| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景与意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11-12页 |
| 1.2 水蓄冷空调控制策略研究现状 | 第12-14页 |
| 1.2.1 蓄冷空调发展现状 | 第12-13页 |
| 1.2.2 水蓄冷空调系统控制策略研究现状 | 第13-14页 |
| 1.3 预测控制 | 第14-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第2章 水蓄冷空调技术 | 第17-26页 |
| 2.1 水蓄冷空调原理 | 第17-19页 |
| 2.2 水蓄冷空调系统的供冷形式 | 第19-21页 |
| 2.3 水蓄冷空调系统控制策略 | 第21-23页 |
| 2.3.1 释冷优先 | 第21页 |
| 2.3.2 冷机优先 | 第21-22页 |
| 2.3.3 比例控制 | 第22页 |
| 2.3.4 预测控制 | 第22-23页 |
| 2.4 本论文研究对象 | 第23-25页 |
| 2.4.1 项目工程概况 | 第23-24页 |
| 2.4.2 项目中水蓄冷空调系统配置形式与工况 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 水蓄冷空调系统负荷预测 | 第26-38页 |
| 3.1 空调系统负荷预测算法 | 第26-28页 |
| 3.1.1 回归分析 | 第26页 |
| 3.1.2 时间序列分析 | 第26-27页 |
| 3.1.3 支持向量机 | 第27页 |
| 3.1.4 人工神经网络 | 第27-28页 |
| 3.2 神经网络负荷预测模型构建 | 第28-29页 |
| 3.2.1 输入参数的选择 | 第28-29页 |
| 3.2.2 输出参数的选择 | 第29页 |
| 3.3 神经网络结构 | 第29-30页 |
| 3.4 样本数据采集和预处理 | 第30-32页 |
| 3.4.1 样本数据采集 | 第30-32页 |
| 3.4.2 样本数据预处理 | 第32页 |
| 3.5 预测模型训练算法 | 第32-34页 |
| 3.5.1 模型改进算法 | 第32-33页 |
| 3.5.2 负荷预测模型各参数设置 | 第33-34页 |
| 3.6 结果分析 | 第34-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 联合仿真平台搭建 | 第38-45页 |
| 4.1 TRNSYS软件简介 | 第38页 |
| 4.2 MATLAB与TRNSYS联合仿真原理 | 第38-39页 |
| 4.3 水蓄冷设备数学模型 | 第39-42页 |
| 4.3.1 水蓄冷设备水槽建模 | 第40页 |
| 4.3.2 板式换热器建模 | 第40-42页 |
| 4.4 基于TRNSYS的水槽模块开发 | 第42-43页 |
| 4.4.1 模块参数设置 | 第42-43页 |
| 4.4.2 水槽模块开发 | 第43页 |
| 4.5 MATLAB与TRNSYS联合仿真平台搭建 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 预测模型辨识 | 第45-50页 |
| 5.1 神经网络参数选择 | 第45-46页 |
| 5.2 样本数据采集与预处理 | 第46页 |
| 5.3 预测模型辨识结果分析 | 第46-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 水蓄冷空调系统预测控制策略研究 | 第50-61页 |
| 6.1 神经网络预测控制算法 | 第50-55页 |
| 6.1.1 被控系统数学模型 | 第50-51页 |
| 6.1.2 预测控制目标函数 | 第51页 |
| 6.1.3 神经网络预测控制器结构 | 第51-52页 |
| 6.1.4 神经网络预测控制器在线寻优算法 | 第52-55页 |
| 6.2 水蓄冷空调系统预测控制策略 | 第55-59页 |
| 6.2.1 预测控制器神经网络结构 | 第55-56页 |
| 6.2.2 目标函数 | 第56页 |
| 6.2.3 利用预测控制策略控制冷冻水出口温度 | 第56-58页 |
| 6.2.4 利用PID算法对系统冷冻水出口温度进行控制 | 第58-59页 |
| 6.2.5 预测控制算法与PID控制结果对比 | 第59页 |
| 6.3 本章小结 | 第59-61页 |
| 结论 | 第61-62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-68页 |
| 致谢 | 第68-69页 |