基于人工神經(jīng)網(wǎng)絡(luò)的建筑熱負(fù)荷預(yù)測(cè)及控制.pdf

1、目前，在我國(guó)北方城鎮(zhèn)的集中供暖大部分是供熱中心或者換熱站直接把熱水送往用戶端，易于造成供熱不均和能耗浪費(fèi)。雖然部分地區(qū)按國(guó)家相關(guān)建議和要求進(jìn)行了按熱收費(fèi)、分戶計(jì)量的嘗試，但由于分戶計(jì)量需對(duì)散熱器端的供熱裝置進(jìn)行改造且一次性投資較大，同時(shí)因用戶自主節(jié)能意識(shí)還不強(qiáng)，分戶調(diào)節(jié)尚不盡人意。代之以建筑分棟計(jì)量及調(diào)節(jié)的供熱控制裝置投資適中，自動(dòng)化水平及工業(yè)級(jí)可靠性程度更高，是調(diào)節(jié)建筑物熱負(fù)荷實(shí)現(xiàn)供熱用戶端節(jié)能目標(biāo)的有效手段。
　　建筑供熱系統(tǒng)

2、是一個(gè)大時(shí)滯、大慣性的復(fù)雜系統(tǒng)，建筑熱負(fù)荷與室外環(huán)境、建筑圍護(hù)結(jié)構(gòu)等存在一定程度的非線性關(guān)系，利用機(jī)理建模涉及參數(shù)眾多、難度大，預(yù)測(cè)結(jié)果也有較大誤差。通過(guò)利用人工神經(jīng)網(wǎng)絡(luò)不依賴模型本身的特點(diǎn)和良好的非線性逼近能力，選擇了BP(Back Propagation)與RBF(Radial Basis Function)人工神經(jīng)網(wǎng)絡(luò)的方法，根據(jù)采集到的室外干球溫度、光照、風(fēng)速、室內(nèi)溫度以及時(shí)間序列分別對(duì)建筑熱負(fù)荷進(jìn)行建模和預(yù)測(cè)。對(duì)比研究表明RB

3、F神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)更穩(wěn)定，均方誤差低于BP神經(jīng)網(wǎng)絡(luò)5.3％，更適合于建筑熱負(fù)荷的預(yù)測(cè)。
　　在對(duì)環(huán)境熱負(fù)荷預(yù)測(cè)的基礎(chǔ)上，需要為滿足建筑熱需求進(jìn)行調(diào)節(jié)。通常是靠調(diào)節(jié)電動(dòng)閥的開度對(duì)建筑物供熱管網(wǎng)的熱媒進(jìn)行量調(diào)節(jié)，但這可能因水力失衡導(dǎo)致建筑物內(nèi)的不利回路增加，造成內(nèi)部冷熱不均，嚴(yán)重時(shí)造成局部?jī)鋈鹿?。因此設(shè)計(jì)了智能Bang-Bang調(diào)節(jié)，即開閥就要將閥門開至設(shè)計(jì)開度且開夠一定的時(shí)長(zhǎng)，保證管網(wǎng)中熱媒以一定的壓力和流速流經(jīng)整棟建筑;關(guān)就可以徹底