Entropy Assessment on Environmental Influence of Condense Heat in Recovery System in Air-Conditioning Refrigerating Machine

This paper presented an entropy evaluation method for the influences of condense heat recovery system on the environment.Aiming at the damage of the condense heat to the environment,an entropy of resource loss and an emission entropy from the condense heat recovery system in the air conditioning refrigerating machine were introduced.For the evaluation of the entropies,we developed a new algorithm for the parameter identification,called the composite influence coefficient,based on the Least Squares Support Vector Machine method.By simulation,the numerical experiments shows that the Least Squares Support Vector Machine method is one of the powerful methods for the parameter identification to compute the damage entropy of the condense heat,with the largest training error being-0.025(the relative error being-3.56%),and the biggest test error being 0.015(the relative error being 2.5%).

中央空调系统诊断分析应用研究

通过测试某办公楼大厅中央空调系统,检测环境品质,发现该系统存在人机温度不适中、空气清新度差、运行能耗较高等问题。论述了通过系统诊断及数据分析,以寻求问题症结的过程,在最低成本控制的条件下,采用风平衡调试等系统运行策略,改善大厅气流组织,解决了某大厅环境温度不适中的问题,并有效提供了一套“人机同室”的中央空调系统运行策略。该策略既降低了系统能耗,又提高了大厅内的环境舒适度和工作人员满意度,为“人机同室”室内温度难以调节等问题贡献了研究资料,具有一定的推广应用价值。

机器学习辅助优化大面积钙钛矿薄膜制备及其组件性能研究

钙钛矿太阳能电池凭借其成本低、可溶液加工的明显优势已经成为前沿研究热点方向。然而,大面积钙钛矿薄膜的可扩展加工困难,制约了钙钛矿太阳能组件开发及其商业化进程。发展钙钛矿薄膜的高通量制备技术是一条行之有效的途径。本研究结合机器学习高通量算法,探索刮涂参数对于空气环境中刮涂法制备的大面积钙钛矿薄膜的影响,并根据机器学习结果选择出最优的刮涂参数,成功地制备了36cm^(2)的钙钛矿太阳能组件。空气制备的组件获得了18.89%的光电转换效率。为了进一步提升组件性能,在钙钛矿薄膜表面修饰一层碘化苯乙铵盐,减少钙钛矿薄膜界面缺陷,制备的组件效率可达19.53%。空气稳定性达480h,仍保留初始效率的95%。

基于启发式搜索法与动态负荷跟踪的中央空调能耗全局控制方法

非线性且时滞的中央空调运行模式,导致运行能耗较高,为提高中央空调全局能耗控制效果,减少核函数和模型相关参数的相对误差,提出一种中央空调能耗全局控制方法。利用支持向量机算法,考虑变风量预测中央空调动态负荷,选择合适核函数、中央空调能耗相关参数,实时监测中央空调能耗运行总能耗,反复训练动态负荷跟踪模型,自适应调节参数并指导变频控制过程,以总能耗数据作为启发式搜索法优化目标,搜索最佳控制频率,完成中央空调能耗全局控制。实验表明,该方法降低了动态负荷预测模型的相对误差,提高了能耗控制的全局性。

基于机器学习预测建筑用空调性能的研究

露点蒸发冷却空调利用水蒸发吸热实现制冷。由于气候不同,不同地区露点蒸发冷却空调的性能存在差异。基于BP神经网络法和随机森林法两种机器学习方法,将环境温度、相对湿度、空气流速、工作空气比例、热质换热器高度、间隔、层数等7种特征作为自变量,将露点蒸发冷却空调的制冷量、制冷COP、露点效率和湿球效率作为因变量,对露点蒸发冷却空调的性能进行机器学习并预测。结果显示:两种机器学习方法均可对露点蒸发冷却空调的性能进行预测,随机森林法的预测误差小于10%,BP神经网络法的预测误差低于2%。BP神经网络法的预测效果更佳。

采用中心平衡优化的表冷系统预测控制研究

根据室外温度和相对湿度环境变量,采用极限学习机(extreme learning machine,ELM)搭建空调表冷系统室内温湿度预测模型,解决了空调表冷阀门协调控制问题,采用斐波拉契(Fibonacci)搜索算法优化了极限学习机的隐含层节点数,提出了斐波拉契极限学习机(FELM),从而提高了预测模型的精度。传统的平衡优化算法(EO)收敛速度慢,且容易陷入局部极小,将K中心聚类算法(KMedoids)嵌入到平衡优化算法中,提高了优化算法的性能。利用中心平衡优化算法(KEO)滚动优化得到表冷系统3个阀门的控制量,即主表冷阀、副表冷阀和电动三通阀的开度。仿真实验表明:与传统的ELM预测控制算法相比,KEO-FELM预测控制具有更高的稳定性和跟踪性,以及更好的节能效果。

基于VMD和KELM的空调超短期负荷预测

空调系统负荷预测模型是暖通空调优化控制的重要基础。针对现有负荷预测模型精度和稳定性不高的问题,提出一种新的混合模型进行空调系统超短期负荷预测。即首先使用变分模态分解方法将历史负荷时间序列分解成一系列模态分量。然后使用麻雀搜索算法对核极限学习机的参数进行优化,利用优化后的核极限学习机对各模态分量建立预测模型。最后,将各模态分量的预测结果汇总得到最终预测值。在MATLAB环境下进行仿真,结果表明上述混合预测模型具有更高的精度,在空调系统超短期负荷预测中有很好的应用前景。

基于鲁棒极限学习机的居民空调负荷能耗预测方法

为实现高精度的居民空调负荷能耗预测,基于鲁棒极限学习机提出了一种新的居民空调负荷能耗预测方法.以归一化的方式处理空调负荷能耗数据集,优化预测用户工作日样本数据集,采用鲁棒极限学习机构建负荷能耗激活函数预测模型.引入拉格朗日算子约束优化模型,以迭代求解的方式完成居民空调负荷能耗预测.仿真测试结果表明,在迭代次数为250次、过度补偿为1.5%时,该方法的收敛速度为0.2 ms,平均预测精度为96.7%,具有较强的预测性能.

基于支持向量机及粒子群算法的空调负荷预测方法研究及应用

以空调负荷的预测方法为研究对象,通过预测建筑物的空调负荷,及时有效地调控系统,达到降低建筑能耗的目的。基于最小二乘支持向量机(LS-SVM)提出预测方法,并采用粒子群算法(PSO)实现优化计算,围绕济南及成都地区不同类型建筑物的空调负荷进行预测,确定影响空调负荷的各个因素并在计算过程中不断调整以简化预测过程。采用Matlab语言进行编程计算和分析,通过不断调整输入因素及部分PSO参数以降低预测误差。基于支持向量机及粒子群算法的空调负荷预测模型性能较好,预测精度高。研究结果可为暖通空调系统的负荷预测提供参考,揭示空调负荷的变化特点以实现节能调控的目的。

机房空调室内外机间配管长度及落差对可靠性影响的研究

随着空调行业的快速发展,空调设备应用更加广泛,各种工程安装环境对空调设备的可靠性产生各种影响,对实用、耐用、稳定的可靠性要求造成巨大的挑战。高落差、长连接管的机房空调系统常常会因为大量的润滑油被制冷剂带离分布在管路中,管路越长,则系统回油能力越差继而出现压缩机回油困难、缺油磨损等问题。克服客观条件带来的不利影响需要对机房空调室内外间配管长度及落差的可靠性影响进行研究,并有助于帮助解决压缩机回油困难,液击损坏等问题。文章在高落差长连接管机房空调基础上进行研究分析,主要对采取相应改进措施的机组改进前后进行试验对比,分析机组性能。同时设置极端恶劣工况,验证机组面对恶劣工况时的可靠性。在上述基础上对机房空调高落差长连接管带来的不利影响提出对应解决措施来提高机组可靠性。

直膨式空调在大学公共建筑中的应用效果

结合直膨式空调在大学校园中的应用,对空调类型、应用场所及控制方式等进行分析,针对其特点,从内机、外机、基础、电气配合等方面介绍了设计要点,从设计、配合等方面总结了大学公共建筑中的空调特点及选用方式,分析直膨式空调在此类建筑不同功能空间中的应用效果。

高效空调机房的设计要点分析

在对空调进行应用过程中,需要保证空调系统的空气供应充足性,降低在生产区空气中产生有害或者无害异物,确保能够对污染产品空中微尘进行处理,可以通过对空间内部温度进行有效调节的方式,保证整体空间的使用舒适度,提高用户的生活品质。进行空调机房设计的主要目的是为了保证整体空调系统应用质量,确保机房的设计以及后续建设能够达到预期状态,进而为空调的高质量使用提供可靠支持与保障。该文将通过对冷水机组选择与配置相关内容的介绍,对高效空调机房设计要点展开深度性探讨,旨在优化空调机房设计内容,保证空调机房的整体设计水平。

空调室外机电子膨胀阀出液管断管分析与优化

在某款家用空调室外机项目开发阶段的模拟运输扫频振动实验中,电子膨胀阀出液管根部出现断管现象,通过有限元仿真分析,原方案在77Hz频率处电子膨胀阀组件存在整体上下模态,是导致断管的主要原因。针对此断管问题,提出了加强管焊接位置的优化方案,仿真得出优化后在实验频率范围内未出现整体上下模态,且在原断管位置处的应力相比原管路方案降低了73.1%。经实验验证,该加强管优化方案有效,可避免该款机型的电子膨胀阀出液管断管问题。

基于支持向量机的建筑物空调负荷预测模型

建立了基于支持向量机(SVM)理论的建筑物空调负荷预测模型。对广州地区某办公楼夏季不同月份的逐时空调负荷,分别用SVM模型和BP神经网络模型进行了训练和预测。仿真结果表明,SVM模型具有更高的预测精度和更好的泛化能力,是建筑物空调负荷预测的一种有效方法。

不同核函数的支持向量机用于空调负荷预测的对比研究

支持向量机(SVM)在模式分类和回归分析领域有广泛的应用,是目前我国新兴的人工智能方法,本质上是一种核方法。本文分别采用RBF、线性及Sigmoid核函数建立SVM模型,对某银行夏季的空调负荷进行逐时训练和预测,对三种核函数的预测结果进行了对比研究,仿真结果表明了RBF对该模型有更强的泛化能力和高的学习能力。

切向结构永磁同步电机中磁钢厚度对性能的影响

提出了切向结构永磁同步电机中磁钢厚度的约束条件;依据电机学理论并结合有限元计算方法,研究了气隙长度恒定时不同极对数下气隙磁密、每极磁通与磁钢厚度的关系,探讨了磁钢厚度对电机的过载能力、铁耗等性能的影响;在气隙长度发生变化时,为了保证漏磁大小不变,讨论了气隙与非导磁衬套厚度、磁钢厚度的关系。并指出:(1)气隙恒定时,随着磁钢厚度的增加,不同极对数时磁钢体积增大所提供的磁势对每极磁通的影响有所不同;铁耗和过载能力随磁钢厚度的增加而增大。(2)气隙增大时,为了保证气隙磁密和漏磁不变,必须增加非导磁衬套的厚度。(3)极对数增加时,减小磁钢厚度能提高电机的性价比。

公共建筑空调系统运行调适方法研究(1):冷水系统

通过对实际项目冷水系统运行性能的详细测试和数据分析,总结了冷水系统运行调适方法。从外因、内因、内外协同3个方面入手,对该项目高区、低区冷水系统进行了节能运行调适,在不更换设备的前提下,提升了冷水系统整体运行性能,为降低冷水系统运行能耗提供了调适方法。

集中空调系统周期性暂停用电研究

针对我国2003年夏季高峰电力紧缺的严峻问题,提出实施集中空调系统周期性暂停用电工作的意见,阐述基于GPRS技术的集中空调负荷管理系统的原理、功能和结构,并以江苏省为例对其潜在效益进行了研究、分析。通过分析得出实施该系统在不影响用户舒适度的情况下,可以以极小的经济代价为江苏电网避免可观的新增系统峰荷容量,具有巨大的经济和社会效益。

机房环境节能控制系统的设计与应用

系统以单片微机为核心,配以多种监控电路、传感器、新风系统等,可有效地实现对机房内部的环境水泄漏、环境温度、湿度的检测,对机房专用空调机的故障和运行状态的检测和控制。并且,可充分利用自然环境的条件调节机房内部的环境温度,可大大降低机房的能耗。该系统特别适合在无人值守的机房中应用。

自适应加权最小二乘支持向量机的空调负荷预测

为了提高建筑空调负荷的预测精度,在分析空调负荷主要影响因素的基础上提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)的建筑空调负荷预测方法。该方法根据预测误差的统计特性,采用基于改进正态分布加权规则,自适应地赋予每个建模样本不同的权值,以克服异常样本点对模型性能的影响。建模过程中采用粒子群优化(PSO)算法对模型参数进行优化,以进一步提高模型预测精度。基于DeST模拟数据将AWLS-SVM方法应用于南方地区某办公建筑的逐时空调负荷预测中,并与径向基神经网络(RBFNN)模型、LS-SVM模型及WLS-SVM模型作比较,其平均预测绝对误差分别降低了51.84%、13.95%和3.24%,并进一步基于实际空调负荷数据将该方法应用于另一办公建筑的逐日空调负荷预测中。预测结果表明:AWLS-SVM预测的累积负荷误差为4.56MW,亦优于其他3类模型,证明了AWLS-SVM具有较高的预测精度和较好的泛化能力,是建筑空调负荷预测的一种有效方法。