基于负荷预测在线修正的冰蓄冷空调系统优化运行研究

摘要

在建筑物中应用冰蓄冷技术是缓解电力供需矛盾,改善电力负荷形状的最有效措施之一.有关研究表明:在解决电力峰谷差的成熟电能储存技术中,冰蓄冷的转换效率最高.然而,EPRI以及ASHRAE RP-766的调查显示:许多冰蓄冷系统由于控制不当,系统效率很低.因此,正确地运动优化和控制技术至关重要.1.采用动态负荷模拟软件计算了西安地区某办公楼参考年4~9月份的逐时冷负荷,其计算结果成为气象参数和冷负荷预测研究的基本数据.2.室外逐时气象参数和冷负荷的预测是冰蓄冷系统优化和控制的基础和前提.3.在国内外,首次采用科学、翔实的参考年逐时气象数据和权威、可靠的动态负荷软件DeST生成人工神经网络的训练数据集.开发了人工神经网络用于预测任意气象条件下建筑物的逐时冷负荷.4.冰蓄冷系统是个大系统,大系统的优化必须采用

目录

文摘

英文文摘

声明及关于论文使用授权的说明

主要符号表

1.绪论

1.1课题背景

1.2冰蓄冷系统的运行控制

1.3本文研究的主要内容

1.4本章小结

1.5参考文献

2.办公楼空调动态负荷计算与预测参数的数据处理

2.1全年逐时气象参数的确定及动态负荷计算软件的选择

2.1.1全年逐时气象参数的确定

2.1.2动态负荷计算软件的选择

2.2利用DeST计算建筑物动态冷负荷

2.2.1 DeST的使用说明

2.2.2动态负荷计算

2.3预测参数的数据处理

2.3.1基本统计分析

2.3.2偏相关分析和复相关分析

2.4本章小结

2.5参考文献

3.室外逐时气象参数的预测

3.1气象预测

3.2预测的方法

3.3室外温度预测的常用方法

3.3.1 ASHRAE系数法

3.3.2 MacArthur形状因子法

3.3.3 Chen温度预测法

3.3.4简单移动平均法

3.4各种室外温度预测方法的预测结果与分析

3.4.1各种室外温度预测方法的预测效果

3.4.2遗忘因子对预测效果的影响

3.4.3比较与分析

3.5逐时太阳辐射的预测

3.5.1 Kawashima法

3.5.2标准化法

3.5.3人工神经网络法

3.6含湿量的预测

3.7本章小结

3.8参考文献

4.建筑物逐时冷负荷的预测

4.1建筑物逐时冷负荷的预测

4.2预测方法的选择

4.2.1 ANN预测结构的确定

4.2.2 ANN训练输入参数的选择

4.2.3 ANN训练数据集的获取

4.2.4人工神经网络的评价指标

4.3人工神经网络原理

4.3.1人工神经网络模型

4.3.2数据的预处理

4.4程序简介

4.4.1原始数据

4.4.2知识库数据

4.4.3验证数据

4.5预测结果及分析讨论

4.6逐步回归分析

4.7神经网络与逐步回归预测效果的对比

4.8本章小结

4.9参考文献

5.冰蓄冷系统优化和控制的前提

5.1冰蓄冷系统优化和控制的大系统观点

5.1.1冰蓄冷控制系统是一个大系统

5.1.2递阶控制结构

5.1.3分散控制结构

5.1.4大系统优化方法

5.2冰蓄冷系统运行优化和控制剖析

5.3冰蓄冷系统优化和控制的解决办法

5.3.1优化是对各种控制的协调

5.3.2控制是对优化结果的细化

5.3.3优化和控制的解决办法

5.4本章小结

5.5参考文献

6.冰蓄冷系统非线性优化分析

6.1系统的模拟与优化

6.1.1冰蓄冷系统的模拟

6.1.2冰蓄冷系统的优化

6.2冰蓄冷系统的非线性优化

6.2.1优化问题的数学模型

6.2.2 CALMAC蓄冰筒(槽)的融冰性能曲线

6.2.3冷机模型

6.2.4优化中采用的假设

6.2.5总冷负荷在两台冷机间的优化分配

6.3结果与分析

6.4本章小结

6.5参考文献

7.室外气象参数、冷负荷的在线修正及运行优化控制

7.1预测结果的在线修正

7.1.1气象参数预测值的修正

7.1.2冷负荷预测值的修正

7.2温度预测准确度对冷负荷预测的影响分析

7.3在线修正方法的提出

7.4中等负荷的计算实例

7.4.1冷负荷预测结果的在线修正

7.4.2离线优化结果的在线修正

7.5高负荷的计算实例

7.5.1冷负荷预测结果的在线修正

7.5.2离线优化结果的在线修正

7.6本章小结

7.7参考文献

8.结论

致谢

参考文献汇总

博士研究生学习阶段发表论文