基于PSO-ELM组合算法的热力站负荷预测研究

提出了一种粒子群优化极限学习机(PSO-ELM)算法用于热力站负荷预测,应用粒子群(PSO)算法优化极限学习机(ELM)的输入权值和隐含层阈值。将提出的组合算法应用于天津市某小区热力站的负荷预测中,并与ELM、支持向量回归(SVR)和粒子群优化支持向量回归(PSO-SVR)算法在同等条件下进行比较。结果表明,PSO-ELM在预测精度上优于其他算法;在热负荷波动较大时,表现优于PSO-SVR;在一定范围内样本容量对预测结果影响不大,PSO-ELM可遗忘更多的数据。     

流量阶跃变化时供暖房间内温度场的数值模拟

两位通断式调节是一种计量供热系统控制模式,与欧洲供热系统控制模式不同的是,其温控阀只有启、闭两种状态.用数值模拟方法研究了该调控模式对室内热环境的影响规律.     

基于通断时间面积法的热分摊技术的工程应用

为验证通断时间面积法热分摊技术工程应用的可行性,在石家庄、衡水、邢台、唐山等城市的既有建筑热计量改造中采用了该技术.通过对2010-2011年供暖季实际运行数据的整理与计算,给出了各热用户单位面积供暖耗热量以及各城市单位面积平均耗热量,然后根据历史运行数据以及入户调查结果对数据进行了综合统计分析.结果表明,基于通断时间面积法的热分摊技术能正确表征用户的用热需求大小,可以实现合理、公平的热计量目的.     

某高校教学楼供暖系统的优化调控策略

通过对供暖季运行历史数据进行深度挖掘和理论分析,得出不同室外温度下二次网供回水温度曲线,结合典型房间的升温、降温的延迟规律,给出了优化调控策略。应用结果表明,整个供暖季的节能率为19.1%。     

传热数值计算中应用外推法研究

通过理论分析和实际算例指出：在稳态导热型传热问题的数值计算中利用外推算法，有利于加快计算收敛速度，减少计算工作量，提高计算精度。     

泵-阀调控模式集中供热系统零压差点运行特性仿真研究

针对存在零压差点的集中供热系统,利用一维流体仿真软件Flowmaster进行了泵-阀调控模式的动态模拟仿真.模拟过程中,通过对典型换热站流量变化、水压图变化,以及变零压差点调节时泵阀切换过程的规律总结,对比分析了变零压差点和定零压差点运行调节工况的水力特性.同时对运行调节前后主循环泵和分布式变频泵的效率、功率及运行频率进行对比分析.结果表明:与变零压差点运行工况相比,定零压差点运行工况时,全网流量下降平缓,供回水压差波动较小,主循环泵和分布式变频泵降频后都可以保持在高效点运行,更为节能,调节方式简单易行.     

矩形通道内纵向涡发生器作用下流场的PIV实验研究

利用PIV系统对矩形通道内布置纵向涡发生器时的二次流结构进行了测量,并与光通道的流动结构进行了比较.分析了组合翼、辅翼的布置位置和布置方式对流动结构的影响.实验结果表明,在光通道入口附近,由于地球自转作用空气产生整体旋转运动,随着流动的进行,旋涡强度减弱,最后形成多个小旋涡.与光通道相比,纵向涡发生器产生的旋涡强度及影...     

基于混合算法优化支持向量机的供热负荷预测模型

支持向量机回归(Support Vector Machine Regression,SVR)作为供热预测领域的一种新型算法,普适性强,但预测精度在一定程度上受参数选择的影响。为提高预测精度,提出一种基于差分进化(Differential Evolution,DE)和灰狼优化(Grey Wolf Optimization,GWO)的混合算法(DE-GWO)对支持向量机的回归参数进行寻优。该算法首先利用DE的变异、选择维持种群的多样性,然后利用GWO的全局寻优能力搜索SVR的最优参数组合,并采用均方误差(MSE)、平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和判定系数(R~2)对各种预测模型进行了评价。研究结果表明,DE-GWO-SVR预测模型的MAPE值为3.23%,优于SVR、DE-SVR、GWO-SVR模型,可为实际应用提供一定的参考。     

一种强化太阳能换热的新型涡流发生器换热机理与实验研究

提出一种强化太阳能热风干燥器和集热器气侧换热的新型涡流发生器—斜截半椭圆柱体,并对其进行了实验研究及机理分析。在雷诺数为4000～38000的紊流范围内对矩形风道内分别布置单排一对直角三角翼、矩形翼、梯形翼、斜截半圆柱体、斜截半椭圆柱体等涡流发生器的强化传热效果和压降特性进行了对比实验。实验在稳态的气水逆流换热方式下进行,并固定各涡流发生器的高宽比为1/2,该迎流攻角为60°。结果表明,斜截半椭圆柱体是具有优越的强化气侧换热效果和低压降特性的新型涡流发生器。该对这种新型涡流发生器强化换热的机理作了初步分析。     

基于数据回归的热力站耗热量时间遗传期研究

通过分析热力站耗热量的主要影响因素,建立了基于历史数据的耗热量预测模型,并采用MATLAB软件,对未来第1,3,7天的耗热量进行数据回归预测。结果表明:建筑耗热量具有时间遗传特性,耗热量不仅与室外温度有关,还与前7~10d内的历史耗热量具有很强的相关性。耗热量时间遗传期分为3个阶段,不同热工性能建筑的热力站耗热量的时间遗传特性不同,越是新建建筑,其时间遗传期m值越大。采用预测模型对未来1d的耗热量进行预测,其精度在5%以内。