香港环球贸易中心冷却水系统优化控制研究

提出了常规中央空调冷却水系统的优化控制策略.该控制策略是香港理工大学智能建筑研究所与香港新鸿基地产发展有限公司共同研究开发的中央空调系统系列智能优化控制策略之一.这一优化控制策略将应用在香港环球贸易中心.该方法可以自动设置系统冷却水的供水温度(即冷却塔的出水温度)以保证系统自适应于动态的工作条件并保持高效率.该方法在这一建筑及空调系统的虚拟环境下进行了测试和验证.     

基于蚁群算法的PCB布线优化

针对蚁群算法在PCB布线上的应用提出改进方案,找出蚁群优化算法闭合环路中最长支路路径,用闭合环路总长度减去这条路径得到非闭合环路最优路径的总长度,对寻优路径重新存储,用探索线段的方式完成从非闭合路径布线到开叉型非闭合路径布线的衍化。实验与仿真结果表明这种新的算法具有一定的有效性。     

一种基于自适应神经模糊推理系统的短期负荷预测方法

随着智能电网技术的发展,电网问题的管理变得尤为重要,负荷预测是电网管理的主要内容之一。本文针对小区域范围内电力系统负荷预测问题,提出了一种基于自适应神经模糊推理(ANFIS)方法,在每小时测量和记录电力负荷数据的基础上,利用提出的ANFIS模型进行了负荷预测。在所提的ANFIS模型中,只需要确定历史负荷参数,模型中的其他参数可由历史负荷参数计算得到。将实际负荷及其对时间的一阶导数、时间信息作为ANFIS模型的输入,预测下一个小时的负荷需求。采用均方根误差、标准均方根误差和平均偏差误差作为模型评价指标。实验结果表明,该方法适用于小区域的负荷预测。     

基于进化神经网络的短期电力负荷预测研究

短期负荷预测对于工业、商业、住宅智能电网应用是必不可少的。在分析电力系统负荷预测特点和研究现状的基础上,研究了一种进化神经网络用于电力负荷短期预测。进化神经网络采用遗传算法来优化神经网络的权重,能有效避开BP网络算法中的局部极值问题。采用 MATLAB仿真软件构建基于进化神经网络的电力系统负荷预测模型,并利用实际电力负荷数据进行网络训练和模型仿真。为了评估进化神经网络的性能,采用小波神经网络进行比较,通过观察预测结果进行评估。试验结果表明,进化神经网络精度性能优于小波神经网络,适用于电力系统负荷预测。