版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、建筑能量系統(tǒng)是一類(lèi)多變量、分布式參數(shù)的復(fù)雜系統(tǒng)。準(zhǔn)確預(yù)測(cè)建筑能量消耗水平是分析建筑物的節(jié)能潛力、指導(dǎo)未來(lái)能源使用的重要基礎(chǔ)和前提。同時(shí),對(duì)于提高建筑能耗設(shè)備的使用效率、減少能源浪費(fèi)具有重要現(xiàn)實(shí)意義。目前,應(yīng)用先進(jìn)優(yōu)化算法實(shí)現(xiàn)建筑能量預(yù)測(cè)引起了諸多關(guān)注。本文針對(duì)既有建筑,運(yùn)用多種群智能優(yōu)化算法,圍繞數(shù)據(jù)驅(qū)動(dòng)的建筑電能耗預(yù)測(cè)方法展開(kāi)研究。具體研究?jī)?nèi)容包括:
?。?)作為典型的數(shù)據(jù)驅(qū)動(dòng)建模方法,人工神經(jīng)網(wǎng)絡(luò)(ANN)在過(guò)去20多年間被
2、廣泛應(yīng)用于建筑能量預(yù)測(cè)領(lǐng)域。本文驗(yàn)證了基于BP神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測(cè)模型,在數(shù)據(jù)預(yù)處理過(guò)程中,采用基于主成分分析法(PCA)的變量選擇方法對(duì)ASHRAE提供的建筑能耗原始數(shù)據(jù)進(jìn)行變量篩選。仿真實(shí)驗(yàn)結(jié)果表明該模型能夠準(zhǔn)確的預(yù)測(cè)建筑能耗,且建模時(shí)間較短。
?。?)為了克服 BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)過(guò)程中易陷入局部極值、收斂速度慢的缺陷,引入群智能算法中應(yīng)用較多的微粒群算法(PSO)和遺傳算法(GA)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)各處理層之間的連接權(quán)值和
3、閾值,構(gòu)建了PSO-ANN和GA-ANN兩種建筑電能耗預(yù)測(cè)模型。利用ASHRAE公布的建筑能耗數(shù)據(jù)進(jìn)行驗(yàn)證實(shí)驗(yàn),并做對(duì)比分析研究。結(jié)果表明PSO-ANN在預(yù)測(cè)精度、建模時(shí)間及算法復(fù)雜度上均優(yōu)于GA-ANN模型,體現(xiàn)了該模型的優(yōu)越性。
(3)針對(duì)基本PSO算法易早熟收斂和尋優(yōu)速度慢的問(wèn)題,本文提出了一種改進(jìn)的 PSO算法,該算法結(jié)合了生物界繁殖和遺傳變異機(jī)制。繁殖機(jī)制可以有效的保證種群微粒更好地搜索解空間,并且能加快種群收斂速度
4、;遺傳變異機(jī)制用來(lái)擾亂種群微粒的尋優(yōu)軌跡,從而在可行解空間中克服易陷入局部最優(yōu)解的現(xiàn)象。基準(zhǔn)測(cè)試函數(shù)計(jì)算結(jié)果表明iPSO具有較強(qiáng)的全局搜索能力和較快的收斂速度。本文運(yùn)用該算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值,構(gòu)建了iPSO-ANN建筑電能耗預(yù)測(cè)模型。仿真實(shí)驗(yàn)結(jié)果證明了該模型的有效性:平均建模時(shí)間不超過(guò)10秒鐘,預(yù)測(cè)精度比單一BP神經(jīng)網(wǎng)絡(luò)提高了22.7%。
(4)利用所提出的iPSO-ANN模型預(yù)測(cè)某高校圖書(shū)館建筑的逐時(shí)電力能耗
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數(shù)據(jù)驅(qū)動(dòng)的基站能耗建模方法研究.pdf
- 基于數(shù)據(jù)的建筑能耗預(yù)測(cè)與優(yōu)化.pdf
- 夏熱冬暖地區(qū)辦公建筑用電能耗預(yù)測(cè)研究.pdf
- 重慶市居住建筑能耗預(yù)測(cè)方法研究.pdf
- 基于值迭代算法的建筑能耗預(yù)測(cè)方法研究.pdf
- 船舶能耗評(píng)估方法和能耗預(yù)測(cè)的研究.pdf
- 公共建筑用電能耗數(shù)據(jù)采集與監(jiān)測(cè)技術(shù)研究.pdf
- 基于數(shù)據(jù)驅(qū)動(dòng)的短期電力負(fù)荷預(yù)測(cè)方法研究.pdf
- 數(shù)據(jù)驅(qū)動(dòng)的血糖預(yù)測(cè)方法及其應(yīng)用.pdf
- 基于改進(jìn)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的辦公建筑用電能耗預(yù)測(cè)研究.pdf
- 公共建筑采暖空調(diào)系統(tǒng)能耗預(yù)測(cè)方法研究.pdf
- 建筑能耗監(jiān)控與預(yù)測(cè).pdf
- 應(yīng)用于公共建筑節(jié)能評(píng)估的建筑能耗預(yù)測(cè)方法研究.pdf
- 建筑能耗動(dòng)態(tài)分析用氣象數(shù)據(jù)構(gòu)成及THRF新的能耗分析方法研究.pdf
- 基于Hadoop的公共建筑能耗數(shù)據(jù)挖掘方法研究.pdf
- 基于數(shù)據(jù)驅(qū)動(dòng)的電器產(chǎn)品壽命預(yù)測(cè)方法研究.pdf
- 基于AVR和ARM的公共建筑用電能耗數(shù)據(jù)采集器的研究.pdf
- 建筑能耗動(dòng)態(tài)分析用氣象數(shù)據(jù)構(gòu)成及thrf新的能耗分析方法研究(1)
- 基于數(shù)據(jù)挖掘的公共建筑能耗預(yù)測(cè)與能效管理.pdf
- 基于Hadoop的建筑能耗預(yù)測(cè)模型構(gòu)建與研究.pdf
評(píng)論
0/150
提交評(píng)論