基于灰狼群体智能算法的楼宇节能管理优化及应用

经济高速发展导致资源消耗也不断地增加,资源短缺制约了我国可持续发展战略的实施。为了响应现代企事业单位对建筑节能技术的高要求,提出了一种面向办公大楼用电管理的物联网和云服务架构;给出了以全体耗电设备和耗电时长等为自变量,以现场使用条件为约束,以最小化能源消耗为目标的多变量非线性惩罚函数;最后,结合灰狼群体智能算法求解最优值,用于设备用电调度管理。现场测试数据表明,实施智慧化能耗管理方案具有显著的节能效果,最大节能率达14.2%,具有推广应用价值。

正则化超限学习机的多分块松弛交替方向乘子法

针对超限学习机在大数据环境下计算负担过重的问题,文中提出正则化超限学习机的多分块松弛交替方向乘子法及N-等分和N/2-等分情形的标量化实现.模型分块使算法具有高度的并行结构,与松弛技术结合提高算法的收敛速度.通过分析,建立算法收敛的充要条件,给出最优收敛率及最优参数.在基准数据集上仿真计算收敛率随分块数的变化关系,对比不同算法的收敛速率和GPU加速比.实验表明,文中算法具有较低的计算复杂度和较高的并行性.

正则化超限学习机的最大分划广义交替方向乘子法

借助交替方向乘子法(Alternating Direction Method of Multipliers,ADMM),将多变量正则化最小二乘拟合问题,分解为多个可并行执行的标量优化问题,并引入可调步长因子加速算法,得到一个高度并行的最大分划广义ADMM算法,并应用于正则化超限学习机.建立了算法的收敛条件,分析了算法的计算复杂度,通过基准现实数据集实验与新近文献方法——最大分划松弛ADMM进行了收敛率比较.在GPU并行加速实验中,基于最大分划广义ADMM的正则化超限学习机获得的大GPU加速比,表明了该算法的高度并行性.

基于粒子群算法的智慧楼宇物联网节能管理系统

为实现节能办公,以公共开间为应用场景,建立了智慧楼宇物联网节能管理系统。通过对公共开间子节点多种电器设备的使用情况进行采集与分析,实现了对办公设备用电的远程监控。在此基础上,为了实现节能用电,提出了非线性优化节能模型,并用粒子群算法实现。经算例验证,该算法可有效地达到节能目的,对于能耗管理有很大的意义。