基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测

为了准确预测供热负荷,提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型。首先利用主成分分析法融合影响热负荷的特征指标,消除指标之间的冗余性和相关性;同时采用粒子群算法优化BP神经网络的初始权值和阈值,克服了BP神经网络容易陷入局部最优的缺陷,提高了BP神经网络的预测精度。基于北京某居住建筑供热系统的实际运行数据,对模型的性能进行了验证。仿真结果表明,改进的模型预测精度提高了4.07%。     

铣车复合电主轴静动态特性的有限元分析

以某铣车复合加工中心的高速电主轴为研究对象,采用弹簧-阻尼单元模拟主轴支承,建立了主轴-轴承系统的三维有限元模型.在ANSYS分析软件中对主轴部件进行了静力学、模态以及谐响应分析,为国产电主轴的优化和再制造奠定基础.     

数据挖掘技术在建筑暖通空调领域的研究应用进展

本文立足于建筑暖通空调数据挖掘框架流程、数据来源与预处理、数据挖掘应用3个层次,全面阐述了数据挖掘技术应用于建筑暖通空调领域的研究应用进展。文章对数据挖掘应用于建筑暖通空调的主要研究方向:建筑能耗数据分析、故障检测与诊断、优化运行与控制等3个方面的现有研究与应用成果做了细致的归纳总结,对其中的数据挖掘关键技术做了全面分析,最后对未来的发展方向进行了展望。     

炭素生产中的余热利用

介绍了利用炭素生产中煅烧回转窑排放出高温烟气余热发电的情况。     

MIV-PSO-BP神经网络用户热负荷预测

提出利用MIV-PSO-BP神经网络预测用户热负荷。MIV-PSO-BP神经网络基于BP神经网络,利用PSO算法优化神经网络初始参数,采取MIV算法筛选与输出变量相关程度最大的输入变量。以绝对误差、均方根误差作为指标,评价MIV-PSO-BP神经网络的预测效果。结合箱线图,比较BP神经网络、MIV-PSO-BP神经网络的预测相对误差分散程度与异常点数量。与BP神经网络相比,MIV-PSO-BP神经网络的预测效果更理想。由BP神经网络、MIV-PSO-BP神经网络的预测结果相对误差箱线图可知,MIV-PSO-BP神经网络预测结果相对误差集中,异常点少;BP神经网络预测结果相对误差分散,异常点多。MIV-PSO-BP神经网络预测准确性、稳定性更高。     

基于聚类–回归算法的制冷机组实际运行特性研究

制冷机组部分负荷性能对制冷机组运行能耗影响非常大,本文提出基于聚类–回归算法挖掘制冷机组实际运行特性的方法,即以K–Means聚类算法识别不同负荷率区间的代表性运行数据,以最小二乘法对聚类结果进行回归分析。并基于地源热泵机组的大量实际运行数据,采用提出的聚类–回归算法,研究了地源热泵机组的实际运行特性,拟合了机组COP与部分负荷率PLR的曲线,得到COP与PLR的数学表达式,为开展制冷机组的智能调控奠定基础。     

前馈控制技术在暖通空调领域的研究应用综述

回顾了前馈控制技术在暖通空调领域近年来的发展历程,介绍了前馈控制技术在供热节能、空调系统优化控制、建筑室内热环境等领域的研究与应用。针对空调系统优化控制领域中建模方法、负荷预测、前馈控制器等前馈控制的技术要点做了详细阐述,并对基于数据挖掘的前馈控制技术发展方向和应用前景进行展望。     

MIV-PSO-BP神经网络用户热负荷预测

提出利用MIV-PSO-BP神经网络预测用户热负荷。MIV-PSO-BP神经网络基于BP神经网络,利用PSO算法优化神经网络初始参数,采取MIV算法筛选与输出变量相关程度最大的输入变量。以绝对误差、均方根误差作为指标,评价MIV-PSO-BP神经网络的预测效果。结合箱线图,比较BP神经网络、MIV-PSO-BP神经网络的预测相对误差分散程度与异常点数量。与BP神经网络相比,MIV-PSO-BP神经网络的预测效果更理想。由BP神经网络、MIV-PSO-BP神经网络的预测结果相对误差箱线图可知,MIV-PSO-BP神经网络预测结果相对误差集中,异常点少;BP神经网络预测结果相对误差分散,异常点多。MIV-PSO-BP神经网络预测准确性、稳定性更高。