致谢 | 第1-6页 |
摘要 | 第6-8页 |
Abstract | 第8-11页 |
目录 | 第11-22页 |
1 绪论 | 第22-39页 |
·引言 | 第22-23页 |
·研究背景 | 第23-26页 |
·国际能源现状 | 第23-24页 |
·我国建筑能耗现状 | 第24-25页 |
·我国建筑节能现行标准及节能途径 | 第25-26页 |
·建筑环境建模与优化控制方法研究现状 | 第26-33页 |
·建筑环境建模 | 第26-30页 |
·建筑环境控制与优化 | 第30-33页 |
·基于模型降阶的新思路 | 第33页 |
·建筑能量预测方法研究现状 | 第33-36页 |
·本文主要研究内容 | 第36-39页 |
2 建筑室内热环境建模 | 第39-60页 |
·引言 | 第39-40页 |
·基于CFD的室内热环境模型 | 第40-45页 |
·基本控制方程 | 第40-41页 |
·湍流输运方程 | 第41-42页 |
·近壁面处理方法 | 第42页 |
·CFD室内热环境模拟 | 第42-45页 |
·离散化策略 | 第45-50页 |
·中心差分法 | 第46-47页 |
·QUICK算法 | 第47页 |
·全隐式算法 | 第47-49页 |
·室内热环境高阶模型 | 第49-50页 |
·基于POD/Galerkin映射的室内热环境降阶模型 | 第50-54页 |
·POD降阶理论 | 第50-52页 |
·快照求解方法 | 第52-53页 |
·Galerkin映射 | 第53-54页 |
·仿真实验 | 第54-59页 |
·本章小结 | 第59-60页 |
3 基于模型降阶的建筑室内热环境控制 | 第60-71页 |
·引言 | 第60-61页 |
·室内空气分布 | 第61-62页 |
·参考室内温度分布的温控策略 | 第62-63页 |
·“离线-在线”策略 | 第62-63页 |
·温控策略框架 | 第63页 |
·初始状态估计 | 第63-64页 |
·控制器设计 | 第64-66页 |
·仿真实验 | 第66-70页 |
·Fluent用户自定义函数 | 第66页 |
·卡尔曼状态估计 | 第66-67页 |
·PID控制 | 第67-68页 |
·模型预测控制 | 第68-70页 |
·本章小结 | 第70-71页 |
4 基于模型降阶与遗传算法的建筑环境优化策略 | 第71-90页 |
·引言 | 第71-72页 |
·建筑环境与能耗评价指标 | 第72-77页 |
·热舒适度指标 | 第72-74页 |
·室内空气质量指标 | 第74-75页 |
·能耗指标 | 第75-76页 |
·设置目标函数 | 第76-77页 |
·遗传算法 | 第77页 |
·优化策略 | 第77-79页 |
·办公室环境CFD建模与验证 | 第79-82页 |
·优化仿真实验 | 第82-87页 |
·参数子空间的构造 | 第82-83页 |
·降阶模型与多维插值的精度评估 | 第83-85页 |
·优化结果与分析 | 第85-87页 |
·本章小结 | 第87-90页 |
5 数据驱动的建筑能耗预测方法 | 第90-106页 |
·引言 | 第90-91页 |
·神经网络方法 | 第91-92页 |
·神经模糊推理系统模型 | 第92-97页 |
·基本ANFIS结构 | 第92-94页 |
·ANFIS非线性函数建模 | 第94-95页 |
·规则基优化 | 第95-97页 |
·混合GA-ANFIS模型 | 第97-98页 |
·能耗预测仿真 | 第98-103页 |
·建筑能耗数据 | 第98-99页 |
·神经网络预测 | 第99-101页 |
·GA-HANFIS预测 | 第101-102页 |
·预测结果比较 | 第102-103页 |
·本章小结 | 第103-106页 |
6 建筑能耗预测案例 | 第106-114页 |
·案例1:图书馆逐时能耗预测 | 第106-110页 |
·浙江大学节约型校园能耗监控系统 | 第106-107页 |
·数据采集 | 第107页 |
·数据预处理 | 第107-108页 |
·GA-ANFIS能耗预测 | 第108-110页 |
·案例2:某酒店每日能耗预测 | 第110-112页 |
·本章小结 | 第112-114页 |
7 总结与展望 | 第114-117页 |
参考文献 | 第117-129页 |
攻博期间完成论文 | 第129-130页 |
个人简历 | 第130页 |