智能楼宇定风量空调系统的启停控制

在充分利用智能楼宇设备资源及其智能化特点的基础上,从预测的角度出发,采用神经网络、建模分析和罚函数的方法,对定风量空调系统进行最优开机和停机控制,并对其间歇启停控制进一步优化,以达到最佳的运行效果和节能效果.     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

基于神经网络的股票交易数据的预测研究

运用前馈神经网络预测时间序列的分析方法对股票数据进行了预测．通过对前馈神经网络时间序列数据预测网络模型的建立方法及预测方法讨论，基于BP网络对股票数据进行实际预测．预测精度明显高于传统方法，说明此种方法是可行的．BP网络可用于股票数据预测，其预测精度较高，但实际预测时，如何选择和确定一个合适的神经网络结构需进行反复实验．     

基于系统动力学的空调企业生产分析预测

利用系统动力学对影响空调生产的众多变量进行反馈动态性分析,并通过计算机仿真来量化分析空调生产。通过量化研究各个变量对空调生产的影响,从而达到降低空调生产的成本、找到影响产品合格率的主要因素并分析这些因素对企业合格率的影响,从而为企业领导者提供生产决策。     

基于RBF预测的模糊神经变风量空调控制

目的为提高变风量空调系统的动态控制性能,提出基于预测的模糊神经网络控制方法.方法通过模糊神经控制器对输入输出量进行控制,预测器进行控制参数预测,比较实际控制量与预测量来进行实时控制和调整参数,从而达到预期的控制效果.结果仿真试验表明,该方法控制动态响应快,超调小、控制精度高,具有良好的动态性能和稳态性能.结论所提出的控制方法能有效地提高了变风量空调系统的动态性能,并由仿真结果验证了其有效性.     

一种时间序列数据预测方法的应用

介绍了一种利用时间序列数据进行预测的灰色预测方法。通过实例建立了GM（1，1）修正模型。与传统的预测方法相比，灰色预测方法具有原始数据样本少，无需典型分布，建模过程简单，预测精度较高等特点。     

智能楼宇变风量空调系统的节能控制

论述了在充分利用智能楼宇设备资源及其智能化特点的基础上,对智能楼宇变风量空调系统进行节能控制,使其达到最佳的运行效果和节能效果的一些方法和思路,在预冷阶段,采用神经元网络算法得出空调系统的最佳预冷期;在调节控制阶段,通过前馈方式提前调节控制量,进行对风量的变频调节,在提前停机控制中,结合估算和现场采样的方法,确定理想的提前停机时间,通过物理仿真实验系统的验证,此方法具有很好的控制效果和节能效果。     

基于预测控制的变风量空调系统控制性能实验研究

基于变风量空调送风系统运行机理建立了预测控制模型,设计出变风量空调前馈反馈综合控制系统.实验研究表明,该控制系统对变风量空调送风系统的调节及时、准确,系统更加稳定、可靠.     

变风量空调系统送风管道静态压力的预测控制与仿真

变风量空调系统的能耗在智能建筑能耗中占很大部分,将预测控制器应用于该系统来降低能耗,建立基于送风管道静压的广义预测控制模型,并进行仿真研究。结果表明,送风管道静压的预测控制模型输出曲线能够很好地跟踪静压变化曲线,预测控制策略比传统PID控制要好,为变风量空调系统的应用提供了一种新的智能控制方法。     

具有神经网络控制器的纺织厂空调自控系统

用可逼近任意非线性函数的神经网络构造了辨识器和控制顺，通过ＢＰ算法对神经网络进行学习训练，修正其权系主阈值，使学习训练误差趋于零。将该方案应用于纺织厂羊绒生产车间的空调系统，并给出了仿真实验结果。     

数据中心应用新风直接引入式系统的潜力分析

本文通过分析数据中心的特点及其空调系统能耗现状,指出了现今用于数据中心的空调系统的配置和运行模式所存在的问题,通过新风天然冷源利用的可能性及由此引起的系统节能的潜力分析,论述了新风直接引入式系统在数据中心空调形式中应用的重要性和必要性。以所构建的一个数据中心模型建筑为研究对象,通过常规空调系统设计和模拟的手段进行方案对比分析,结果表明,在数据中心空调中应用新风直接引入式系统的节能效果是十分显著的。     

基于商场冷负荷特点的多台冷水机组优化配置研究

针对商场的热量特点讨论了约束条件和影响因子,模拟了动态冷负荷变化规律,给出了多台冷水机组优化配置方法及商场空调系统优化方案,并与原静态冷负荷法设计的空调系统进行对比分析,发现可节约36％左右的机组装机容量,减少设备装机容量5 000 kW.经过1个夏季的运行证明本优化设计可满足商场使用要求,并达到了良好的节能效果.     

常用空调负荷预测方法分析比较

准确预测空调负荷不仅对蓄能空调高效运行意义重大,而且也是新兴的冷热电三联产技术发挥技术优势的关键所在.针对同一幢建筑,分别采用了多元线性回归、季节性指数平滑法以及神经网络方法等三种典型性预测方法进行负荷预测研究,并对三种方法做了进一步改进.然后从预测精度、建模的复杂程度、工程上的可行性以及模型的其他特性(新建筑预测问题)等四个方面对负荷预测方法进行分析.结果表明:神经网络方法具有较高预测精度,而改进的季节性指数平滑法则具有较好的工程应用价值.     

基于数据挖掘技术的电力系统暂态稳定预测

提出了相量测量装置历史数据挖掘方案,以暂态稳定监测为例,建立了一套数据挖掘流程。利用各种数据源建立了暂态稳定监测数据集市,该集市不仅便于联机分析处理,同时还可利用其建立多种数据挖掘模型,获取更多的暂态稳定知识。在6机22节点系统中的应用结果证明了该方法对电力系统暂态稳定监测的有效性。     

楼宇空调(暖气)变频控制系统的研究

从工程角度介绍了一种实用型的楼宇空调 (暖气 )变频控制系统 .详细介绍了系统组成、硬件构造、软件控制策略及其编程思路和流程 .该控制系统由数据采集子系统和变频调节子系统两个相互关联的部分所组成 .在水泵变频调节、电机无扰切换和设备驱动程序编制等方面有自己的特色     

智能化空调冷负荷计算方法

由于目前使用的空调负荷计算软件忽略了设计冷负荷所具有的“不确定性”和“预测性”的特点,而且,这些软件的实用性差,使用效率低,难以满足空调设计人员的需要,因而导致空调系统设计中冷负荷设计值普遍偏大,冷机容量严重过剩,产生了惊人的浪费。为了解决这一问题,引入人工智能中的专家系统技术,利用人工神经网络理论,建立了智能化空调冷负荷计算系统。通过应用实例,充分表明：智能化空调冷负荷计算系统简单、实用,计算结果具有较高精度。     

基于CAN总线车内空调温度分区控制系统设计

为解决车内空调系统对于车内空间温度的智能化精确控制问题,设计了以STC89C52为微处理器结合SJA1000独立CAN控制器和PCA82C250收发器组成的CAN总线节点,并以此结合DS18B20温度传感器及空调温度步进电机调节机构,组成了一个车内温度分区控制的智能系统。提出了车内温度分区控制的基本方法和实现步骤。设计了该智能系统的硬件电路,各个智能节点所用的温度测量、通信及CAN通信的软件程序。该系统在实验空间内达到了温度的分区精确控制要求。     

基于浏览器方式下的实时数据监控系统的研究

为了在浏览器／服务器方式下满足对实时数据的监控,本文提出了一种以开发ＡｃｔｉｖｅＸ控件为核心的解决方案。从而将现场总线技术与ｉｎｔｒａｎｅｔ有机的结合起来。     

全空气空调系统空气处理方案的能耗分析

为了寻求全空气空调系统最佳的空气处理方案,分析了一次回风空调系统、二次回风空调系统和固定二次回风比二次回风空调系统等3种不同空气处理方案的特点,对比相应的不同空气处理方案的理论能耗分析,并通过工程实例的能耗计算结果与比较,确定固定二次回风比二次回风空调系统为最佳空气处理优选方案.     

中央空调系统除垢方法的探讨

本文介绍了中央空调系统水垢的形成及除垢的几种方法，探讨了清除水垢对空调经济运行的重要性。