基于遺傳神經(jīng)網(wǎng)絡(luò)的空調(diào)房間送風(fēng)量預(yù)測研究.pdf

1、隨著社會經(jīng)濟的發(fā)展以及人民生活水平的提高，賓館、商場和辦公大樓中空調(diào)系統(tǒng)要求也日益提高，電力供需矛盾進一步加劇。減少空調(diào)系統(tǒng)的能量消耗，緩解用電壓力已經(jīng)迫在眉睫，這也是保護環(huán)境的需要。在電力供應(yīng)日益緊張的情況下，變風(fēng)量空調(diào)、冰蓄冷空調(diào)系統(tǒng)在經(jīng)過一段時間的蕭條期后，被人們重新所接受，在越來越多的工程中得到應(yīng)用。但這兩種空調(diào)形式因為其自身系統(tǒng)形式的原因，在控制方面也存在著一些問題，所以一些高校、企業(yè)和科研機構(gòu)也加強了在這方面的研究。本文所做

2、的對空調(diào)房間需求送風(fēng)量的預(yù)測對促進總風(fēng)量控制方法在變風(fēng)量空調(diào)系統(tǒng)中的應(yīng)用以及實現(xiàn)對冰蓄冷空調(diào)蓄冷量的精確控制具有很直接的作用。 本文首先分析了傳統(tǒng)的一些建模方法在建立空調(diào)房間需求送風(fēng)量預(yù)測模型方面存在的弊端，然后引出了人工神經(jīng)網(wǎng)絡(luò)建模的思想。在闡明了BP算法所固有的收斂速度慢、容易陷入局部極小點等缺點的基礎(chǔ)上，將遺傳算法和BP算法結(jié)合起來，先利用遺傳算法全局尋優(yōu)的特性，對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行遺傳搜索，在滿足中止條件后，轉(zhuǎn)

3、入BP算法進行局部尋優(yōu)，從而達(dá)到收斂速度快，預(yù)測結(jié)果精確的目的。 利用DeST強大的分析計算功能，模擬了南京某辦公建筑空調(diào)系統(tǒng)一整年的相關(guān)負(fù)荷數(shù)據(jù)。經(jīng)過與實際氣象情況的對比分析后，我們認(rèn)為所得到的數(shù)據(jù)具有一定的可信性，可以作為所建立的建筑物空調(diào)房間需求送風(fēng)量預(yù)測神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本和測試樣本。 通過比較BP算法和GA-BP算法在空調(diào)房間日平均送風(fēng)量預(yù)測模型中的預(yù)測效果，證明了GA-BP算法比BP算法具有較快的收斂速度和

4、較高的預(yù)測精度。然后闡述了用一個統(tǒng)一的逐時送風(fēng)量預(yù)測模型來預(yù)測8:00-21:00中每個時刻的送風(fēng)量是導(dǎo)致預(yù)測精度不高的原因。進而根據(jù)分段建模的思想，將14個小時分為正常工作時間和晚上加班時間兩個時段，采用不同的子神經(jīng)網(wǎng)絡(luò)模型分別進行預(yù)測，得到了較好的預(yù)測效果，平均相對誤差由原來的10.27％降為7.24％。 最后，通過這幾個模型的預(yù)測效果可以得出結(jié)論：GA-BP算法對BP神經(jīng) 網(wǎng)絡(luò)權(quán)指和閾值的優(yōu)化，達(dá)到了加快收斂速度，