郭俊超[1]2000年在《人工神经元网络在热量计量中的应用技术研究》文中研究表明蒸汽是工业上重要的二次能源之一。蒸汽的准确计量对于节约能源和提高企业经济效益有着非常重要的意义。然而，由于蒸汽是一种特殊的载体，它不同于一般的气体，因此给蒸汽的计量工作带来了一定的难度。 本课题主要研究的是在蒸汽流量测量的数据处理过程中，如何用人工神经网络模型来代替传统的迭代算法。其内容包括：人工神经网络模型的选择；网络结构的建立和优化；标准BP算法的改进；人工神经网络的滤波特性分析；人工神经网络在微处理器中的实现。 在选择微处理器时，我们选用了美国MICROCHIP公司研制、生产的PIC16C74A型单片机。该单片机采用了RISC技术，它具有控制功能强大，编程简单的优点，使得外围电路的设计极为方便。 本文结论表明：所建立的人工神经网络模型较之于传统的迭代算法，具有算法简单，执行速度快，节省程序存储空间，抗干扰能力强的优点。在二次仪表向更高集成化发展的今天，采用人工神经网络模型有助于提高仪表的集成度。
张惠民[2]2016年在《大型公共建筑节能研究与应用》文中认为能耗问题一直是我国建筑业可持续发展的重大问题,大型商业建筑需要消耗巨大能源。本文以项目所涉及的大型公共建筑为研究对象,对其能耗特点以及节能措施进行模拟分析与应用。通过收集重庆地区研究大型公共建筑的文献资料,并结合团队部分数据,主要研究了重庆地区商业建筑与办公建筑的能耗特点,并采用模拟的方法对某大型公共建筑建模研究,探究其逐时动态负荷、负荷结构、主要房间负荷分布。对大型公共建筑内外区进行了三组模拟实验研究,从模拟结果可以看出分区在距离围护结构3m时受室外环境影响已不是太大,内区冷指标在200w/m2左右,相比内区冷热指标外区冷热指标变化剧烈,并综合分析了内区余热的利用潜力与外区逐时动态热负荷的配合性。采用模拟的方法研究了大型公共建筑能耗组成、能耗的月能耗分布特点、日能耗分布特点以及相应的能耗指标对比,并通过正交分析研究了影响大型公共建筑节能潜力的主要围护结构因素,为工程实际节能设计提供一定参考,并利用重庆某大型公共建筑能源站2014年记录的实际运行数据,采用附加动量因子与自适应调整学习速率的反向传播算法,建立了基于BP神经网络的大型公共建筑网络能耗模型,通过实测数据对建立模型的准确程度进行检验,并对比研究了能耗模拟与能耗网络模型的特点与应用。针对大型公共建筑的特点提出相应的空调系统与围护结构的节能降耗方案,对影响能耗的主要围护结构因素采用市场上现有的几种幕墙结构进行经济技术比较,光伏幕墙可实现建筑长生命周期的节能效果但前期投资过大。对末端系统节能进行研究,主要建模分析了较适用于大型公共建筑的热回收系统、水环热泵系统,对大型公共建筑采用上述系统可以分别节能4-5%、4.22%,并分析了部分商场关闭通风系统可能产生影响的末端管理模式模拟计算,在部分时段会出现CO2超标现象。冷热源机组是空调系统能耗的最主要部分,对于大型公共建筑往往需要混合多台机组配合运行,机组设置与建筑负荷波动是否配置合理,对大型公共建筑是否节能有着极大的影响。本文主要针对混合多台冷水机组的运行模式进行分析,提出了混合多台冷水机组运行模型,并针对本项目特点进行求解,得到其节能控制节点,同时采用神经元网络建立了人员密度与室外温度及建筑负荷率与机组控制的模糊网络,对机组群控具有较好预测效果,最后提出了适用于大型公共建筑的机组节能措施。
宋新玲[3]2007年在《基于神经网络解耦控制器的热网控制研究》文中研究说明随着城市建设飞速发展，节能、降耗及环保意识的增强，集中供热成为我国北方城市供热的大势所趋。它是节约燃料、改善环境及实现城市生活现代化的一项重要技术措施和政策。如何有效地控制和管理整个热力系统，提高热力系统的经济效益和社会效益，成为各供热企业急需解决的重要课题。由此导致集中供热网的运行调节和控制策略等相关问题应运而生。本文以实验室热网装置的控制为基础，旨在对集中供热网的运行调节和控制方法进行研究，主要进行了以下几方面的工作：对国内外集中供热系统的运行调节和控制技术进行了概述，并从按需供热和均匀供热的角度进行了进一步阐述。然后针对我国集中供热网的特点和存在的问题采用了适合国情的基于温度的流量控制方法。系统地讨论了集中供热系统流量调节的神经网络解耦控制策略，并针对集中供热网这种具有大滞后、大惯性、非线性、强耦合特性的系统，设计了基于非线性多变量的神经网络解耦控制器，并随后深入探讨了该控制器的特性和具体的设计思想。详细介绍了实验室热网系统硬件装置的组成、实时热网监控系统软件平台的设计开发、神经网络解耦控制器的具体实现。结果表明，该控制器能够合理的分配各热力子站一次网侧的流量，使各用户二次网供回水平均温度趋于一致，进而实现全网内热量的合理分配，提高供热网的供热质量，达到了集中供热的整体目标即稳定供热和均匀供热。
武鹏[4]2007年在《动力电池数字终端管理系统的研究》文中研究表明随着能源和环保问题的日益突出,混合动力电动汽车以其零排放,噪声低等优点而受到世界各国的高度重视,电池能量管理系统作为发展电动车的关键技术之一,是电动车产业化的关键。本文致力于电动汽车蓄电池能量管理系统中电池荷电状态的预测研究,深入讨论了镍氢电池的充放电特性、内阻特性等,开展了对镍氢电池充放电容量的预测和估计方法的研究。主要研究工作以及研究成果如下:分析了镍氢蓄电池的基本工作原理、充放电特性以及影响蓄电池SOC (state of charge)剩余容量的因素,从多个方面对目前各种动力蓄电池点进行了比较,发现镍氢蓄电池是较为理想的电动汽车动力源。研究了镍氢电池SOC的几种预测方法:即通过计算电池在充放电时的累积电量来估计电池的SOC的电量累积法;通过计算镍氢电池的内阻来计算电池SOC的内阻法以及通过测量电池的开路电压来估计SOC的开路电压法等等,比较了这些方法的优缺点,并提出了本文的基于ANN的SOC预测方法的思想。为有效地对电动车蓄电池的SOC进行预测,引入了人工神经网络BP改进算法的Levenberg-Margardt (LM)算法,建立了基于镍氢电池的神经网络模型。实现了对镍氢电池充放电过程中任一状态下的剩余容量的预测。并对镍氢蓄电池SOC的预测进行了仿真,结果表明,通过该网络模型可以方便快速的得到电池的SOC值,所得结果满足要求,为电池管理系统提供了一种新的电池SOC的预测方法。通过实验发现由于误差反传多层前馈网络本身的缺陷造成误差较大,应该寻求一种更加简便精确的预估方法。神经网络有对非线性函数的任意逼近能力,使用简单的误差反传网络和ELM网络预测SOC,精度不高。采用ELM网络相结合,增加了网络训练的收敛速度,精度高,运算快。最后,设计确定了类似多层前馈网络的全新网络结构,结果表明该网络能够预测恒流和变电流条件下的SOC。为一类物理化学电源的预测提供了新的方法。
胡星湦[5]2017年在《集中供热系统动态负荷预测与节能控制策略研究》文中研究说明随着我国国民经济的快速发展,人们对生活环境的舒适性要求越来越高。集中供热事业是我国重要的基础性事业,是保证我国北方地区人们冬季生活环境舒适性的重要手段。当前我国能源于环保形势严峻,粗放式集中供热方式不满足绿色发展要求。依靠先进的技术手段与控制策略来保证集中供热系统的高效节能运行是建筑集中供热系统发展的趋势。随着计量与监控技术、网络控制技术、信息处理技术的发展,依托这些先进技术,研究建筑集中供热系统节能控制策略,提升集中供热系统运行能效,已经成为相关领域研究和关注的重要内容。本文基于陕西地区某热力公司的供热技术平台的数据,考虑负荷动态调节要求,以末端负荷预测为目的,研究具有动态调节特征的负荷预测方法,在末端动态负荷预测的基础上,提出了集中供热系统末端设备节能控制策略和换热站节能控制策略,以期提升集中供热系统运行节能效率。本文首先分析了现行供热系统变流量控制策略与热负荷预测方法中存在的问题。现行供热系统的变流量控制策略主要有“温差”和“压差”控制策略,这两种方法都是基于系统热负荷的集中效应进行的控制,不能完全满足供热系统末端用户动态调节的要求和保证所用末端用户的热舒适性。随着供热系统计量与监控技术发展,我们可以比较方便地获得所用末端用户的环境与运行参数,利用这些参数,研究合适的动态负荷方法,改善现行供热系统变流量控制策略的不足,是本文研究的核心内容。通过对影响热负荷变化的因素进行分析,发现供热系统负荷变化受多种因素影响,并具有很强的非线性和不确定性。通过供热系统常用的负荷预测算法进行简单的分析,发现目前热负荷预测算法具有算法复杂、关注集中效应、不具备动态调节特征等局限。为了目前热负荷预测算法中存在的问题。本文从负荷数据预测与曲线拟合的相似性出发,引入了移动多项式最小二乘预测模型;考虑供热系统负荷变化较为平缓而且趋势性较为明显的特点,采用改进加权移动平均算法对末端负荷进行了预测。本文用相同的、来自实际工程的热负荷数据,分别采用移动多项式最小二乘预测模型、改进加权移动平均算法预测模型与目前负荷预测研究领域的热点算法BP神经网络算法进行了预测计算,并对预测结果进行了对比分析。预测结果表明:移动多项式最小二乘算法和改进加权移动平均算法较BP神经网络算法的平均预测误差小,算法更为简单,所需数据也较少,更能适用于集中供热系统末端热负荷预测的工程应用。最后,根据对末端用户热负荷动态预测的结果,结合供热系统的网络控制与管理平台的功能,本文提出了基于末端用户热负荷动态预测的节能控制策略,可分别实现用户末端设备调节和换热站负荷调节的节能运行优化控制,力图实现整个热网的按需供热,有助于提高整个供热系统运行效率,实现节能减排的目标。
程乐平[6]2003年在《集中供热的智能化系统研究》文中提出本文从北京市供热管网的实际出发，系统地讨论了适合我市实情的神经网络技术在供热管网预测和调度中的应用研究，主要进行了如下几个方面的工作： 以城市供热系统为对象，综合分析了我市集中供热的现状，结合当前国际供热技术的发展，分析了我市集中供热的发展趋势，并提出了一种适合我市实情的供热模型，该模型具有分布式、递阶结构、智能化以及良好的实用性和可靠性等特点，可极大提高集中供热的自动化水平和节能效果。 利用神经网络开发了适用于供热负荷预测的PM-RBF算法，通过仿真得出，该算法具有良好的预测精度和速度，能够较好地解决我市集中供热负荷的预测问题，并为系统的总体优化调度提供了基础。 结合提出的集中供热模型，对集中供热优化调度进行了数学建模工作，从数学模型的角度来看，供热系统优化调度问题属于复杂系统非线性优化问题，由于问题的复杂度较高，本文探讨了利用遗传算法来对该模型进行最优化求解，并针对遗传算法的某些不足提出了解决方法。
冯殿义[7]2006年在《基于人工神经网络工业蒸汽热流量计量系统》文中指出过热蒸汽广泛应用于工业、生活的各个领域。但目前在热能计量管理和经济核算中,蒸汽计量通常采用质量流量计量方法,这种计量方法不能真正反映用户的热量消耗的实际水平,用热能计量取代传统的质量流量计量方法是过热蒸汽计量管理和经济核算的发展趋势。本文基于人工神经网络技术,建立了工业蒸汽热流量及质量流量计量系统。通过建立过热蒸汽密度和密度焓积的双输出人工神经网络模型,实现质量流量的温度、压力补偿及过热蒸汽热流量的测量。在工业蒸汽常用的工作范围内建立了基于人工神经网络模型工业蒸汽热流量的测量系统;采用计算机模拟误差分析方法对测量系统进行误差分析,确保了系统应用的可靠性。测量系统采用VC++和MATLAB联合编程技术,充分地利用了MATLAB强大的运算能力和VC++软件开发功能,建立了在线数据的采集、计算、存储、实时显示及历史数据查询为一体的过热蒸汽计量系统,使过热蒸汽热流量的在线计量系统具有实时性和可用性。
徐树庆[8]2017年在《建筑供暖室内温度预测及控制研究》文中研究指明随着世界能源与环境问题的日益加剧,节约能源和保护环境已成为了各国政府的重要工作之一。建筑能耗在所有的能源消耗中占世界总能耗的1/5左右。我国的建筑系统的能源消耗占能源消耗总量的1/3以上,在全部的建筑系统的能源消耗中其供暖能耗又占60%左右,因此建筑的供暖能耗浪费最为严重,而且其节能的潜力巨大。对于目前现有的建筑供暖系统大多缺乏先进的调控手段以及自动化水平不高,不仅降低了用户的热舒适性,还造成了能源的浪费。建筑供暖系统是一个具有大惯性、大滞后的复杂非线性系统,建筑室内温度与围护结构、室外环境及供暖设施所提供的热量等存在着一定程度的非线性关系,利用机理建模难度较大,涉及参数众多,预测结果也有较大误差。通过利用人工神经网络良好的非线性逼近能力以及不依赖模型本身的特点,选择了 BP(Back Propagation)与RBF(Radial Basis Function)人工神经网络的方法,根据采集到K时刻的建筑室温、K-T时刻的建筑室温、K时刻供回水温差、控制状态、室外温度以及光照分别对建筑K+T时刻的室温进行建模和预测。通过仿真对比研究表明,RBF神经网络相对于BP神经网络的预测更加稳定,其均方差低于BP神经网络10.5%,更适合于建筑室内温度的预测。在对室温预测的基础上,需要对建筑的室温进行合理的调节。本文结合大连某高校建筑供暖实际情况设计了专家控制器,首先对建筑供暖控制策略进行了分析,针对不同建筑的不同供暖需求,采取分时供暖的策略;针对室温控制大惯性、大滞后的特点,采取利用室温预测模型与模糊控制相结合的调节方法;同时为保证供暖的安全,设计了一系列的保护策略。然后基于无线通讯技术设计了建筑供暖专家控制平台,该平台具备远程监控、故障及紧急事故处理等功能,大大提高了建筑供暖的自动化水平,保证了供暖的舒适与安全。最后经过实际实验分析,利用专家控制能够及时对室内温度进行调控,减少了超调,实现合理用热,平均节能率可达9.23%,具有良好的经济和社会价值价值。
凡东生[9]2011年在《基于神经网络理论的集中供热流量控制的研究》文中认为集中供热室内温度控制是我们面临的棘手问题；如何实现科学供热是我们需要解决的问题；不断提高用户的节约意识,把热作为一种“商品”,按用热量收费是我们工作的落脚点。集中供热是一个非线性、大滞后及动态性系统,采用传统的控制方法很难达到科学供热的效果。本文在查阅了国内外大量的集中供热温度控制参考文献的基础上,介绍了换热站的工作原理及构成,分析了热网与热用户的连接方式和供热调节方法,应用变频调速的控制原理来调节流量,采用变频调速来改变二次网流量,使回水温度保持在设计值。由于神经网络不依赖于数学模型,具有高度非线性且超大规模连续时间动力学特性,能够逼近任何数学模型。论文作者介绍了人工神经网络的基本理论,包括人工智能的发展,神经元的基本构成和激活函数,人工神经网络的训练方式和神经网络控制系统的基本原理；应用Matlab及神经网络工具箱,完成了对集中供热流量控制器的建模,确定了Elman神经网络模型的拓扑结构,应用Elman神经网络对集中供热回水温度进行了预测控制。用实验得到的数据对网络结构进行训练,预测结果与实际数据对比后表明：Elman神经网络具有动态特性好、逼近速度快、负荷预测可靠,最大相对误差小于1.4%,预测负荷的绝对误差最大值不超过0.74。C,可以满足集中供热系统进行快速、精确调节的需要。验证了Elman神经网络控制器适应于集中供热负荷预测模型。
李胜涛[10]2014年在《集中供热系统的热负荷预测方法研究》文中指出城市集中供热节能是建筑节能的有效途径之一。供热系统的运行调节直接影响着系统的整体节能。供热系统的供暖热负荷预测指导着供热系统的运行调节和控制。因此，本文提出了对供热系统供暖热负荷预测方法的研究，目的是提供一种预测供热系统供暖热负荷值的方法，在确保满足各热用户（热力站）的实际供热需求的条件下达到供热系统的经济运行。本文以集中供热系统作为研究对象，基于遗传算法优化的神经网络算法，进行供热系统的供暖热负荷预测方法的研究。首先从影响建筑热负荷的因素入手，对建筑供暖热过程和供暖负荷的特征进行了分析。按照供暖负荷的特征将其划分为气象因素、建筑因素和人为因素，并区别供热计量建筑与非热计量建筑。由于用户行为的不可预知性，其为负荷预测中的偶然因素。在此基础上，根据热负荷预测过程中的主要影响因素对热负荷方法进行了研究。对目前可用于热负荷预测的方法进行了评价。由于供热系统热负荷具有时变性、时滞性、随机性和偶然性等特点，神经网络方法对热负荷的预测具有明显优势，其中，BP神经网络算法存在收敛慢、容错差、易陷于局部最小等缺点，而遗传算法能弥补BP算法的不足，因此本课题选择了这种方法。本文以MATLAB软件为平台，用遗传算法来优化网络结构的权值，再结合BP神经网络算法对历史数据进行学习训练，最终得到热负荷的预测结果。
参考文献：
[1]. 人工神经元网络在热量计量中的应用技术研究[D]. 郭俊超. 北京化工大学. 2000
[2]. 大型公共建筑节能研究与应用[D]. 张惠民. 重庆大学. 2016
[3]. 基于神经网络解耦控制器的热网控制研究[D]. 宋新玲. 大连理工大学. 2007
[4]. 动力电池数字终端管理系统的研究[D]. 武鹏. 天津大学. 2007
[5]. 集中供热系统动态负荷预测与节能控制策略研究[D]. 胡星湦. 广州大学. 2017
[6]. 集中供热的智能化系统研究[D]. 程乐平. 北京工业大学. 2003
[7]. 基于人工神经网络工业蒸汽热流量计量系统[D]. 冯殿义. 辽宁工程技术大学. 2006
[8]. 建筑供暖室内温度预测及控制研究[D]. 徐树庆. 大连海事大学. 2017
[9]. 基于神经网络理论的集中供热流量控制的研究[D]. 凡东生. 长春工业大学. 2011
[10]. 集中供热系统的热负荷预测方法研究[D]. 李胜涛. 长安大学. 2014
标签：自动化技术论文; 人工神经网络论文; 集中供热论文; 公共建筑节能设计标准论文; 供暖系统论文; 网络模型论文; 预测模型论文; 预测控制论文; 负荷预测论文; 建筑能耗论文; 动态模型论文;