為了節省冰蓄冷中央空調系統的運行費用,準確地預測空調冷負荷是必不可少的。采用db1小波對冰蓄冷空調冷負荷序列進行分解,分別對低頻和高頻序列采用bp網絡進行預測,將預測結果進行疊加得到最終預測值。結合實例進行了空調逐時冷負荷預測,通過小波-bp網絡與bp網絡預測結果的對比,可知小波-bp網絡預測的效果更好。

針對現階段冰蓄冷中央空調系統負荷預測的bp(backpropagation)模型收斂速度慢和容易陷入局部極小點等缺點,結合遺傳算法ga(geneticalgorithm)和bp神經網絡,提出了一種ga-bp算法,并在冰蓄冷中央空調負荷預測系統中應用。

冷負荷動態預測對冰蓄冷空調最優化控制來說是不可或缺的。建立了基于廣義回歸神經網絡(grnn)和遺傳算法(ga)的逐時冷負荷預測模型,建模時以前一日已知的24小時室外干球溫度為輸入,以次日逐時冷負荷為輸出。為提高預測精度及改善魯棒性,以均方差(mse)最小構造適應度函數,應用遺傳算法尋優廣義回歸神經網絡的平滑因子。通過預測負荷與實際負荷的比較分析驗證了模型的可靠性和魯棒性。

當前多數冰蓄冷空調冷負荷動態預測方法中,由于模型輸入變量與輸出結果相關性差、信息冗余度高等原因,導致多數預測模型在預測精度和收斂速度方面都未達到理想的預測效果,因此,提出一種改進的pso-bp神經網絡算法預測大型公共建筑的冷負荷。對于輸入變量與輸出結果采用灰色關聯度分析,消除樣本輸入變量對數的耦合性,確定影響冰蓄冷空調系統冷負荷的關鍵性因素,將其作為輸入變量,預測冰蓄冷空調系統動態冷負荷。結果表明:t時刻室外空氣溫度、t-1h時刻室外空氣溫度、t時刻室外空氣濕度、t時刻太陽輻射強度、t-1h時刻太陽輻射強度、t-1h時刻空調冷負荷是影響t時刻冰蓄冷空調系統冷負荷的關鍵因素,并以此作為預測模型的輸入變量。相對于傳統pso-bp神經網絡全輸入變量預測算法,該模型預測結果精確度更高、收斂速度更快。

介紹了冰蓄冷空調負荷模糊預測的基本原理及運用該原理的負荷預測軟件的編制,該軟件運行穩定,預測效果較好。

以精確的空調負荷預測為前提,方能使得冰蓄冷空調在融冰供冷過程中采取最為合理的運行策略。提出一種改進的增量型極限學習機(pso-ielm)的建筑物空調負荷預測模型。通過粒子群優化算法,克服傳統極限學習機(elm)在預測中存在的不穩定性。并結合對西安地區某購物中心夏季不同月份的空調負荷進行訓練和預測。實例分析結果表明,粒子群優化增量型極限學習機(pso-ielm)具有更好泛化能力和更高預測精度。是對建筑空調負荷預測的有效手段。

文章分析了冰蓄冷空調系統的工作原理、優越的調峰性能、廣闊的應用前景和良好的社會經濟和環境效益,提出我國應拉大峰谷電價比,大力發展和推廣使用冰蓄冷空調。

本文通過對某大廈冰蓄冷空調系統運行情況的測試，詳細研究和分析了蓄冰罐在不同流量下的蓄冷和釋冷特性，以及在融冰工況時，蓄冰罐進口溫度對出口溫度和釋冷量的影響。

為提高空調冷負荷預測精度,本文提出了基于pso-bp算法的神經網絡模型。將pso算法與bp神經網絡相結合,對大型商場的空調樣本數據進行冷負荷預測實驗。結果表明,與bp神經預測算法相比,該算法的預測精度更高,運行速度更快。

通過對某大廈冰蓄冷空調系統運行情況的測試,詳細研究和分析了蓄冰罐在不同流量下的蓄冷和放冷特性以及在放冷工況時,蓄冰罐進口溫度對出口溫度和放冷量的影響

本文通過對某大廈冰蓄冷空調系統的運行情況的測試，詳細研究和分析了蓄冰罐在不同流量下的蓄冷和釋冷特性。在融冰工況時，蓄冰罐進口溫度對出口溫度和釋冷量的影響。

基于小波變換的思想建立了遞歸bp網絡模型來預測空調負荷,改進了網絡權值、閾值的修改算法,引入了折扣系數法以提高近期預測精度,結合一實例進行了空調逐時冷負荷預測,結果表明該方法預測精度高,適用于空調負荷預測。

空調系統的負荷與諸多影響因素之間是一種多變量、強耦合、嚴重非線性的關系,且這種關系具有動態性,因而傳統方法的預測精度不高。而動態回歸神經網絡能更生動、更直接地反映系統的動態特性。針對這個特點,建立了基于elman型神經網絡的空調負荷預測模型,并進行了實例預測。文中還比較了elman網絡和bp網絡結構的建模效果,仿真實驗證明了elman神經網絡具有動態特性好、逼近速度快、精度高等特點,說明elman網絡是一種新穎、可靠的負荷預測方法。

針對中央空調系統冷負荷預測中bp神經網絡預測收斂慢,易陷入局部最優,精度相對低的缺點,采用了收斂速度快,全部搜索能力強的粒子群優化算法進行改進,同時對bp結構中的輸入參數,添加控制誤差反饋參數,形成了基于粒子群與控制誤差回饋的bp神經網絡預測技術;其預測精度較bp神經網絡和粒子群bp神經網絡分別提高5.94%和0.82%。

ebp神經網絡在空調負荷預測中的應用——空調系統負荷是一個典型的具有動態性、不確定性等隨機特性的非線性模型。傳統方式難于實現準確、快速地預測空調系統動態負荷。人工神經網絡ann具有高度的非線性運算能力和較強的容錯能力，其中使用最為廣泛的是誤差反向傳...

前饋神經網絡在空調負荷預測中的應用——空調系統負荷是一個典型的具有動態性、不確定性等隨機特性的非線性模型,傳統方式難以實現準確、快速地預測空調系統動態負荷。人工神經網絡具有高度的非線性運算能力和很強的容錯能力,其中最為廣泛的是前饋神經網絡和采用...

空調系統負荷是一個典型的具有動態性、不確定性等隨機特性的非線性模型。傳統方式難于實現準確、快速地預測空調系統動態負荷。人工神經網絡ann具有高度的非線性運算能力和較強的容錯能力,其中使用最為廣泛的是誤差反向傳播ebp算法。研究結果表明,用ebp神經網絡預測空調負荷和計算結果能較好地吻和。

冰蓄冷空調的技術經濟分析——本文理論結合實例，通過球蓄拎空調與常規空調的比較分析，論證了采用_瞇蓄冷空調具有良好的經濟效益，同時也指出了當地的電價政策對球蓄冷空調的經濟性起著決定性作用．

序號 ! " 制冷方案 雙工況螺桿式冷水機組# 冰蓄冷系統 常規螺桿式冷水機組 設備型號與規格 $%&’(螺桿式機組 冰蓄冷系統 $%&’(螺桿式機組 數量 )臺 *套 %臺 制冷設備 表!中央空調制冷采暖方案 "" !""!#$%& 蓄能空調’%’()*+(,-)-.*,-%$%/0)01,+-1-,2 冰蓄冷空調 的應用及經濟分析!楊東胡晉祥 #冰蓄冷空調簡介 冰蓄冷空調是八十年代出現的一項新技術，這項 技術具有明顯的節能效果，冰蓄冷技術用于中央空調， 可以轉移用電高峰，均衡電網峰谷負荷，特別適用于全 天間斷運行或峰谷負荷差較大的連續運行系統，尤其 是空調峰值負荷與電網峰值負荷同步的空調系統，它 既能避開日間高峰用電，又能減少冷水機組、水泵、冷 卻塔等的數量與裝機容量，節省一次性投資。并充分利 用電網低谷廉價電力，大大節約運行費用。 !

冰蓄冷空調vav模型研究——研究冰蓄冷空調中的變風量送冷系統(vav)，分析7其可行性。結合實際的工程案例，為冰蓄冷空調中vav建立了數學物理摸型。摸型摒棄了從研究蓄冷元性能出發摸擬蓄冷器充放冷過程性能的傳統思路，提出了蓄冷器綜合有效熱阻的處理方法。得出...

冰蓄冷空調設計介紹——冰蓄冷空調設計介紹　　　　概述：　　近幾年來，因國家用電政策的推動作用和國外蓄冰技術的大量引進，蓄冰空調逐漸成為中央空調發展的一個新趨勢。目前在國內推廣的蓄冰空調技術主要有冰球式、冰桶式、冰槽式、蕊心冰球等等。我們認...

分析了嘉興地區冰蓄冷空調用戶的現狀、發展冰蓄冷空調面臨的形勢和機遇,對進一步推廣應用冰蓄冷空調提出了意見和建議,政府應出臺補助政策,對工業用戶使用冰蓄冷實行高峰優惠價,鼓勵企業使用冰蓄冷空調,合理利用資源。