基于ARMA模型的地铁站环控系统能耗预测

本文通过对时间序列的研究分析,提出一种基于自回归移动平均(ARMA)模型来预测地铁站环控系统能耗的方法。对采集的地铁站环控系统能耗数据进行平稳性检验和白噪声检验;依据数据样本的自相关系数、偏自相关系数及AIC准则确定模型最优参数,建立可有效预测地铁站环控系统能耗的ARMA模型;采用4种方法对拟合模型的有效性进行检验;利用平均绝对误差(MAE)和均方根误差(RMSE)对模型拟合效果进行分析。结果表明,该方法能够有效提取能耗数据中有用的信息,MAE和RMSE分别可达0.101和0.470,对于地铁站环控系统能耗预测具有较高的拟合精度。     

基于小波神经网络的多联式空调机组传感器故障检测和诊断

针对多联式空调机组的结构复杂性以及传感器系统的非线性等特点,将小波神经网络用于对多联式空调机组传感器的故障检测与诊断。从实际生产环境中收集多联式空调机组运行数据,构建合适的小波神经网络,并针对常见的4种主要软故障进行诊断与预测,以验证其故障诊断能力,同时比较小波神经网络对于不同故障的敏感性。结果表明,小波神经网络对于多联式空调机组传感器故障检测和诊断具有良好的精度,对于偏差、漂移和失效的检测效果尤为明显。