高校樓宇用電負荷優(yōu)化策略研究-畢業(yè)論文開題報告-文庫吧
2025-01-03 23:50 本頁面
【正文】 系統(tǒng)為研究對象，響應電價激勵政策，利用建筑物的圍護結構的儲能特性，并根據(jù)電價變化調整空調系統(tǒng)的運行策略，實現(xiàn)降低空調系統(tǒng)總體用電費用的目的。綜上所述，國內外學者的研究主要關注于高校節(jié)能政策、管理方式，樓宇內部空調系統(tǒng)逐時溫度設定的優(yōu)化及照明系統(tǒng)的光源開關控制策略，而較少考慮樓宇內部各用電系統(tǒng)間的關聯(lián)性及交互影響，因此，應立足于整個高校內各公共樓宇用電系統(tǒng)角度，考慮各用電系統(tǒng)運行優(yōu)化的關聯(lián)性，對高校內部各個子系統(tǒng)運行進行整體優(yōu)化研究，提升高校整體能效水平。3 本文主要開展工作基于當前建筑物能量管理的研究現(xiàn)狀，結合提出的問題，本文考慮高校各樓宇內部用電系統(tǒng)間的相互影響，以高校用電負荷為研究目標，研究高校用電系統(tǒng)節(jié)能優(yōu)化及計入光伏分布式能源下高校的經濟運行。本文主要開展了以下幾項工作：建立基于并行模型的短期負荷預測策略，以消除累積誤差對日內短期負荷預測精度的影響；采用模糊C均值聚類相的方式，為預測模型選取合適規(guī)模及變量維度的樣本數(shù)據(jù)；通過粒子群算法對支持向量機預測模型的參數(shù)進行自適應尋優(yōu)，提高預測精度。通過算例仿真驗證了預測模型的可行性。依據(jù)高校五大功能性樓宇（辦公區(qū)、教學區(qū)、圖書館、宿舍、食堂）中的主要耗能設備，構建了高?？照{系統(tǒng)、照明系統(tǒng)、熱水器系統(tǒng)及電梯系統(tǒng)的用電能耗模型；以優(yōu)化高?？傮w用電量為目標，建立基于用電能耗的高校用電負荷優(yōu)化模型，并采用粒子群算法對設備用電方案進行優(yōu)化，實現(xiàn)公共樓宇用電設備的節(jié)能優(yōu)化運行，并通過算例驗證了策略的可行性。在研究了降低高校用電能耗的用電負荷優(yōu)化策略的基礎上，考慮到高校戰(zhàn)地面積大及作息規(guī)律化的特點，計入光伏分布式能源的高校用電負荷的優(yōu)化策略。分析并構建了光伏式分布式能源系統(tǒng)的控制模型，以優(yōu)化用電系統(tǒng)用電費用為目標，提出了儲能系統(tǒng)與空調、照明、熱水器系統(tǒng)及電梯系統(tǒng)相配合的負荷優(yōu)化策略。4技術路線在上述國內外學者研究成果的基礎上，本文研究分為三個部分：高校各系統(tǒng)短期負荷特性分析及預測、高校主要負荷的建模、計及光伏分布式電源各系統(tǒng)協(xié)調控制。高校各系統(tǒng)短期負荷預測首先對各系統(tǒng)的歷史數(shù)據(jù)基于模糊C值聚類算法進行數(shù)據(jù)處理，找到數(shù)據(jù)間本質的內在聯(lián)系，在粒子群算法的基礎上，利用支持向量機進行樓宇各系統(tǒng)負荷預測；研究建立高校主要耗能系統(tǒng)，如中央空調、照明系統(tǒng)、熱水器系統(tǒng)及動力系統(tǒng)的模型，并建立基于粒子群優(yōu)化算法的調控制策略，以能效最優(yōu)為目標，環(huán)保性、經濟性性為約束，進行高校各系統(tǒng)協(xié)調控制，保證高校能效最優(yōu)。由于歷史數(shù)據(jù)中每組數(shù)據(jù)中包含多種輸入變量，恰當?shù)倪x取合適的輸入變量對支持向量機模型的訓練結果非常重要，一方面可以減少支持向量機模型的輸入變量維度，降低計算成本，另一方面可以提高模型預測的準確度，提高模型的泛化能力。同時，訓練數(shù)據(jù)的規(guī)模大小影響著預測模型訓練效率，如訓練數(shù)據(jù)直接選用全體歷史數(shù)據(jù)，則將不必要的增長了模型訓練的時間，降低訓練效率，因此，選取合適規(guī)模和相似程度的歷史數(shù)據(jù)可以防止過度擬合的現(xiàn)象發(fā)生，大大減少預測模型訓練時間，提高數(shù)據(jù)利用率。模糊C均值聚類算法具有簡單高效的特點，常用于大規(guī)模數(shù)據(jù)挖掘，但傳統(tǒng)的模糊C均值算法通常需要事先人為制定分類數(shù)，人為干預程度較大，且通常情況下，最佳分類數(shù)是很難估計。同時，初始聚類中心的選取直接關系到算法的收斂情況與聚類效果。因此，本章選取能夠自適應聚類數(shù)的模糊C均值算法。評價聚類結果的優(yōu)劣的基本思想，在幾何意義下，就是將數(shù)據(jù)進行分類，使得類間距離盡量遠，而類內部數(shù)據(jù)點間距盡量近。數(shù)據(jù)樣本的中心向量可以表示為： 聚類數(shù)C的自適應函數(shù)可表示為： 式中，表示類間距離，表示類內數(shù)據(jù)點間距離。因此，當取最大值時的值為最佳分類數(shù)
公司管理相關推薦
鄂ICP備17016276號-1