基于VMD-GRU网络大型公共建筑冷负荷预测

基于冷负荷时间序列固有的复杂性和不规则性,针对预测过程中容易出现梯度消失、模态混叠和过拟合等问题,提出一种集成变分模态分解(variational mode decomposition,VMD)和门控循环单元网络(gated recurrent unit,GRU)的VMD-GRU模型。对原始数据进行相关性分析,挑选出相关性高的进行预测;使用VMD将原始数据序列分解为独立固有模式函数;使用GRU对每个分量进行预测;将分量预测结果相加得出冷负荷预测值。为验证模型的有效性,以西安某大型公共建筑为例进行能耗分析,并与BP、GRU、EMD-BP、VMD-BP、EMD-GRU等其他预测模型进行对比。实验结果表明,提出的VMD-GRU模型可有效解决梯度消失、模态混叠和过拟合等问题,预测精度显著提高,预测效果优于其它预测模型,符合大型公共建筑冷负荷的变化规律,为节能优化提供有力数据支撑。

两种大气压等离子体处理大肠杆菌的实验研究

为验证等离子体对大肠杆菌的杀灭效果并探讨其灭菌机理,进行了大气压下同轴介质阻挡放电射流装置和APMTP+JET型微波等离子体源两种等离子体发生装置激发等离子体的灭菌实验,并由活菌计数分别得出大肠杆菌存活曲线,通过扫描电镜对比灭菌实验前后大肠杆菌的状态,以对大气压等离子体灭菌机理进行初步分析。实验证明,该微波等离子体灭菌效果远好于同轴介质阻挡放电等离子体射流;两种装置对大肠杆菌的杀灭过程呈不同变化趋势;推测灭菌作用的主导因素为活性基团和高能粒子,其中静电电荷积累有一定作用。对于APMTP+JET装置微波等离子体,热效应不可忽略,其他因素则协同灭菌。

传染病医院给排水系统设计要点探析

介绍了三门峡市传染病医院给排水系统设计特点,总结了传染病医院给排水系统设计应注意的要点,提出了生活给水系统应做好不同区域之间的防回流污染措施,生活排水系统应做好水封、密封措施,以保证整个污水管网系统的安全性。

厌氧氨氧化技术在市政污水中的应用和研究进展

相对于传统生物脱氮技术,低能耗和低成本的厌氧氨氧化技术迅速成为市政污水脱氮领域的研究热点。介绍了厌氧氨氧化反应机理的最新研究进展,进一步分析和讨论了采用主流及侧流厌氧氨氧化工艺治理市政污水时氮源污染过程中存在的瓶颈。与侧流厌氧氨氧化工艺相比,主流厌氧氨氧化工艺在市政污水脱氮处理上具有更大的优势和潜力。最后,针对市政污水脱氮处理现状给出了厌氧氨氧化技术需解决的问题和未来发展方向。

考虑频域分解后数据特征的空调负荷预测模型

针对空调负荷预测实际应用中容易存在数据散杂且可用信息匮乏的问题,从负荷序列的非线性、非平稳性和随机性出发,提出了一种基于变分模态分解(VMD)的负荷预测方法.对不同数据特征序列考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势.首先采用随机森林(RF)进行特征选择,利用VMD将负荷序列按趋势分量、平稳分量和噪声分量进行分类重构,并分别对非线性序列建立最小二乘支持向量机(LSSVM)预测模型,时序平稳序列建立极端梯度提升(XGBoost)预测模型,采用正态分布拟合随机误差,得到各子序列预测结果并进行叠加输出最终负荷预测结果.实验结果表明,所提方法能准确反映负荷的特性并具有更好的预测精度,能有效预测空调负荷,为空调节能优化控制策略提供依据.

基于AP相似日选取与FISOA-RBF的短期负荷预测

为提高建筑电力负荷的预测精度,在考虑天气信息和日期类型等影响因素的基础上,提出基于吸引子传播(affinity propagation,AP)相似日选取和改进搜索者优化算法-径向基(fusion improvement seeker optimization algorithm-radial basis function,FISOA-RBF)神经网络的建筑用电短期负荷预测模型.采用AP算法对短期电力负荷进行相似日选取,以克服外界环境对建筑电力负荷预测精度的影响;以RBF神经网络的网络参数为优化对象,采用搜索者优化算法(seeker optimization algorithm,SOA)进行参数寻优,并引入融合改进策略提高传统人群算法的寻优性能,以进一步提高RBF神经网络的预测精度和学习速度;根据FISOA算法优化后的RBF神经网络对相似日数据进行训练,建立最优参数下的建筑短期电力负荷预测AP-FISOA-RBF模型.在相同数据集和气候特征条件下,与传统RBF、PSO-RBF和SOA-RBF预测模型相比,AP-FISOA-RBF模型平均预测绝对百分比误差分别降低了93.05%、83.60%和71.13%,平均预测速度分别提高了54.34%、39.25%和23.96%,表明AP-FISOA-RBF模型在预测精度和预测速度上的表现更好.

污水源热泵系统负荷预测模型研究

由于污水源热泵系统负荷时间序列固有的复杂性和不规则性,其负荷预测有模型构建复杂、负荷预测准确度低和过拟合等问题,为解决这一难题并提高预测精度,提出了DE-ELM-Markov模型。该模型集成了差分算法(DE)、极限学习机(ELM)和Markov误差修正。使用住宅楼真实数据对提出的模型进行测试。结果表明,提出的模型可有效地解决模型构建复杂和过拟合等问题,并准确预测住宅楼负荷。

基于改进灰色神经网络的商场冷负荷预测模型研究

目前,多数在冷负荷的预测模型中,由于预测模型的输入量和输出量的相关性较差、输入变量相互影响,信息冗余度较高,导致模型在预测精度和运算速度等方面均不理想。针对上述问题,首采用主成分分析法筛选出与空调冷负荷相关性高的变量将其作为模型的输入变量,随后使用遗传算法对网络参数进行优化,进而预测冰蓄冷空调系统的动态冷负荷。研究中分别建立三种不同的预测模型进行对比实验,相对于传统神经网络预测模型,改进模型提高了预测精度,加快了预测速度,可以较好地应用于实际项目中。

关于电子信息工程中计算机网络技术的应用分析

目前,社会进步迅速,我国的计算机工程建设的发展也有了创新。计算机网络技术是一项综合性学科,集合了软件集成、硬件集成、数据管理以及互联网利用,是计算机和互联网功能融合的资源进一步开发、管理和利用的技术。现在的人工智能技术经过了长期发展,在计算机网络技术当中得到了广泛的应用。在计算机网络技术的发展过程当中,安全问题一直是影响着人们生活和工作的重点之一,人工智能技术在计算机网络技术当中的应用,有效地提高了网络信息的安全水平,同时还能够智能地对各种信息进行储存和分析,提高模糊和缺陷信息的完善性。

基于D-S数据融合的污水源热泵故障诊断研究

为了准确迅速判断污水源热泵(Sewage Source Heat Pump,SSHP)系统故障,防止软故障造成能源浪费,提出一种基于数据融合的污水源热泵故障诊断方法。该方法采用归一化消除数据的量纲影响,使用主成分分析法(Principal Components Analysis,PCA)对变量进行特征提取。从诊断数据中筛选出特征较明显、相关性较高的运行数据,有效地降低了数据维度。利用反向传播神经网络(Back Propagation,BP)、支持向量机(Support Vector Machine,SVM)和径向基网络(Radical Basis Function,RBF)对6维故障特征向量进行故障预测,再使用D-S数据融合进一步进行故障诊断,提升故障诊断准确度。通过对2111组SSHP数据样本和2111组生成的数据样本进行诊断,结果表明:①所提出的方法可有效识别正常状态、压缩机电磁阀故障、蒸发器结垢故障和板式换热器结垢故障共四种健康状态;②通过D-S数据融合得到的故障诊断结果,在BPA上反映均有明显提高。

岐伯山医院排水系统设计总结与思考

详细介绍了郑州岐伯山医院排水系统及污水处理站的设计要点,并结合国家相关规范及标准探讨了应急临时传染病医院排水系统设计中应注意的经验和教训。提出了初期雨水建议统一收集消毒处理后排至市政污水管网,后期雨水收集后直接排至市政雨水管网;传染病医院生活排水系统的通气管道采用紫外线消毒器进行消毒处理;传染病医院污水进污水处理站之前经历两次预消毒,可以最大程度的保证整个污水处理系统消毒措施的安全性;传染病医院污水处理站应设计污水连续在线监测系统,采用无人值守,杜绝工作人员感染病毒的可能性。

PCB用可拆卸压接式电缆组件的研制

为了满足板间印制电路信号传输领域的新需求,展开了印制电路板(PCB)用可拆卸压接式电缆组件的研制。通过耐高温耐高压全氟乙烯丙烯共聚物(FEP)绝缘单芯电线、鹰爪式可拆卸压接式端子、2.54mm节点间距的矩形连接器、带端子插杆的紧固件、自锁机构和防误插机构的设计,确保该PCB用可拆卸压接式电缆组件满足小体积、大电流、高可靠等设计要求。经检测,该电缆组件的电缆外径1.6mm、端子间距2.54mm、传输电流10A、绝缘电阻≥1.5×10^(5) MΩ·km、接触电阻<10mΩ、介质耐电压≥1.2kV,已达到国外同类产品技术水平。