BP改进模型的空调系统负荷预测

针对BP模型的计算量大，收敛速度慢等缺点，本文提出了三种改进的BP模型，大大加快了收敛速度，提高了收敛性。并用实际数据对这三种改进模型进行了训练，实例证明了这些改进模型是有效的、可行的。     

空调冷负荷计算软件对比分析

介绍了鸿业计算软件和天正计算软件的计算模型和方法,并采用这两种软件,对某工程中单个房间和整栋建筑进行了负荷计算分析,结果表明,两者总冷负荷计算结果基本一致,但个别项冷负荷相差较大,参数选取依据不同和理论模型差异是影响其结果的主要原因。     

基于互联网的神经网络空调负荷预测解决方案

在分析比较各种负荷预测方法的基础上，给出了一个基于互联网的应用神经网络方法进行负荷预测的方案。该方法通过互联网以“准在线”的方式可同时满足较高的逐时负荷预测精度和模型调整的要求，并已在实际工程中使用，取得了一定的效果。     

空调负荷计算方法综述

回顾了建筑空调负荷计算方法的历史,并对几种典型的计算方法谐波反应法、反应系数法、Z传递函数法、冷负荷温差(CLTD)/冷负荷系数(CLF)法及负荷模拟的主要思想和特点进行了综述,并对各空调负荷计算法在未来的发展进行了展望。     

基于支持向量机的建筑物空调负荷预测模型

建立了基于支持向量机(SVM)理论的建筑物空调负荷预测模型.对广州地区某办公楼夏季不同月份的逐时空调负荷,分别用SVM模型和BP神经网络模型进行了训练和预测.仿真结果表明,SVM模型具有更高的预测精度和更好的泛化能力,是建筑物空调负荷预测的一种有效方法.     

关于集中空调用户空调计费方法的探讨

针对目前市场没有对集中空调用户计费的成熟产品，提出了如何对集中空调进行准确计费的问题，介绍了平均值法，水表与温控阀相结合以及电表与温控相结合的几种计费方式的优，缺点，以便用户选择。     

基于DE-BP算法的空调负荷预测研究

建立了基于BP神经网络理论的空调系统负荷预测模型.针对BP神经网络参数优化过程中容易陷入局部最优的缺陷,采用差异演化算法(differential evolution algorithm,DE)对其进行优化,以提高预测精度.结合具体实例进行空调冷负荷预测,并与采用遗传算法、蚁群算法、粒子群算法对BP神经网络进行参数优化的仿真实验结果对比表明,由DE-BP算法所具有较好的预测性能.     

某工程空调冷负荷计算实例

结合广州金融电子综合大楼的空调冷负荷计算这一工程实例 ,对其金融商场冷负荷做了认真计算和分析 ,并据分析结果合理选定了主要制冷设备     

游泳馆空调负荷计算探讨

通过对游泳馆内池水蒸发换热及池水与室内空气之间的显热换热分析,推导出池水蒸发潜热负荷计算公式。结合工程实例,计算了池水蒸发潜热量,得出池水蒸发潜热负荷是空调负荷的一个重要影响因素。     

民用建筑空调负荷计算中应考虑的几个问题

分析了民用建筑舒适性空调负荷计算中表面传热系数、内围护结构负荷、渗透风负荷、设备负荷、蓄热负荷的确定等问题.参考国内外资料,整理出了一些简单实用的计算方法.     

中庭对建筑空调冷负荷的影响

以各层有回廊与中庭相通的建筑为研究对象,采用多区域模型的方法对建筑内部进行了区域划分,应用EnergyPlus软件对不同建筑朝向和不同中庭高度建筑模型的空调冷负荷进行了逐时模拟,分析了中庭的存在对建筑总冷负荷和各层冷负荷的影响.结果表明,各层冷负荷随楼层升高而增大,顶部两层增加幅度最大;中庭的存在仅对各层回廊区域的空调冷负荷有影响,较远的走廊区域所受影响可以忽略;东西朝向中庭建筑的总冷负荷大于南北朝向中庭建筑.