中央空调系统冷水机组部分负荷功率预测模型研究-论文.pdf

《中央空调系统冷水机组部分负荷功率预测模型研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、研究报告ScienceandTechnologyInnovationHer：ald中央空调系统冷水机组部分负荷功率预测模型研究①杨海滨王鹏(国内贸易工程设计研究院北京100069)摘要：中央空调系统冷水机组性能复杂且能耗大，其部分负荷性能预测模型是中央空调系统节能运行调节的重要参考，霞文以实际项目冷水机组的运行历史数据为样本，采用聚类算法以及T—s模糊模型，研究实时反映冷水机纽部分负荷下功率的预测模型。关键词：建筑节能空调冷水机组部分负荷预测模型中图分类号：TU831文献标识码：A文章编号：1674—

2、098X(2014)04(a)一0001—02作为公共建筑的能源消耗大户，暖通输出系统可由n条模糊规则组成的集合来组成的空间进行整体聚类，分粗调和微调空调系统的用电占大型公共建筑总电耗的表示，其中第i条模糊规则形式为如式(1)所两个部分。粗调中首先应用模糊聚类算法50％～60％川。冷水机组作为暖通空调系统示。对样本空间进行第一次聚类，得到聚类的中的核心设备，性能复杂且能耗大，其能耗一R：Al，andisA2，⋯andxkisA心点数据和每组数据的隶属度，再利用已⋯般占暖通空调系统总能耗的40％或以上。

3、得的数据应用加权回归最小二乘算法将样thenY‘=P‘0q,-P‘l十⋯+p‘冷水机组部分负荷性能受制干天气及室本空间向系数空间转化，再对系数空间进行式中：R为第i条模糊规则，i=1，2，⋯内负荷需求变化，因此其部分负荷下的功聚类，聚类中心就是后件多项式中的系数，n，n为模糊规则数lx。～x为前件变量，率预测对冷水机组的节能控制运行至关重前件隶属函数也可以得到。kP；Ail~Aik为前件模糊子集，其隶属函数要。为考核辨识算法的精确性，定义性能中的参数称为前件参数；p。～Dlk为后件线通过物理或半经验模

4、型研究冷水机组指标PER作为考核T-S辨识精度的指标，性函数的常数，又称后件参数。部分负荷性能具有较好的预测精度，但必如式(3)所示。PER越小表明辨识模型的精T～S模糊模型辨识首先要依托于一定须要对冷水机组中的每个部件的结构参数度越高。量的输入输出参考数据；其次，围绕着这些具有较深入的了解，这在实际中往往难以实1参考数据，模型辨识要完成模型结构辨识PER=[二Y：(()一())](3)现。我们更需要一种能够基于冷水机组可与模型参数辨识。模型结构辨识主要对象监测的运行数据而构建，并且能回避机组式中：y

5、(k)为样本数据中第k个采样时为前件隶属函数形式以及后件线性表达式内复杂物理过程且具有一定精度的智能模刻的值，k=1，2，⋯mI夕(．j})为T-S模型预测形式，模型参数辨识的主要对象为前件参得到的第k个采样时刻的值。型。数与后件参数。本文采用的方法重点研究因此，该文拟采用基于双聚类算法的模型参数辨识，模型结构选取固定的形式，T_S模糊模型，利用实际工程项目获取的冷2冷水机组性能T-S预测模型前件隶属函数取钟形隶属函数，如式(2)所水机组运行工况参数，并将这些性能参数利用实际工程获取样本数据，建立某示

6、。离心式冷水机组部分负荷性能的T—S预测作为T-S模型的辨识参考数据，建立冷水机组部分负荷性能的T—s预测模型。(m，n)：exp{一(~TYf-)}(2)模型，模型结构如式(4)所示。R：HwRisAl，Hwis2，wsisA3，wRisA4式中：x为前件变量；m为隶属函数的中‘thenNcHILLER=P0+p1tcHwR+p2Hw+P‘3tcws+p4tcwR1预测模型建模方法心；n为隶属函数的对称宽度。(4)T—s模型作为最有代表性的连续型模聚类算法作为一种优秀的辨识算法，式中：R为第i条模糊

7、规则，i：l，2，⋯糊模型，其最大优势在于处理多变量系被公认为辨识T—S模型的理想算法，本D}tCHWR为冷冻水回水温度，℃，前件变量i统模型的高效性，由于其规则后件的多项节将采用双聚类模糊辨识算法(DOubleGcHw为冷冻水流量，m／h，前件变量，tcws式形式，T—s模型可利用少量的模糊规则ClusterAlgorithm)[41进行T-S模型的参为冷却水供水温度，℃，前件变量；t。、Ⅳ为描述较复杂的非线性系统。T—s模型的结数辨识，双聚类模糊辨识算法的主要优势冷却水回水温度，℃，前件变量；N为

8、构与推理方法如下：在于其较高的辨识精度。冷水机组功率，kW，后件变量，A～A为设具有P个输入、单个输出的多输入单双聚类模糊辨识算法对输入输出向量前件模糊子集，钟形隶属函数，表达式如式表1预测模型前件参数(tc--7。C)、＼参数mn规则＼A’AAAAAAAR16．6342134．164725．13403O．13402．061850．27943．42423．4242R16．1329140．280125．357030．35702．088155．64473．5