基于PLC的建筑节能照明控制系统

为了降低楼宇建筑中的照明用电量,针对绿色节能照明的领域,提出了一种简便可靠的建筑节能照明控制系统及其控制方法。该系统由上位机、网关、可控硅调光模块、灯、PLC和光照度传感器组成。其中PLC、可控硅调光模块、灯和光照度传感器形成一个闭环控制系统,光照度传感器将室内区域中的实际平均照度反馈至PLC,PLC将根据目标控制量和照度反馈值运用PID算法计算输出控制量,可控硅调光模块根据输出控制量对电灯进行控制,从而实现灯光亮度调节。通过该照明控制系统的控制,室内照度的实际值快速达到照度设定值并且基本不受外界光照的影响,达到了节能的效果,同时能让室内照度始终维持在合理舒适的状态。     

隧道入口段复合照明节能试验研究

在隧道照明领域,自然光是一把双刃剑,一方面可以提高隧道内亮度,另一方面也可引起“白洞”效应,威胁车辆行驶安全。充分利用自然光对隧道照明的增效作用,降低人工照明的能耗,是实现隧道入口段照明节能的有效途径之一。结合云南保腾高速公路鹿山隧道内自然光、以及自然光与LED灯复合照明下隧道不同纵深路面照度的实测数据,通过与规范规定值的对比分析研究,得到了隧道入口段各区段自然光、LED灯复合照明下隧道照度分布规律,并对节能效果进行了评价。为今后进一步合理利用自然光、人工光源进行隧道复合照明节能研究提供参考。     

场地照明照明功率密度的研究

调查国内外不同类型体育场馆场地照明,对数据进行分析和处理．并引入“单位照度功率密度”概念作为衡量体育场馆场地照明节能与否的指标,得出主要体育场馆场地照明单位照度功率密度建议值。     

基于模糊技术的智能照度控制系统研究

模糊控制技术是智能控制技术的一个重要组成部分。本文研究了一种应用模糊控制技术的智能化照度控制系统。该控制系统考虑了智能建筑的窗帘遮阳、空调系统与照度控制之间的相互联系,以此获得合理的照度,节约能源。模糊控制算法具有智能化,可以将灯具照明与自然光照明有效结合,达到控制合理照度并节约能源的目的。     

电气照明节能设计措施

从光源、灯具、镇流器的合理选择,以及照度标准及照明功率密度的确定,灯具的控制方式及照明控制方式等方面,分析并提出了照明节能设计的具体措施,以期更好的实施绿色节能照明。     

照明节能设计技术措施

从光源、灯具、镇流器的合理选择,以及照度和照明方式的选择,配电及控制的节能措施等方面,分析并提出了照明节能设计的具体措施。     

BP算法预测控制在供热系统中的节能应用

针对集中供热系统二次管网水力失衡而导致采暖用户室内冷热不均、系统运行能耗高等问题,采用BP神经网络对建筑热负荷和IBV电子平衡阀的开度进行预测的方法,对供热系统进行节能控制。通过系统改造前后同期运行数据对比可得,在满足用户用热需求的基础上,末端用户耗热量减少7.4%,系统总能耗减少9.5%。试验数据表明,BP神经网络算法预测控制方法大大降低了小区供热系统的运行能耗。BP算法控制系统对集中供热系统的节能改造和工程应用方面的发展具有很大的贡献。     

浅谈住宅照明节能技术

从光源、灯具、镇流器的合理选择,以及照度和照明方式的选择,配电及控制的节能措施等方面,分析并提出了照明节能设计的具体措施.     

厂房照明采用无极灯的设计方法

无极灯是集电子、电磁、真空技术于一体的一种高科技新型光源。本文分析了无极灯在使用寿命、节能效果、照明效果及后期维护、运行费用等方面的优势,从确定布灯方案、进行照度计算和照明线路设计等方面说明了厂房照明采用无极灯的设计方法,并列举了工程设计实例,提供了照度计算的经验公式和经验数据。     

绿色照明在办公楼照明节能设计中的应用

介绍了绿色照明的基本内涵，结合办公楼照明系统的基本要求，从电光源、灯具、照明控制设各的选择、照度标准、照明方式以及照明线路的布置等方面，提出了相应的节能措施。     

基于BP神经网络城市燃气短期负荷预测

论述了BP神经网络的预测模型结构,提出了基于该模型的城市燃气短期负荷预测方法和程序流程,结合某城市燃气负荷数据进行了燃气负荷模拟预测,预测结果和实际情况有很好的一致性。     

组合模型在建筑物沉降预测中的应用

对将BP神经网络与Verhulst模型组合,建立了一种组合模型,并结合天津老城厢晶典苑中级人民法院沉降监测工程实例,通过组合模型和BP神经网络模型、Verhulst模型预测值与真实值的比较,讲究表明组合模型具有较强的适用性,提高了Verhulst模型的预测精度。     

神经网络遗传算法与混合波阻抗反演

神经网络算法可以建立属性参数与预测目标之间的高度非线性映射,遗传算法有选择适者生存的特点,神经网络算法与遗传算法构成的混合波阻抗反演具有精度更高,收敛速度更快的优势。本文简述了BP神经网络算法和遗传算法的基本原理,用理论模型比较了BP人工神经网络、遗传算法与混合波阻抗反演各自的特点,用实际地震资料检验了混合波阻抗反演的实用性。     

耦合台风天气预报模式和实测数据的神经网络风速预测

基于准定常假定,风荷载与风速平方成正比.为了实现对结构的台风动力效应进行分析预测,建立了耦合数值天气预报(weather research and forecast,WRF)模式和现场实测数据的风速预测神经网络模型,开展台风短期风速的高精度预测.利用该模型对2017年"泰利"和2018年"康妮"的台风风场进行模拟和预测...     

基于粒子群优化算法的城市日用水量预测模型

结合城市日用水量影响因素的特点和变化规律，建立了城市日用水量预测模型，采用粒子群优化算法优化BP人工神经网络的连接权值，以求解该预测模型。经优化后的BP人工神经网络运算速度快、泛化能力强、预测精度高。实例验证结果证明该日用水量预测模型和求解方法是可行的。     

遗传-BP神经网络法预测叶绿素a浓度变化

基于2009年—2010年对临江河回水区水质指标的监测数据,采用遗传算法结合BP神经网络的方法对回水区的叶绿素a(Chl-a)浓度变化进行动态模拟预测。通过灰色关联法确定了对Chl-a浓度有显著影响的指标与网络输入变量,即水温、DO、流速、透明度(SD)、TP、CODMn及Chl-a。模拟结果表明,遗传-BP神经网络的预测值和实测值吻合较好,其相对误差约为9.8%,模型可良好地用于次级河流回水区叶绿素a浓度的短期预测。预测结果表明,在春末夏初季节,当水库蓄水位为150～160 m时,临江河回水区富营养化潜势较高,尤其应注重临江河该时段富营养化的防控工作。     

基于GM-BP神经网络的校园建筑能耗预测

针对季节更迭、教学活动等因素对校园公共建筑能耗的影响,通过建立GM-BP神经网络组合预测模型,借助MATLAB软件完成建模和仿真环节,对建筑能耗开展预测分析研究。同时,引入最大相对误差绝对值Emax、平均相对误差Eave和均方根误差RMSE 3个性能指标对各预测模型性能进行评价。结果表明,组合模型较单一的GM(1,1)模型和BP神经网络模型预测精度更高,拟合性能更好。研究成果对能源管理部门制定用能政策及科研院校从事建筑节能研究具有一定的借鉴意义。     

边坡位移预测的RBF神经网络方法

利用边坡实测位移序列来预测边坡未来时间的位移,可以有效地判断边坡的稳定性。由于神经网络可以通过对样本的反复学习来反映边坡复杂的非线性演化关系,其预测效果要优于传统的预测方法。RBF神经网络作为一种性能良好的前馈网络,具有更好的逼近能力和全局最优特性。以边坡位移时间序列为基础,采用RBF神经网络建立边坡位移预测模型,通过最近邻聚类学习算法实现边坡位移预测,具有结构简单、学习速度快、预测精度高的特点,网络的外推能力也较强。通过2个工程实例说明边坡位移预测的RBF神经网络方法的有效性。     

新农村住宅建筑节能评价模型研究

结合当前我国关于住宅建筑节能的研究主要是针对城市地区,关于社会主义新农村建设进程中农村住宅建筑节能方面的研究相对不足的现状,以及广大农村地区本身的社会经济和资源环境特点,在现有研究基础上建立了新农村住宅建筑节能的初始评价指标体系,并结合层次分析法和熵值法的组合赋权结果对其进行筛选和优化,进而保证合理性。最后利用BP神经网络的方法,建立新农村住宅建筑节能评价模型。实例仿真结果表明,该模型可以取得较为理想的评价精度和良好的适用性。     

基于小生境等维BP神经网络的沉降预报

针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。