摘要 | 第3-4页 |
abstract | 第4-5页 |
第1章 绪论 | 第9-17页 |
1.1 研究背景 | 第9页 |
1.2 国内外研究现状 | 第9-13页 |
1.2.1 模型输入参数的合理获得 | 第9-11页 |
1.2.2 模型预测技术的有效运用 | 第11-13页 |
1.3 研究目的和意义 | 第13-14页 |
1.4 研究内容 | 第14-17页 |
第2章 负荷预测模型的研究和设计 | 第17-29页 |
2.1 影响因子的选择 | 第17-19页 |
2.1.1 负荷预测模型中影响因子选择方法 | 第17-18页 |
2.1.2 相关性分析法 | 第18-19页 |
2.2 模型输入参数的获得 | 第19-20页 |
2.2.1 负荷预测模型输入参数获得方法 | 第19页 |
2.2.2 数据标准化 | 第19页 |
2.2.3 主成分分析法 | 第19-20页 |
2.3 预测技术的使用 | 第20-24页 |
2.3.1 人工神经网络法 | 第20-22页 |
2.3.2 支持向量机法 | 第22-24页 |
2.4 超短期预测模型中小波分解和重构的利用 | 第24-26页 |
2.4.1 超短期负荷预测中小波分解和重构的必要性 | 第24-25页 |
2.4.2 小波分解和重构算法 | 第25-26页 |
2.5 模型评价标准 | 第26-27页 |
2.6 本章小结 | 第27-29页 |
第3章 案例建筑基本信息及调研测试 | 第29-33页 |
3.1 测试目的 | 第29页 |
3.2 案例建筑基本信息 | 第29-30页 |
3.3 测试调研内容 | 第30-31页 |
3.4 测试仪器 | 第31-32页 |
3.5 测试周期和间隔 | 第32页 |
3.6 本章小结 | 第32-33页 |
第4章 建筑热负荷预测分析 | 第33-55页 |
4.1 短期热负荷预测模型 | 第33-37页 |
4.1.1 短期热负荷预测模型影响因子的选择结果 | 第33-35页 |
4.1.2 短期热负荷预测模型输入参数的获得结果 | 第35-36页 |
4.1.3 短期热负荷预测模型的预测结果 | 第36-37页 |
4.2 超短期热负荷预测模型 | 第37-48页 |
4.2.1 超短期热负荷预测模型小波分解的结果 | 第37-43页 |
4.2.2 超短期热负荷预测模型影响因子的选择结果 | 第43-46页 |
4.2.3 超短期热负荷预测模型输入参数的获得结果 | 第46-47页 |
4.2.4 超短期热负荷预测模型的预测结果 | 第47-48页 |
4.3 模型输入参数选择方法对预测精度的影响分析 | 第48-50页 |
4.4 室内外各类变量对建筑热负荷影响程度的分析 | 第50-54页 |
4.4.1 各类变量对热负荷影响程度的分析结果 | 第50页 |
4.4.2 案例建筑的模拟 | 第50-52页 |
4.4.3 基于模拟负荷分析变量的重要性 | 第52-54页 |
4.5 本章小结 | 第54-55页 |
第5章 建筑冷负荷预测分析 | 第55-65页 |
5.1 短期冷负荷预测模型 | 第55-58页 |
5.1.1 短期冷负荷预测模型影响因子的选择结果 | 第55-56页 |
5.1.2 短期冷负荷预测模型输入参数的获得结果 | 第56页 |
5.1.3 短期冷负荷预测模型的预测结果 | 第56-58页 |
5.2 超短期冷负荷预测模型 | 第58-62页 |
5.2.1 超短期冷负荷预测模型小波分解的结果 | 第58页 |
5.2.2 超短期冷负荷预测模型影响因子的选择结果 | 第58-60页 |
5.2.3 超短期冷负荷预测模型输入参数的获得结果 | 第60页 |
5.2.4 超短期热负荷预测模型的预测结果 | 第60-62页 |
5.3 室内外各类变量对建筑冷负荷影响程度的分析 | 第62-63页 |
5.4 本章小结 | 第63-65页 |
第6章 负荷预测模型的应用 | 第65-77页 |
6.1 设备能耗模型的建立 | 第65-67页 |
6.2 约束条件的设置 | 第67-68页 |
6.3 暖通空调系统运行能耗算法过程 | 第68-70页 |
6.4 负荷预测节能效果展示 | 第70-75页 |
6.4.1 设备能耗模型的建立结果 | 第70-71页 |
6.4.2 约束条件设置结果 | 第71-72页 |
6.4.3 负荷预测模型的节能效果 | 第72-75页 |
6.5 本章小结 | 第75-77页 |
第7章 结论与展望 | 第77-81页 |
7.1 结论 | 第77-78页 |
7.2 展望 | 第78-81页 |
参考文献 | 第81-87页 |
发表论文和参加科研情况说明 | 第87-89页 |
致谢 | 第89页 |