考虑土壤蓄热的间歇空调最佳启停时间预测

考虑土壤蓄热的间歇空调最佳启停时间预测

ID:23886024

大小:57.00 KB

页数:7页

时间:2018-11-11

考虑土壤蓄热的间歇空调最佳启停时间预测_第1页
考虑土壤蓄热的间歇空调最佳启停时间预测_第2页
考虑土壤蓄热的间歇空调最佳启停时间预测_第3页
考虑土壤蓄热的间歇空调最佳启停时间预测_第4页
考虑土壤蓄热的间歇空调最佳启停时间预测_第5页
资源描述:

《考虑土壤蓄热的间歇空调最佳启停时间预测》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、考虑土壤蓄热的间歇空调最佳启停时间预测摘要:针对浅埋地下工程,分析在考虑土壤蓄热作用下的室内热环境变化,在应用CFD软件的基础上建立围护结构及室内空气的耦合传热模型。并将模拟所得结果进一步用来训练预测空调最佳启停时间的人工神经网络模型。此模型可用于预测出各种复杂的非线性条件下最佳启停时间,以降低能耗,节约能源。关键词:土壤蓄热间歇空调最佳启停时间MATLAB1引言大多数地面建筑的空调系统,如商场、写字楼、餐厅等均属间歇运行方式。在许多平战结合的人防工程甚至指挥所同样也存在间歇运行系统。非工作时间空调系统停机后,由于室内外温差及围护结构散热导致室温偏离设定值,在

2、下一段运行前需要提前启动空调系统进行预冷(热),使房间在使用时处于要求的温度范围内。预冷过早会造成能量浪费;预冷过晚又达不到控制所要求的指标。同时空调的制冷机组停机后,其冷却系统中仍有一部分剩余冷量,可以继续利用送风机组将这部分冷量送入房间,从而达到节能目的,如图1所示。从图1中还可以明显看出间歇空调系统运行时间相对房间使用时间存在一定的偏移量。因此需要对这一启停时间进行预测,并保证用最少的能量在使用时间内达到所要求的参数范围。然而,空调系统的预冷(热)启动时间以及提前停机时间是一多输入单输出的带有大滞后环节的非线性对象。其中最佳启动时间取决于启动前室内温度,

3、室外气象条件,建筑结构的热物性及内热源和空调送冷(热)量等;最佳提前停机时间也受空调设备容量及温差,内部照明、办公设备及人员散热等、停机前室内外温度等诸因素影响,因此系统的建模工作相当复杂。同时应该看到间歇空调如果没有足够的预热(冷)时间,空调中的蓄热负荷是不容忽视的。【1】尤其对各种地下建筑而言,土壤的蓄热作用对启动和停机时间的影响尤为重要。不同热惰性的土壤对室内外温度波及热流波存在不同的延迟和衰减作用。本文主要针对典型地区的浅埋平战结合的人防工程,分别对考虑土壤蓄热作用下的围护结构及室内空气建立热平衡方程,并通过软件模拟出室内温度随时间的变化情况;并在此基

4、础上用MATLAB中的人工神经网络工具箱对启动和停止时间进行智能控制。2研究方法图1间歇空调运行期间的室内温度典型变化曲线目前,有关预测最佳启动时间的研究已有静态最优法、简化数学模型法、一元回归分析法、模糊控制等,这些方法各有特点,但由于空调系统的复杂性和受传统算法的限制,预测结果都存在着一定的误差。同时关于最佳停机时间的确定,由于停机过程尚处在房间使用期间,仍需保证空气热舒适性要求,因此在来自内部随机变化的较大扰动下,预测的提前停机时间误差有可能会更大,至今也没有较成功的理论和实例。2.2空调最佳启停时间预测的ANN优化模型考虑影响空调最佳启停时间的因素归结

5、为室内空气温度,室内空气温度变化率以及室外气象参数和室外气温变化率,因此可以分别用,,和表示为神经元网络的输入量,输出量只有一个,即为最佳启动或停机时间(图5),则有:(2)图5预测最佳启停时间的ANN模型图中为隐层各神经元的输出阈值,为相应输入层各变量到隐层的连接权值,为输出层神经元的输出阈值(此处仅有一个单元),为相应隐层各变量到输出层的连接权值,这里是指输入变量的个数,是指隐层的变量个数。利用目标向量以及网络的实际输出计算得神经网络样本学习的总误差为(式中为样本数):(3)隐层与输出层之间权重以及输出层的输出阈值的修正值采用梯度法求得:(4)(5)式中为

6、学习步长。输入层与隐层之间权重以及隐层的输出阈值修正如下:(6)(7)式中;学习步长。结合上述BP算法,通过MATLAB中的人工神经网络工具箱(ANNToolbox),构造一个前向神经网络结构模型,并设置一个循环对中间层上的单元个数进行最优控制,其主要程序如下:%循环语句s=4:12;res=1:9;fori=1:9%构造一个前向BP网络=neinmax(p),[s(i),1],{'tansig','purelin'},'trainrp','learngd','msereg');%设置训练参数.trainparam.sho.epochs=2500;.train

7、param.goal=0.01;%训练网络=train(,p,t)%仿真y=sim(,p);%误差向量error=y-tres(i)=norm(error)%设置性能参数.performparam.ratio=20/(20+1);%网络性能评估perf=msereg(error,)end通过不断对网络的性能进行评价得出的perf值对模型结构进行寻优。经过分析对比,确定模型采用三层网络结构,中间层采用5个神经元最优,此时的误差的范数norm(error)最小,网络性能最好,如图6所示;第一个传递函数采用sigmoid型正切函数,第二个传递函数采用sigmoid型

8、线性函数,这样可以将无限的输入映射到有

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。