基于VMD-HS-BP的建筑光伏发电功率预测模型

本文提出了一种基于VMD-HS-BP神经网络的光伏发电功率预测模型.利用相关性分析法选出相关性高的输入变量,使用VMD将原始数据分解为多个模态分量,利用和声搜索算法优化BP神经网络权值,用优化后的神经网络预测各分量,将分量预测值叠加得出光伏发电功率预测值.实践结果表明,VMD-HS-BP预测模型能达到更高的预测精度,更...     

锅炉热水供热系统能耗机器学习诊断模型

供热系统能耗诊断是一个难点。提出一种基于机器学习算法的能耗诊断标准模型结构,通过聚类或分类算法,从采集的诊断数据中筛选出节能特性较好的运行数据,基于回归模型建立能耗诊断模型对被诊断数据进行诊断。研究发现：1）经K-means聚类筛选数据并基于贝叶斯正则化训练的人工神经网络建立拟合模型,R值分别达到了0.975 6、0.970 5、0.921 4和0.910 1,模型拟合度较高;2）模型经过3个被诊断数据集验证,经过筛选的数据建立诊断模型,节能率指标分别10.7%、17%和4%,累积误差指标达到了-149 498.67、-86 526、-4 052.27 kW,诊断效果优于未经聚类的数据建立的模型;3）对诊断结果进行分析,发现供热系统二次换热端热水流量变频节能控制措施节能效率较低,一次供热端热水流量人工调节是造成能耗过高的主要原因。这种数据建模诊断的方式是基于输入、输出变量之间的物理响应关系而不受数据时间特性的影响。     

改进并行粒子群算法用于冷却水系统节能优化

针对冷却水系统优化问题提出一种改进并行粒子群(IPPSO)算法,以系统能耗最小为优化目标,以系统中各设备的运行参数为优化变量进行求解.在该算法中,采用随机和混沌序列机制分别对两个种群的粒子进行初始化,使两种群在产生初期便具有不同特征;并根据两种群特点,采用不同惯性权重改进策略,提高算法搜索能力;同时利用一种新迁移算子对...     

基于嵌入式Web服务器的生态住宅远程控制

针对生态住宅的发展趋势,将无线通信技术、嵌入式技术和Internet三者结合起来应用于生态住宅,设计了基于嵌入式Web服务器的生态住宅远程控制系统方案。运用嵌入式Web网关和ZigBee无线网络的混合通信结构,使用户可通过浏览器远程控制家用设备,具有广阔的应用前景。     

大型公共建筑能耗无线远程监测与节能管理系统

针对我国大型公共建筑节能降耗问题,提出了基于ZigBee无线技术的能耗分布式计量网络,利用GPRS/3G技术进行能耗数据的远程传输。基于Web软件编程平台,开发了具有B/S网络架构体系的大型公共建筑节能管理系统,实现了对大型公共建筑用能情况的实时监控与节能措施的信息化管理,为我国大型公共建筑的能耗监测、统计、监管及审计提供了良好的科学依据。     

楼宇自动化特色专业方向的建设与实践

文中以在自动化专业中开设楼宇自动化特色方向,培养经济社会发展的急需专业人才为目标,进行了专业结构调整的改革与实践。形成了一套独特的"树"型人才培养方案,构建了人才培养课程体系;实施了"四层次、三类型、多模块"实践教学体系,进行了"楼宇自动化"省级实验教学示范中心、校企合作实践平台建设;出版了特色教材,形成了一支跨学科、双师型的稳定师资队伍。以系统化、全方位的教育教学改革与实践,为培养特色鲜明、适应社会发展的高素质、创新型自动化高级专门人才打下坚实的基础。     

大型公共建筑水耗远程实时监测及节能评估

通过对西安市近200家大型公共建筑能耗实地调研情况的分析和评价,探讨实践分项计量必要性,提出了一种大型公共建筑无线远程实时监测抄表系统,既能为政府决策提供数据基础,又能为自己找到节能潜力与途径,利于国家建筑节能运行管理制度落到实处,实现大型公共建筑节能降耗目标。     

基于超宽带技术de无线传感器网络

传感器技术、微机电系统和无线通信等技术的进步,推动了具有现代意义的无线传感器网络的产生和发展.文中在介绍无线传感器网络的体系结构和特点的基础上,结合超宽带无线传输技术的特点,分析了基于超宽带技术的无线传感器网络的主要优势和研究热点,揭示出基于超宽带技术的无线传感器网络将成为下一代无线传感器网络的发展方向,因此对其的设计、标准等的研究具有重要的价值与前景.     

基于机器学习的污水源热泵机组故障诊断模型研究

根据污水源热泵机组的状态变量和部分故障类型,提出一种基于BP神经网络的污水源热泵机组故障诊断模型。以西安市某200万m2大型污水源热泵集中供暖系统为研究对象,采集2016年11月至2017年3月供暖期间热泵机组中蒸发器、冷凝器和压缩机的温度、压力等工况数据,利用L-M、BR、SCG训练算法分别建立故障诊断模型,并进行比较分析。研究结果表明:通过神经网络建立污水源热泵机组故障诊断模型,正常类型与故障类型的诊断结果差异显著,可以满足诊断需求。其中,L-M算法训练效果最优,迭代次数为113次,正常类型误差值均小于0.012,故障类型误差值均大于0.9。