基于频域分解的房间冷负荷建模及软测量技术

准确的实时冷负荷是空调运行过程节能的基础,传统的冷负荷计算方法复杂费时,无法满足实时调控的要求。软测量是一种先进的方法,但由于房间冷负荷无法直接测量,因此基于样本数据无法实现软测量模型的参数辨识。针对冷负荷软测量技术的这一瓶颈问题,通过冷负荷的机理分析与建筑能耗仿真软件模拟数据的分析,发现冷负荷在频域中集中分布在以一天为周期的频率点及其二次三次谐波上,利用冷负荷这一频域特性本文提出了一种基于房间温度响应的冷负荷实时软测量技术。该方法通过频域分解,选择不含冷负荷的频域段进行蓄热过程的参数辨识,从而避开了辨识过程对无法实测的实时冷负荷真实值的依赖。基于可测的空调供冷量、房间温度和辨识得到的蓄热系数,就可以利用房间热平衡方程进行冷负荷建模并实现其软测量。通过在建筑能耗仿真平台上的仿真及实际房间的实测实验表明,该方法可以快速有效地实现房间实时冷负荷的软测量,相对于基于机理分析或软件计算的方法更具实用性,同时本方法也为其他难测变量的软测量技术提供了借鉴思路。

基于变换函数与填充函数的模糊粒子群优化算法

本文提出了一种基于变换函数与填充函数的模糊粒子群优化算法(Fuzzy partical swarm optimization based on filled function and transformation function,FPSO-TF).以基于不同隶属度函数的多回路模糊控制系统为基础,进一步结合变换函数与填充函数,使该算法减少了陷入局部最优的可能,又可以跳出局部极小值点至更小的点,快速高效地搜索到全局最优解.最后采用基准函数对此算法进行测试,并与几种不同类型的改进算法进行对比分析,验证了此算法的有效性与优越性.

建筑空间负荷预测方法

对建筑空间负荷计算方法的研究现状进行了分析总结,归纳出3类主要的负荷计算方法:基于机理建模的计算方法,基于数据学习的逐时预测方法,基于软测量的实时预测方法。基于机理建模的计算方法比较成熟,准确性高,比较适合在建筑空调系统的设计阶段进行模拟分析。后2种方法适用于空调运行阶段的实时调控,具有较大的发展潜力,但基于数据学习的逐时预测方法需要进一步加强模型泛化能力及动态实时性方面的研究,基于软测量的实时预测方法则需要在模型准确性、参数辨识有效性等方向重点关注。

ARX模型房间逐时冷负荷预测方法

准确的冷负荷预测能减低空调能耗,对建筑节能意义重大。针对回归方法不能实时反映外部因素突变问题,提出一种实时气象因子和历史负荷为输入变量的自回归模型(ARX模型)的冷负荷预测方法。对辐射的情况进行分类,用最小二乘法辨识模型的参数,并与De ST仿真结果进行比较。实验结果表明:该方法可实现对冷负荷的逐时预测,具有良好的准确性,且简单有效。

基于传热机理的实时冷负荷预测

针对现有冷负荷预测方法不能有效解决动态实时性的问题,提出一种基于传热机理的实时冷负荷预测方法。根据谐波反应法建立针对室外气象因子的实时冷负荷预测简化模型,用最小二乘法辨识模型参数,从而降低计算量。实验结果表明该模型能较好地反映室外气象因子的实时动态性,具有较高准确度。

数学教学改革与大学生创新能力培养

培养大学生的创新意识,提高大学生的创新能力是高等教育的日标。本文主要从课程设置改革、课堂教学改革以及数学建模三个方面对学生创新能力的培养进行探讨。

基于三维热传导方程的空调房间温度场软测量方法

针对目前空调房间温度场测量方法的复杂性高、准确性差和应用范围局限等问题,提出空调房间温度场的软测量方法,以三维热传导方程为基础,建立相应的模型并求解,通过有限个点的温度值输入,得出房间内任意点任意时刻的温度,并用实际测量值进行验证。实验表明,该方法能够高效、准确地测量出房间内温度场的信息,实际操作性强。

基于改进ARX模型的房间冷负荷预测

实时冷负荷的精确预测是优化空调系统运行的关键。针对传统的基于室外气象参数和历史冷负荷的ARX模型低普适性的问题,从变量区间划分出发,提出了带温度索引的ARX模型和基于最小二乘支持向量机(LSSVM)的ARX模型。仿真实验结果表明,提出两个模型相比于传统ARX模型,精度均有大幅提升。基于LSSVM的ARX模型具有最高的预测精度和普适性。