论文部分内容阅读
当今，能源危机及环境污染问题已经成为世界各国共同面临的巨大挑战，随着经济的快速发展，建筑能耗亦急剧递增,建筑节能优化已成为缓解能源问题的重要手段。传统的建筑节能技术往往以牺牲室内环境的热舒适程度为代价来研究室内环境热舒适需求与建筑能耗之间的协调优化，因此，在满足热舒适需求的同时达到节能的目的是建筑节能需要解决的关键科学问题。本文基于无中心网络平台研究了一种建筑节能与舒适度并行的优化调度策略，实现在负荷需求一定的情况下，以耗能最少为前提，最大化的满足各用户的舒适需求，使各用户空间的舒适度达到均衡的优化目标。本文的研究内容主要包括： （1）构建了空调负荷等效热参数模型。根据TRNSYS仿真实验平台获得室内外环境参数及建筑负荷数据作为辨识数据，通过递推最小二乘法对模型内的未知参数进行参数辨识，得到实验所需的空调负荷等效热参数模型，并通过仿真实验验证模型的有效性。 （2）构建了基于HCMAC神经网络的建筑能耗预测模型。以TRNSYS仿真实验平台模拟建筑实际运行规律，得到实验所需数据，将粒子群优化算法与K-means聚类算法相结合，对HCMAC神经网络节点的确定策略进行改进，实现建筑负荷的准确预测。仿真研究表明，所提出的预测模型与其他基于HCMAC神经网络的预测模型相比收敛速度更快，学习精度更高，泛化能力更强。 （3）构建了基于HCMAC神经网络的热舒适测量模型。选用PMV评价指标作为本文的人体热舒适度量化指标，根据第三章构建的IKHCMAC神经网络预测模型，预测各子空间的PMV值，并向仿真数据中加入均值为0，方差为1的高斯白噪声v，消除仿真数据与实际数据间的差距，通过仿真实验验证模型的有效性。 （4）提出了一种基于无中心网络平台的建筑能耗优化调度策略。采用基于K-Means的改进型多目标遗传算法作为优化算法，实现在负荷需求一定的情况下，最大化的满足各用户的舒适需求，使各用户空间的舒适度达到均衡的同时耗能最少的多目标优化问题的求解。仿真结果表明，该优化调度策略能够较好的解决建筑舒适度平衡及建筑耗能之间的并行优化的问题。