基于数据挖掘中央空调系统优化控制策略的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第13-17页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 本文主要内容 | 第16-17页 |
| 2 空调控制系统相关技术与理论基础 | 第17-23页 |
| 2.1 中央空调系统概述 | 第17-19页 |
| 2.1.1 空调系统概述 | 第17-18页 |
| 2.1.2 空调系统工作原理 | 第18-19页 |
| 2.2 数据挖掘技术 | 第19-22页 |
| 2.2.1 数据挖掘的概念 | 第19页 |
| 2.2.2 数据挖掘过程 | 第19-21页 |
| 2.2.3 数据挖掘方法 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于数据挖掘技术的空调系统模型建立 | 第23-49页 |
| 3.1 数据预处理与处理方法 | 第23-26页 |
| 3.1.1 数据呈现 | 第23-24页 |
| 3.1.2 数据预处理 | 第24-26页 |
| 3.2 可控变量与因变量影响关系的研究 | 第26-39页 |
| 3.2.1 分析冷却负载与可控变量的关系 | 第27-31页 |
| 3.2.2 分析系统效率与可控变量的关系 | 第31-35页 |
| 3.2.3 分析系统能耗与可控变量的关系 | 第35-39页 |
| 3.3 不可控变量与因变量影响关系的研究 | 第39-40页 |
| 3.3.1 利用降维技术进行数据分析 | 第39-40页 |
| 3.4 线性回归模型的构建 | 第40-48页 |
| 3.4.1 线性模型原理 | 第41-43页 |
| 3.4.2 模型建立 | 第43-45页 |
| 3.4.3 实验仿真结果分析 | 第45-47页 |
| 3.4.4 不同特征向量下的模型对比分析 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 基于数据挖掘技术的空调系统控制策略研究 | 第49-63页 |
| 4.1 约束条件聚类分析方法研究 | 第49-52页 |
| 4.1.1 常用的聚类方法 | 第49-50页 |
| 4.1.2 K-Means聚类分析 | 第50-52页 |
| 4.2 遗传算法原理与基本要素 | 第52-56页 |
| 4.2.1 遗传算法的基本概念 | 第52-53页 |
| 4.2.2 遗传算法执行过程与基本要素 | 第53-56页 |
| 4.3 本文控制策略方法研究 | 第56-60页 |
| 4.3.1 基于遗传算法转速控制策略模型的建立 | 第56-58页 |
| 4.3.2 转速控制策略算法实现 | 第58-60页 |
| 4.4 系统仿真与实验结果分析 | 第60-62页 |
| 4.4.1 控制系统仿真结果 | 第60-61页 |
| 4.4.2 最优控制策略评估 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 论文总结 | 第63-64页 |
| 5.2 工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-71页 |
| 致谢 | 第71-73页 |
| 作者简介及读研时期的科研成果 | 第73-74页 |
