原创《大型商场建筑夏季冷负荷动态预测模型》：此文是一篇负荷论文范文,为你的毕业论文写作提供有价值的参考。
摘 要：夏季建筑冷负荷的正确预测是实现大型复杂 空调优化运行、节能降耗的关键.笔者探讨了商场建筑冷负荷的主要影响因素,确定了建筑动态冷负荷预测模型的输入,提出了夏季基于新风机组供电频率的商场顾客率间接测量方法,解决了商场内顾客量难以检测的难题.还提出了AFCHCMAC神经网络预测模型算法,实现了大型商场建筑冷负荷的动态预测.仿真结果表明：顾客率在商场冷负荷预测中占有重要地位,在冷负荷预测模型中增加商场顾客率可显著提高预测精度；AFCHCMAC神经网络预测算法和传统的HCMAC神经网络算法比较,可有效降低神经网络节点数,提高预测精度.
关键词：冷负荷；动态预测；模糊聚类；数据
中图分类号：TU111.3
文献标志码：A 文章编号：16744764（2016）02010407
Abstract： The accurate energy consumption perdition for building is critical to improve the energy efficient of the operation of the operation of largescale central air conditioning system in summer. Firstly, the influencing factors of cooling load were identified to determine the inputs of cooling load predition model. Then, the indirect measurement method was proposed to obtain the shopper rate based on the supply frequencies of new wind8units to identify the custom number in summer. Last, an AFCHCMAC neural network algorithm is proposed to for dynamic cooling load prediction. The results show that compared with the traditional HCMAC algorithm, the proposed AFCHCMAC algorithm can effectively reduce the neural network nodes and improve the prediction accuracy. The shoppers rate plays an important role in the cooling load prediction for shopping mall. Increasing shopper rate in the inputs of prediction model can significantly improve the prediction accuracy of dynamical cooling load forecasting for shopping mall.
Keywords：cooling load； dynamical prediction； fuzzy clustering； data
随着中国社会经济的快速发展,能源供需矛盾和环境压力日益突出,目前,建筑运行能耗约占全社会总能耗的30%,单位建筑能耗面积是发达国家的2～3倍[1],对社会造成了沉重的能源负担和严重的环境污染,已成为制约中国可持续发展的主要问题.在所有建筑中,大型商场建筑对舒适性要求高,空调系统运行时间长,其空调系统单位建筑的能耗为城镇建筑能耗的5倍 [2].因此,研究大型商场建筑复杂 空调系统的优化运行,实现节能降耗具有重要的经济效益和社会意义,而正确预测商场建筑的冷负荷,根据用户的需要提供冷量是实现大型复杂 空调优化运行、节能降耗的关键.
建筑冷负荷和建筑几何尺寸、建筑材料、气象参数、人员、设备散热等因素有关.目前,建筑冷热负荷预测方法主要有回归分析法、仿真模型法和人工神经网络法.回归分析法主要包括多元线性回归模型（MLR）[3]、自回归（AR）模型[4], 和带外部输入的自回归模型（ARX）[5].对于MLR算法由于建筑冷负荷受多种变量的影响,且具有严重的非线性,所以预测精度一般不高.对于AR模型,由于该模型的输入仅为建筑冷负荷的历史数据,而没有考虑其他因素,所以预测精度也很难满足实际要求.ARX模型是将MLR和AR结合到一起形成的,该模型即考虑了历史数据对当前负荷预测的影响,也考虑了外界气象参数对负荷预测的影响,因此,该方法的预测精度优于MLR、AR方法.仿真模型法采用专业仿真软件通过输入建筑信息和气象数据仿真得到建筑的逐时冷负荷,比较典型的仿真软件有EnergyPlus[6]、TRNSYS[7]、ESPr[8]和DeST[9]等.该方法的特点是仿真信息复杂,专业性强,主要用于冷、热能系统的规划和设计.人工神经网络[10]方法由于具有很好的学习功能,在建筑冷负荷预测方面得到了广泛的应用.主要有BenNakhi模型[11]、Moon模型[12]、Ekici模型[13]、Dombayci模型[14]、Gonzalez模型[15]、Yang模型[16]和Paudel模型[17]等.当建筑结构和功能确定后,如何根据气象参数、人员时空分布等信息在线动态预测建筑冷负荷是非常必要的.室外气象参数（温度、湿度、太阳辐射等）的检测可以采用常规的传感器,比较容易实现,而对于人员时空分布信息,测量难度大,费用高,导致当前模型很少考虑人员分布情况,冷负荷预测方法主要为静态预测.文献[18]为了区分不同人员时空分布对负荷预测的影响,将预测模型分为工作日、周末、假日3种不同模型,该方法在一定程度上克服了不同人员数量对负荷预测的影响,主要适用于室内人员时空分布比较规律的办公写字楼.对于商场建筑,由于客流量的不确定性,该方法很难实现商场内冷负荷的动态准确预测,难以应用到实际工程.笔者首先根据商场建筑冷负荷的特点,确定建筑冷负荷预测模型的输入参数；然后提出了夏季基于新风机组供电频率的商场顾客率间接测量方法,在不增加硬件投资的条件下实现了商场人员时空分布信息的测量；最后提出AFCHCMAC（Adaptive Fuzzy ClusteringHyperball Cerebellar Model Articulation Controller）神经网络算法用于建立建筑冷负荷在线动态预测模型,实现了建筑冷负荷的在线动态精确预测.
负荷论文参考资料：
结论：大型商场建筑夏季冷负荷动态预测模型为关于负荷方面的的相关大学硕士和相关本科毕业论文以及相关超负荷是什么意思论文开题报告范文和职称论文写作参考文献资料下载。
