论文部分内容阅读
空调系统的能耗已经占到了整个办公建筑总能耗的50%-60%左右，面对办公建筑空调系统能耗居高不下的现状，推广应用新的空调节能控制技术成为重中之重。传统的空调节能控制系统中，大多是采用根据室内温度这一环境参数做为被控参数的方案，但这样很难达到舒适的室内环境，而且也可能增加不必要的能耗。因此，目前已有大多数学者研究并应用基于PMV指标的空调节能控制方案。由于PMV指标与影响其的几个因素之间存在复杂的非线性的关系，不能适应空调节能控制系统的实时控制需求。因此，已有部分学者研究采用BP神经网络进行PMV预测，但由于BP神经网络本身存在的缺陷，影响着PMV预测模型的精度，收敛性，稳定性等等，同时，BP神经网络拓扑结构随着应用的场景不同而不同，如何确定最佳网络结构也是一个问题。基于以上的问题，本文提出了基于粒子群优化算法和BP神经网络的PMV预测模型，并将此PMV模型运用于大型办公建筑中，将节能化，同舒适化，智能化一同成为大型办公建筑的三大发展方向。本文研究的主要工作有以下几个方面：第一，系统论述了大型办公建筑空调节能控制领域现状，人体舒适度PMV指标，人工神经网络理论，粒子群优化算法，提出了存在的问题。第二，着重研究了BP神经网络算法，预测PMV的BP神经网络模型确定，确定的内容包括了：BP神经网络拓扑结构（隐含层层数，节点数等），学习速率，激励函数，样本数目等。并研究了基本BP算法的优点以及存在的缺陷。第三，研究了粒子群算法的相关原理，算法流程，并对其与BP神经网络相结合的可行性进行分析，同时确定粒子群算法与BP神经网络的具体结合方式，并将其与基本BP算法的性能进行了分析对比。第四，提出并建立基于粒子群改进的BP神经网络的PMV模型，做为智能分析模块加入到整个智能控制系统中，通过与其他的模块（数据采集模块，命令分析模块，通信接口模块等）协同合作，共同构建智能办公建筑控制系统。将系统投入一个实际的办公建筑中运行，通过实际运行效果，采集实际的运行数据，验证本模型是否达到了节能化，舒适化双重目标。