冰蓄冷空調(diào)系統(tǒng)負(fù)荷預(yù)測模型和系統(tǒng)優(yōu)化控制研究.pdf

1、該文以建設(shè)銀行杭州分行大樓的冰蓄冷空調(diào)系統(tǒng)作為實例研究對象,主要探索了空調(diào)負(fù)荷的人工神經(jīng)網(wǎng)絡(luò)預(yù)測這一新方法,并且對優(yōu)化控制的運行費用和COP與傳統(tǒng)的主機優(yōu)先控制的運行費用和COP進(jìn)行了比較和分析.該文建立了空調(diào)負(fù)荷日期類型的識別和分類的自組織特征映射(SOM)人工神經(jīng)網(wǎng)絡(luò)模型,首次用自組織特征映射理論揭示了空調(diào)負(fù)荷日期類型的分類關(guān)系.建立了溫度24小時提前預(yù)測的人工神經(jīng)網(wǎng)絡(luò)模型,使得24小時提前逐時溫度預(yù)測平均絕對誤差從改進(jìn)ASHRAE

2、計算方法的0.6663℃降低到了0.4512℃,平均相對誤差從2.02﹪降低到了1.36﹪.在研究一個統(tǒng)一的日冷負(fù)荷預(yù)測模型來預(yù)測周一到周日所有日子的日冷負(fù)荷的基礎(chǔ)上,針對工作日和假日分別建立了日總冷負(fù)荷的神經(jīng)網(wǎng)絡(luò)預(yù)測模型.建立了一個統(tǒng)一的空調(diào)逐時負(fù)荷的24小時提前人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型,并根據(jù)對日冷負(fù)荷類型的SOM分類結(jié)果,通過在內(nèi)部一共采用8個子神經(jīng)網(wǎng)絡(luò)模型使得逐時負(fù)荷預(yù)測平均絕對誤差降低到了80.64kWh,期望相對誤差降低到了3.