水蓄冷空调系统负荷预测方法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·我国发展蓄冷空调的现状 | 第8-11页 |
| ·我国电力状况 | 第8-9页 |
| ·蓄冷空调发展的现状 | 第9-10页 |
| ·蓄冷空调的应用前景 | 第10-11页 |
| ·.蓄冷空调负荷预测的重要性的提出 | 第11-17页 |
| ·蓄冷空调 | 第11-14页 |
| ·蓄冷空调的运行方案及控制策略 | 第14-16页 |
| ·负荷预测对蓄冷空调节能应用的重要性 | 第16-17页 |
| ·本课题的主要工作 | 第17-18页 |
| 第二章 蓄冷空调系统的负荷预测 | 第18-33页 |
| ·负荷预测 | 第18-23页 |
| ·气象参数预测 | 第18-20页 |
| ·太阳辐射预测 | 第20-22页 |
| ·相对湿度的预测 | 第22-23页 |
| ·负荷预测几种方法的研究 | 第23-31页 |
| ·回归模型法 | 第23页 |
| ·时间序列模型 | 第23-26页 |
| ·神经网络模型 | 第26-28页 |
| ·人工神经网络基本结构 | 第28-29页 |
| ·BP 网络的学习规则 | 第29-30页 |
| ·数据的预处理 | 第30页 |
| ·人工神经网络的评价指标 | 第30-31页 |
| ·人工神经网络在暖通空调领域的应用 | 第31-33页 |
| 第三章 人工神经网络在水蓄冷空调系统中的应用 | 第33-62页 |
| ·BP 神经网络的输入变量和输出变量的选择 | 第34-36页 |
| ·BP 神经网络输入参数的选择 | 第34-35页 |
| ·BP 神经网络输出变量的选择 | 第35-36页 |
| ·神经网络的结构与设计 | 第36-38页 |
| ·神经网络隐藏层层数的确定 | 第36页 |
| ·隐藏层节点数的确定 | 第36-37页 |
| ·BP 网络连接方式的选择 | 第37-38页 |
| ·BP 神经网络的参数的确定 | 第38-39页 |
| ·BP 神经网络初始权值的确定 | 第38-39页 |
| ·BP 神经网络学习率的确定 | 第39页 |
| ·BP 神经网络的动量因子确定 | 第39页 |
| ·BP 神经网络的样本集的选取 | 第39-40页 |
| ·BP 神经网络的训练与仿真 | 第40-56页 |
| ·输入不包括室外相对湿度 | 第44-46页 |
| ·输入不包括室内干湿球温度 | 第46-49页 |
| ·输入不包括室外湿球温度 | 第49-51页 |
| ·输入不包括前一天T 时刻冷负荷 | 第51-53页 |
| ·分析与结论 | 第53-56页 |
| ·BP 神经网络的可移植性验证及分析 | 第56-59页 |
| ·负荷预测软件的开发 | 第59-62页 |
| 第四章 水蓄冷系统自动控制策略的提出 | 第62-73页 |
| ·传统优化控制策略在工程应用的局限 | 第62-63页 |
| ·改良优化控制策略的提出 | 第63-69页 |
| ·水蓄冷系统控制目标及影响实施的约束条件 | 第63-64页 |
| ·水蓄冷日运行费用的组成 | 第64-67页 |
| ·优化水蓄冷系统运行费用的思想 | 第67-69页 |
| ·基于上述思想的水蓄冷系统优化控制策略 | 第69-70页 |
| ·在实际工程中的应用 | 第70-73页 |
| 第五章 结论与展望 | 第73-75页 |
| ·结论 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 参加科研情况说明 | 第78-79页 |
| 致谢 | 第79页 |
