基于粗糙集—神經(jīng)網(wǎng)絡(luò)的冰蓄冷空調(diào)冷負(fù)荷預(yù)測(cè)研究
格式:pdf
大?。?span id="ee9uilw" class="single-tag-height" data-v-09d85783>344KB
頁(yè)數(shù):2P
人氣 :77
4.4
針對(duì)目前冰蓄冷空調(diào)運(yùn)行管理中存在的每日蓄冰量過(guò)多,耗能?chē)?yán)重的問(wèn)題,提出了基于粗糙集和人工神經(jīng)網(wǎng)絡(luò)的冰蓄冷負(fù)荷的預(yù)測(cè)模型。該模型減少了數(shù)據(jù)樣本的數(shù)量,提高了冷負(fù)荷預(yù)測(cè)精度,有利于冰蓄冷空調(diào)的節(jié)能運(yùn)行。
基粗糙集—神經(jīng)網(wǎng)絡(luò)的冰蓄冷空調(diào)冷負(fù)荷預(yù)測(cè)研究
格式:pdf
大?。?span id="rr9g7lg" class="single-tag-height" data-v-09d85783>157KB
頁(yè)數(shù):2P
針對(duì)目前冰蓄冷空調(diào)運(yùn)行管理中存在的每日蓄冰量過(guò)多,耗能?chē)?yán)重的問(wèn)題,提出了基于粗糙集和人工神經(jīng)網(wǎng)絡(luò)的冰蓄冷負(fù)荷的預(yù)測(cè)模型.該模型減少了數(shù)據(jù)樣本的數(shù)量,提高了冷負(fù)荷預(yù)測(cè)精度,有利于冰蓄冷空調(diào)的節(jié)能運(yùn)行.
基于小波神經(jīng)網(wǎng)絡(luò)冰蓄冷空調(diào)負(fù)荷預(yù)測(cè)
格式:pdf
大?。?span id="wukv0zr" class="single-tag-height" data-v-09d85783>233KB
頁(yè)數(shù):3P
基于小波神經(jīng)網(wǎng)絡(luò)冰蓄冷空調(diào)負(fù)荷預(yù)測(cè)——為了節(jié)省冰蓄冷中央空調(diào)系統(tǒng)的運(yùn)行費(fèi)用,準(zhǔn)確地預(yù)測(cè)空調(diào)冷負(fù)荷是必不可少的。采用dbl小波對(duì)冰蓄冷空調(diào)冷負(fù)荷序列進(jìn)行分解,分別對(duì)低頻和高頻序列采用bp網(wǎng)絡(luò)進(jìn)行預(yù)測(cè),將預(yù)測(cè)結(jié)果進(jìn)行疊加得到最終預(yù)測(cè)值。結(jié)合實(shí)例進(jìn)行了...
基于小波神經(jīng)網(wǎng)絡(luò)冰蓄冷空調(diào)負(fù)荷預(yù)測(cè)
格式:pdf
大?。?span id="raskisl" class="single-tag-height" data-v-09d85783>452KB
頁(yè)數(shù):3P
4.5
為了節(jié)省冰蓄冷中央空調(diào)系統(tǒng)的運(yùn)行費(fèi)用,準(zhǔn)確地預(yù)測(cè)空調(diào)冷負(fù)荷是必不可少的。采用db1小波對(duì)冰蓄冷空調(diào)冷負(fù)荷序列進(jìn)行分解,分別對(duì)低頻和高頻序列采用bp網(wǎng)絡(luò)進(jìn)行預(yù)測(cè),將預(yù)測(cè)結(jié)果進(jìn)行疊加得到最終預(yù)測(cè)值。結(jié)合實(shí)例進(jìn)行了空調(diào)逐時(shí)冷負(fù)荷預(yù)測(cè),通過(guò)小波-bp網(wǎng)絡(luò)與bp網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的對(duì)比,可知小波-bp網(wǎng)絡(luò)預(yù)測(cè)的效果更好。
基于遺傳神經(jīng)網(wǎng)絡(luò)的冰蓄冷空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)研究
格式:pdf
大?。?span id="rcbpssr" class="single-tag-height" data-v-09d85783>773KB
頁(yè)數(shù):4P
4.4
針對(duì)現(xiàn)階段冰蓄冷中央空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)的bp(backpropagation)模型收斂速度慢和容易陷入局部極小點(diǎn)等缺點(diǎn),結(jié)合遺傳算法ga(geneticalgorithm)和bp神經(jīng)網(wǎng)絡(luò),提出了一種ga-bp算法,并在冰蓄冷中央空調(diào)負(fù)荷預(yù)測(cè)系統(tǒng)中應(yīng)用。
基于GRNN的冰蓄冷空調(diào)逐時(shí)冷負(fù)荷預(yù)測(cè)
格式:pdf
大?。?span id="mcq2q5c" class="single-tag-height" data-v-09d85783>573KB
頁(yè)數(shù):3P
4.4
冷負(fù)荷動(dòng)態(tài)預(yù)測(cè)對(duì)冰蓄冷空調(diào)最優(yōu)化控制來(lái)說(shuō)是不可或缺的。建立了基于廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)和遺傳算法(ga)的逐時(shí)冷負(fù)荷預(yù)測(cè)模型,建模時(shí)以前一日已知的24小時(shí)室外干球溫度為輸入,以次日逐時(shí)冷負(fù)荷為輸出。為提高預(yù)測(cè)精度及改善魯棒性,以均方差(mse)最小構(gòu)造適應(yīng)度函數(shù),應(yīng)用遺傳算法尋優(yōu)廣義回歸神經(jīng)網(wǎng)絡(luò)的平滑因子。通過(guò)預(yù)測(cè)負(fù)荷與實(shí)際負(fù)荷的比較分析驗(yàn)證了模型的可靠性和魯棒性。
基于改進(jìn)PSO-BP神經(jīng)網(wǎng)絡(luò)的冰蓄冷空調(diào)冷負(fù)荷動(dòng)態(tài)預(yù)測(cè)模型
格式:pdf
大?。?span id="kpxo0rm" class="single-tag-height" data-v-09d85783>339KB
頁(yè)數(shù):7P
4.4
當(dāng)前多數(shù)冰蓄冷空調(diào)冷負(fù)荷動(dòng)態(tài)預(yù)測(cè)方法中,由于模型輸入變量與輸出結(jié)果相關(guān)性差、信息冗余度高等原因,導(dǎo)致多數(shù)預(yù)測(cè)模型在預(yù)測(cè)精度和收斂速度方面都未達(dá)到理想的預(yù)測(cè)效果,因此,提出一種改進(jìn)的pso-bp神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)大型公共建筑的冷負(fù)荷。對(duì)于輸入變量與輸出結(jié)果采用灰色關(guān)聯(lián)度分析,消除樣本輸入變量對(duì)數(shù)的耦合性,確定影響冰蓄冷空調(diào)系統(tǒng)冷負(fù)荷的關(guān)鍵性因素,將其作為輸入變量,預(yù)測(cè)冰蓄冷空調(diào)系統(tǒng)動(dòng)態(tài)冷負(fù)荷。結(jié)果表明:t時(shí)刻室外空氣溫度、t-1h時(shí)刻室外空氣溫度、t時(shí)刻室外空氣濕度、t時(shí)刻太陽(yáng)輻射強(qiáng)度、t-1h時(shí)刻太陽(yáng)輻射強(qiáng)度、t-1h時(shí)刻空調(diào)冷負(fù)荷是影響t時(shí)刻冰蓄冷空調(diào)系統(tǒng)冷負(fù)荷的關(guān)鍵因素,并以此作為預(yù)測(cè)模型的輸入變量。相對(duì)于傳統(tǒng)pso-bp神經(jīng)網(wǎng)絡(luò)全輸入變量預(yù)測(cè)算法,該模型預(yù)測(cè)結(jié)果精確度更高、收斂速度更快。
冰蓄冷空調(diào)負(fù)荷模糊預(yù)測(cè)原理及軟件
格式:pdf
大小:982KB
頁(yè)數(shù):4P
4.5
介紹了冰蓄冷空調(diào)負(fù)荷模糊預(yù)測(cè)的基本原理及運(yùn)用該原理的負(fù)荷預(yù)測(cè)軟件的編制,該軟件運(yùn)行穩(wěn)定,預(yù)測(cè)效果較好。
基于粒子群優(yōu)化的極限學(xué)習(xí)機(jī)冰蓄冷空調(diào)負(fù)荷預(yù)測(cè)
格式:pdf
大小:644KB
頁(yè)數(shù):2P
4.4
以精確的空調(diào)負(fù)荷預(yù)測(cè)為前提,方能使得冰蓄冷空調(diào)在融冰供冷過(guò)程中采取最為合理的運(yùn)行策略。提出一種改進(jìn)的增量型極限學(xué)習(xí)機(jī)(pso-ielm)的建筑物空調(diào)負(fù)荷預(yù)測(cè)模型。通過(guò)粒子群優(yōu)化算法,克服傳統(tǒng)極限學(xué)習(xí)機(jī)(elm)在預(yù)測(cè)中存在的不穩(wěn)定性。并結(jié)合對(duì)西安地區(qū)某購(gòu)物中心夏季不同月份的空調(diào)負(fù)荷進(jìn)行訓(xùn)練和預(yù)測(cè)。實(shí)例分析結(jié)果表明,粒子群優(yōu)化增量型極限學(xué)習(xí)機(jī)(pso-ielm)具有更好泛化能力和更高預(yù)測(cè)精度。是對(duì)建筑空調(diào)負(fù)荷預(yù)測(cè)的有效手段。
冰蓄冷空調(diào)與電網(wǎng)調(diào)峰
格式:pdf
大?。?span id="q272wgn" class="single-tag-height" data-v-09d85783>463KB
頁(yè)數(shù):3P
4.4
文章分析了冰蓄冷空調(diào)系統(tǒng)的工作原理、優(yōu)越的調(diào)峰性能、廣闊的應(yīng)用前景和良好的社會(huì)經(jīng)濟(jì)和環(huán)境效益,提出我國(guó)應(yīng)拉大峰谷電價(jià)比,大力發(fā)展和推廣使用冰蓄冷空調(diào)。
冰蓄冷空調(diào)蓄冰罐特性的研究
格式:pdf
大小:321KB
頁(yè)數(shù):2P
4.3
本文通過(guò)對(duì)某大廈冰蓄冷空調(diào)系統(tǒng)運(yùn)行情況的測(cè)試,詳細(xì)研究和分析了蓄冰罐在不同流量下的蓄冷和釋冷特性,以及在融冰工況時(shí),蓄冰罐進(jìn)口溫度對(duì)出口溫度和釋冷量的影響。
基于粒子群神經(jīng)網(wǎng)絡(luò)的空調(diào)冷負(fù)荷短期預(yù)測(cè)
格式:pdf
大小:1.1MB
頁(yè)數(shù):4P
4.6
為提高空調(diào)冷負(fù)荷預(yù)測(cè)精度,本文提出了基于pso-bp算法的神經(jīng)網(wǎng)絡(luò)模型。將pso算法與bp神經(jīng)網(wǎng)絡(luò)相結(jié)合,對(duì)大型商場(chǎng)的空調(diào)樣本數(shù)據(jù)進(jìn)行冷負(fù)荷預(yù)測(cè)實(shí)驗(yàn)。結(jié)果表明,與bp神經(jīng)預(yù)測(cè)算法相比,該算法的預(yù)測(cè)精度更高,運(yùn)行速度更快。
冰蓄冷空調(diào)蓄冰罐特性的研究
格式:pdf
大小:169KB
頁(yè)數(shù):3P
4.7
通過(guò)對(duì)某大廈冰蓄冷空調(diào)系統(tǒng)運(yùn)行情況的測(cè)試,詳細(xì)研究和分析了蓄冰罐在不同流量下的蓄冷和放冷特性以及在放冷工況時(shí),蓄冰罐進(jìn)口溫度對(duì)出口溫度和放冷量的影響
冰蓄冷空調(diào)蓄冰罐特性的研究
格式:pdf
大?。?span id="a2wdnji" class="single-tag-height" data-v-09d85783>60KB
頁(yè)數(shù):6P
4.6
本文通過(guò)對(duì)某大廈冰蓄冷空調(diào)系統(tǒng)的運(yùn)行情況的測(cè)試,詳細(xì)研究和分析了蓄冰罐在不同流量下的蓄冷和釋冷特性。在融冰工況時(shí),蓄冰罐進(jìn)口溫度對(duì)出口溫度和釋冷量的影響。
基于小波變換的神經(jīng)網(wǎng)絡(luò)空調(diào)負(fù)荷預(yù)測(cè)研究
格式:pdf
大?。?span id="eykjxqp" class="single-tag-height" data-v-09d85783>629KB
頁(yè)數(shù):5P
4.3
基于小波變換的思想建立了遞歸bp網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)空調(diào)負(fù)荷,改進(jìn)了網(wǎng)絡(luò)權(quán)值、閾值的修改算法,引入了折扣系數(shù)法以提高近期預(yù)測(cè)精度,結(jié)合一實(shí)例進(jìn)行了空調(diào)逐時(shí)冷負(fù)荷預(yù)測(cè),結(jié)果表明該方法預(yù)測(cè)精度高,適用于空調(diào)負(fù)荷預(yù)測(cè)。
基于Elman型神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測(cè)模型
格式:pdf
大?。?span id="szn777b" class="single-tag-height" data-v-09d85783>587KB
頁(yè)數(shù):4P
4.4
空調(diào)系統(tǒng)的負(fù)荷與諸多影響因素之間是一種多變量、強(qiáng)耦合、嚴(yán)重非線性的關(guān)系,且這種關(guān)系具有動(dòng)態(tài)性,因而傳統(tǒng)方法的預(yù)測(cè)精度不高。而動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)能更生動(dòng)、更直接地反映系統(tǒng)的動(dòng)態(tài)特性。針對(duì)這個(gè)特點(diǎn),建立了基于elman型神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測(cè)模型,并進(jìn)行了實(shí)例預(yù)測(cè)。文中還比較了elman網(wǎng)絡(luò)和bp網(wǎng)絡(luò)結(jié)構(gòu)的建模效果,仿真實(shí)驗(yàn)證明了elman神經(jīng)網(wǎng)絡(luò)具有動(dòng)態(tài)特性好、逼近速度快、精度高等特點(diǎn),說(shuō)明elman網(wǎng)絡(luò)是一種新穎、可靠的負(fù)荷預(yù)測(cè)方法。
基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的中央空調(diào)冷負(fù)荷預(yù)測(cè)研究
格式:pdf
大小:231KB
頁(yè)數(shù):3P
4.7
針對(duì)中央空調(diào)系統(tǒng)冷負(fù)荷預(yù)測(cè)中bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)收斂慢,易陷入局部最優(yōu),精度相對(duì)低的缺點(diǎn),采用了收斂速度快,全部搜索能力強(qiáng)的粒子群優(yōu)化算法進(jìn)行改進(jìn),同時(shí)對(duì)bp結(jié)構(gòu)中的輸入?yún)?shù),添加控制誤差反饋參數(shù),形成了基于粒子群與控制誤差回饋的bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù);其預(yù)測(cè)精度較bp神經(jīng)網(wǎng)絡(luò)和粒子群bp神經(jīng)網(wǎng)絡(luò)分別提高5.94%和0.82%。
EBP神經(jīng)網(wǎng)絡(luò)在空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用
格式:pdf
大小:163KB
頁(yè)數(shù):4P
3
ebp神經(jīng)網(wǎng)絡(luò)在空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用——空調(diào)系統(tǒng)負(fù)荷是一個(gè)典型的具有動(dòng)態(tài)性、不確定性等隨機(jī)特性的非線性模型。傳統(tǒng)方式難于實(shí)現(xiàn)準(zhǔn)確、快速地預(yù)測(cè)空調(diào)系統(tǒng)動(dòng)態(tài)負(fù)荷。人工神經(jīng)網(wǎng)絡(luò)ann具有高度的非線性運(yùn)算能力和較強(qiáng)的容錯(cuò)能力,其中使用最為廣泛的是誤差反向傳...
前饋神經(jīng)網(wǎng)絡(luò)在空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用
格式:pdf
大小:672KB
頁(yè)數(shù):4P
3
前饋神經(jīng)網(wǎng)絡(luò)在空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用——空調(diào)系統(tǒng)負(fù)荷是一個(gè)典型的具有動(dòng)態(tài)性、不確定性等隨機(jī)特性的非線性模型,傳統(tǒng)方式難以實(shí)現(xiàn)準(zhǔn)確、快速地預(yù)測(cè)空調(diào)系統(tǒng)動(dòng)態(tài)負(fù)荷。人工神經(jīng)網(wǎng)絡(luò)具有高度的非線性運(yùn)算能力和很強(qiáng)的容錯(cuò)能力,其中最為廣泛的是前饋神經(jīng)網(wǎng)絡(luò)和采用...
EBP神經(jīng)網(wǎng)絡(luò)在空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用
格式:pdf
大?。?span id="gufii2q" class="single-tag-height" data-v-09d85783>662KB
頁(yè)數(shù):4P
4.4
空調(diào)系統(tǒng)負(fù)荷是一個(gè)典型的具有動(dòng)態(tài)性、不確定性等隨機(jī)特性的非線性模型。傳統(tǒng)方式難于實(shí)現(xiàn)準(zhǔn)確、快速地預(yù)測(cè)空調(diào)系統(tǒng)動(dòng)態(tài)負(fù)荷。人工神經(jīng)網(wǎng)絡(luò)ann具有高度的非線性運(yùn)算能力和較強(qiáng)的容錯(cuò)能力,其中使用最為廣泛的是誤差反向傳播ebp算法。研究結(jié)果表明,用ebp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)空調(diào)負(fù)荷和計(jì)算結(jié)果能較好地吻和。
冰蓄冷空調(diào)的技術(shù)經(jīng)濟(jì)分析
格式:pdf
大?。?span id="ln7z2wd" class="single-tag-height" data-v-09d85783>195KB
頁(yè)數(shù):4P
3
冰蓄冷空調(diào)的技術(shù)經(jīng)濟(jì)分析——本文理論結(jié)合實(shí)例,通過(guò)球蓄拎空調(diào)與常規(guī)空調(diào)的比較分析,論證了采用_瞇蓄冷空調(diào)具有良好的經(jīng)濟(jì)效益,同時(shí)也指出了當(dāng)?shù)氐碾妰r(jià)政策對(duì)球蓄冷空調(diào)的經(jīng)濟(jì)性起著決定性作用.
冰蓄冷空調(diào)的應(yīng)用及經(jīng)濟(jì)分析
格式:pdf
大小:24KB
頁(yè)數(shù):1P
4.7
序號(hào) ! " 制冷方案 雙工況螺桿式冷水機(jī)組# 冰蓄冷系統(tǒng) 常規(guī)螺桿式冷水機(jī)組 設(shè)備型號(hào)與規(guī)格 $%&’(螺桿式機(jī)組 冰蓄冷系統(tǒng) $%&’(螺桿式機(jī)組 數(shù)量 )臺(tái) *套 %臺(tái) 制冷設(shè)備 表!中央空調(diào)制冷采暖方案 "" !""!#$%& 蓄能空調(diào)’%’()*+(,-)-.*,-%$%/0)01,+-1-,2 冰蓄冷空調(diào) 的應(yīng)用及經(jīng)濟(jì)分析!楊東胡晉祥 #冰蓄冷空調(diào)簡(jiǎn)介 冰蓄冷空調(diào)是八十年代出現(xiàn)的一項(xiàng)新技術(shù),這項(xiàng) 技術(shù)具有明顯的節(jié)能效果,冰蓄冷技術(shù)用于中央空調(diào), 可以轉(zhuǎn)移用電高峰,均衡電網(wǎng)峰谷負(fù)荷,特別適用于全 天間斷運(yùn)行或峰谷負(fù)荷差較大的連續(xù)運(yùn)行系統(tǒng),尤其 是空調(diào)峰值負(fù)荷與電網(wǎng)峰值負(fù)荷同步的空調(diào)系統(tǒng),它 既能避開(kāi)日間高峰用電,又能減少冷水機(jī)組、水泵、冷 卻塔等的數(shù)量與裝機(jī)容量,節(jié)省一次性投資。并充分利 用電網(wǎng)低谷廉價(jià)電力,大大節(jié)約運(yùn)行費(fèi)用。 !
冰蓄冷空調(diào)VAV模型研究
格式:pdf
大?。?span id="gjsul7v" class="single-tag-height" data-v-09d85783>249KB
頁(yè)數(shù):7P
3
冰蓄冷空調(diào)vav模型研究——研究冰蓄冷空調(diào)中的變風(fēng)量送冷系統(tǒng)(vav),分析7其可行性。結(jié)合實(shí)際的工程案例,為冰蓄冷空調(diào)中vav建立了數(shù)學(xué)物理摸型。摸型摒棄了從研究蓄冷元性能出發(fā)摸擬蓄冷器充放冷過(guò)程性能的傳統(tǒng)思路,提出了蓄冷器綜合有效熱阻的處理方法。得出...
冰蓄冷空調(diào)設(shè)計(jì)介紹
格式:docx
大小:136KB
頁(yè)數(shù):未知
3
冰蓄冷空調(diào)設(shè)計(jì)介紹——冰蓄冷空調(diào)設(shè)計(jì)介紹 概述: 近幾年來(lái),因國(guó)家用電政策的推動(dòng)作用和國(guó)外蓄冰技術(shù)的大量引進(jìn),蓄冰空調(diào)逐漸成為中央空調(diào)發(fā)展的一個(gè)新趨勢(shì)。目前在國(guó)內(nèi)推廣的蓄冰空調(diào)技術(shù)主要有冰球式、冰桶式、冰槽式、蕊心冰球等等。我們認(rèn)...
嘉興地區(qū)冰蓄冷空調(diào)現(xiàn)狀分析與展望
格式:pdf
大?。?span id="fuufmxx" class="single-tag-height" data-v-09d85783>181KB
頁(yè)數(shù):2P
4.7
分析了嘉興地區(qū)冰蓄冷空調(diào)用戶(hù)的現(xiàn)狀、發(fā)展冰蓄冷空調(diào)面臨的形勢(shì)和機(jī)遇,對(duì)進(jìn)一步推廣應(yīng)用冰蓄冷空調(diào)提出了意見(jiàn)和建議,政府應(yīng)出臺(tái)補(bǔ)助政策,對(duì)工業(yè)用戶(hù)使用冰蓄冷實(shí)行高峰優(yōu)惠價(jià),鼓勵(lì)企業(yè)使用冰蓄冷空調(diào),合理利用資源。
文輯推薦
知識(shí)推薦
百科推薦
職位:大數(shù)據(jù)開(kāi)發(fā)工程師
擅長(zhǎng)專(zhuān)業(yè):土建 安裝 裝飾 市政 園林