变风量空调系统负荷预测的建模与应用

《变风量空调系统负荷预测的建模与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第3l卷第l期计算机仿真2014年1月文章编号：1006—9348(2014)01—039l—04变风量空调系统负荷预测的建模与应用杨世忠1’2。任庆昌1(1．西安建筑科技大学土木工程学院，陕西西安7l0055；2．青岛理工大学自动化工程学院，山东青岛266520)摘要：研究变风量空调负荷准确预测问题，由于变风量空调系统可根据负荷的需求动态改变送风量，变风量空调大系统稳态优化控制策略可以使系统节能高效运行，为准确预测负荷．优化系统，首先分析了影响负荷预测的主要因素，对温度、相对湿度的预测模型进行改进，提出了一种自适应扰动粒子群算法的BP神经网络的空调负荷预测模

2、型，加快粒子群算法的收敛速度，提高了空调负荷的预测精度。通过仿真比较，验证了模型在空调负荷预测中的有效性。关键词：变风量空调系统；负荷预测；模型；粒子群算法；仿真中图分类号：TP273文献标识码：BModeUngandApplicationofLoadPredictioninVariableAirVol岫eAirConditiollingSystemsYANGShi—zhong卜2，RENQing—chan91(1．CollegeofCivilEngineering，xi，anUniversityofArchiteclureandTechnology，Xi，a

3、nShanxi710055，China；2．AutomationE“ginee^“gCollege，QingdaoTechnolo画calUniversity，QingdaoShandong266520，China)ABSTRACT：Theva『iableairvolumeaircondi【ioningsysIemshaveheenwidelyusedwilhitsdynamicalIyairvolumechangeaccordingtotheIoadrequirements．ThesteadystaIeoptimizationcontmlstrategyof

4、lheVariableairvolumeairconditioningsystemscanrealizehighemcientandenergy—savi“goperation．Theaccuracyofthe10adpredictionisthebasisofsyslemoplimizafion．Inthispaper，thei—1uencingfaclorsoftheloadpredictionwereanalyzed，andthepre—dictionmodeloftemperature，relativehumiditywasimpmvedIoincre

5、asingtheprediclionaccuracy．AloadpredicfionmodelbasedonBPneuralnetworkcombinedwithadapfivedisturbanceparticleswarrnoptimizationalgorithmwaSpm—posedtospeeduptheconve唱encemteoftheparticleswa丌nalgorithmandimpmvethepredictionprecisionoftheairconditioningload．Theresultsofthesimulationandc

6、omparisonshowthatthemodelisefkctiveintheair—condition—ingloadprediction．KEYW0砌)s：V面abIeairvoIumeairconditioningsystems；kadpred枷on；ModeI；PanicIeswa肿optimization(PS0)：Simulationl引言变风量空调系统的日益普及，满足了用户对环境舒适的要求，同时建筑能耗也在不断上升。变风量空调在建筑总能耗中所占的比重可达60％，新风负荷占空调负荷的20％左右，如何能使空调节能高效运行成为关注的重点。变风量空调由

7、于可以根据使用负荷动态改变送风量，节能效果好，已经得到广泛的应用。基于大系统理论的变风量空调稳态优化在满足环境舒适度的前提下，以空调系统能耗最小作为的寻优目标，可以满足空调系统的节能优化运行。变风量空调基金项目：住房和城乡建设部科学技术项目(2012一Kl一35)；陕西省教育厅自然科学专项基金项目(1lJK0906)收稿日期：2012一lO一23修回日期：2012一12—12系统的负荷预测是稳态优化的基础，准确的负荷预测是保证系统节能高效运行的重要因素。变风量空调大系统稳态优化控制时，每个优化周期内根据下一周期的空调负荷预测，以能耗最小为目标进行优化来获得控制

8、变量设定值。因此，空调负荷预测精度决定