高校樓宇用電負(fù)荷優(yōu)化策略研究-畢業(yè)論文開(kāi)題報(bào)告-文庫(kù)吧
2025-01-03 23:50 本頁(yè)面
【正文】 系統(tǒng)為研究對(duì)象，響應(yīng)電價(jià)激勵(lì)政策，利用建筑物的圍護(hù)結(jié)構(gòu)的儲(chǔ)能特性，并根據(jù)電價(jià)變化調(diào)整空調(diào)系統(tǒng)的運(yùn)行策略，實(shí)現(xiàn)降低空調(diào)系統(tǒng)總體用電費(fèi)用的目的。綜上所述，國(guó)內(nèi)外學(xué)者的研究主要關(guān)注于高校節(jié)能政策、管理方式，樓宇內(nèi)部空調(diào)系統(tǒng)逐時(shí)溫度設(shè)定的優(yōu)化及照明系統(tǒng)的光源開(kāi)關(guān)控制策略，而較少考慮樓宇內(nèi)部各用電系統(tǒng)間的關(guān)聯(lián)性及交互影響，因此，應(yīng)立足于整個(gè)高校內(nèi)各公共樓宇用電系統(tǒng)角度，考慮各用電系統(tǒng)運(yùn)行優(yōu)化的關(guān)聯(lián)性，對(duì)高校內(nèi)部各個(gè)子系統(tǒng)運(yùn)行進(jìn)行整體優(yōu)化研究，提升高校整體能效水平。3 本文主要開(kāi)展工作基于當(dāng)前建筑物能量管理的研究現(xiàn)狀，結(jié)合提出的問(wèn)題，本文考慮高校各樓宇內(nèi)部用電系統(tǒng)間的相互影響，以高校用電負(fù)荷為研究目標(biāo)，研究高校用電系統(tǒng)節(jié)能優(yōu)化及計(jì)入光伏分布式能源下高校的經(jīng)濟(jì)運(yùn)行。本文主要開(kāi)展了以下幾項(xiàng)工作：建立基于并行模型的短期負(fù)荷預(yù)測(cè)策略，以消除累積誤差對(duì)日內(nèi)短期負(fù)荷預(yù)測(cè)精度的影響；采用模糊C均值聚類(lèi)相的方式，為預(yù)測(cè)模型選取合適規(guī)模及變量維度的樣本數(shù)據(jù)；通過(guò)粒子群算法對(duì)支持向量機(jī)預(yù)測(cè)模型的參數(shù)進(jìn)行自適應(yīng)尋優(yōu)，提高預(yù)測(cè)精度。通過(guò)算例仿真驗(yàn)證了預(yù)測(cè)模型的可行性。依據(jù)高校五大功能性樓宇（辦公區(qū)、教學(xué)區(qū)、圖書(shū)館、宿舍、食堂）中的主要耗能設(shè)備，構(gòu)建了高?？照{(diào)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?xún)?yōu)化高?？傮w用電量為目標(biāo)，建立基于用電能耗的高校用電負(fù)荷優(yōu)化模型，并采用粒子群算法對(duì)設(shè)備用電方案進(jìn)行優(yōu)化，實(shí)現(xiàn)公共樓宇用電設(shè)備的節(jié)能優(yōu)化運(yùn)行，并通過(guò)算例驗(yàn)證了策略的可行性。在研究了降低高校用電能耗的用電負(fù)荷優(yōu)化策略的基礎(chǔ)上，考慮到高校戰(zhàn)地面積大及作息規(guī)律化的特點(diǎn)，計(jì)入光伏分布式能源的高校用電負(fù)荷的優(yōu)化策略。分析并構(gòu)建了光伏式分布式能源系統(tǒng)的控制模型，以?xún)?yōu)化用電系統(tǒng)用電費(fèi)用為目標(biāo)，提出了儲(chǔ)能系統(tǒng)與空調(diào)、照明、熱水器系統(tǒng)及電梯系統(tǒng)相配合的負(fù)荷優(yōu)化策略。4技術(shù)路線在上述國(guó)內(nèi)外學(xué)者研究成果的基礎(chǔ)上，本文研究分為三個(gè)部分：高校各系統(tǒng)短期負(fù)荷特性分析及預(yù)測(cè)、高校主要負(fù)荷的建模、計(jì)及光伏分布式電源各系統(tǒng)協(xié)調(diào)控制。高校各系統(tǒng)短期負(fù)荷預(yù)測(cè)首先對(duì)各系統(tǒng)的歷史數(shù)據(jù)基于模糊C值聚類(lèi)算法進(jìn)行數(shù)據(jù)處理，找到數(shù)據(jù)間本質(zhì)的內(nèi)在聯(lián)系，在粒子群算法的基礎(chǔ)上，利用支持向量機(jī)進(jìn)行樓宇各系統(tǒng)負(fù)荷預(yù)測(cè)；研究建立高校主要耗能系統(tǒng)，如中央空調(diào)、照明系統(tǒng)、熱水器系統(tǒng)及動(dòng)力系統(tǒng)的模型，并建立基于粒子群優(yōu)化算法的調(diào)控制策略，以能效最優(yōu)為目標(biāo)，環(huán)保性、經(jīng)濟(jì)性性為約束，進(jìn)行高校各系統(tǒng)協(xié)調(diào)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(dāng)?shù)倪x取合適的輸入變量對(duì)支持向量機(jī)模型的訓(xùn)練結(jié)果非常重要，一方面可以減少支持向量機(jī)模型的輸入變量維度，降低計(jì)算成本，另一方面可以提高模型預(yù)測(cè)的準(zhǔn)確度，提高模型的泛化能力。同時(shí)，訓(xùn)練數(shù)據(jù)的規(guī)模大小影響著預(yù)測(cè)模型訓(xùn)練效率，如訓(xùn)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(zhǎng)了模型訓(xùn)練的時(shí)間，降低訓(xùn)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(guò)度擬合的現(xiàn)象發(fā)生，大大減少預(yù)測(cè)模型訓(xùn)練時(shí)間，提高數(shù)據(jù)利用率。模糊C均值聚類(lèi)算法具有簡(jiǎn)單高效的特點(diǎn)，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(lèi)數(shù)，人為干預(yù)程度較大，且通常情況下，最佳分類(lèi)數(shù)是很難估計(jì)。同時(shí)，初始聚類(lèi)中心的選取直接關(guān)系到算法的收斂情況與聚類(lèi)效果。因此，本章選取能夠自適應(yīng)聚類(lèi)數(shù)的模糊C均值算法。評(píng)價(jià)聚類(lèi)結(jié)果的優(yōu)劣的基本思想，在幾何意義下，就是將數(shù)據(jù)進(jìn)行分類(lèi)，使得類(lèi)間距離盡量遠(yuǎn)，而類(lèi)內(nèi)部數(shù)據(jù)點(diǎn)間距盡量近。數(shù)據(jù)樣本的中心向量可以表示為： 聚類(lèi)數(shù)C的自適應(yīng)函數(shù)可表示為： 式中，表示類(lèi)間距離，表示類(lèi)內(nèi)數(shù)據(jù)點(diǎn)間距離。因此，當(dāng)取最大值時(shí)的值為最佳分類(lèi)數(shù)
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1