基于数据的建筑能耗预测与优化
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 建筑能耗预测研究现状 | 第11-14页 |
| 1.2.2 数据驱动建模方法研究现状 | 第14-15页 |
| 1.2.3 建筑能耗优化现状 | 第15-16页 |
| 1.3 课题的主要研究内容 | 第16-18页 |
| 第2章 建筑能耗仿真系统搭建 | 第18-27页 |
| 2.1 TRNSYS软件介绍 | 第18-19页 |
| 2.2 建筑系统仿真模型 | 第19-22页 |
| 2.2.1 建筑概况 | 第19-20页 |
| 2.2.2 用能状况设置 | 第20-22页 |
| 2.3 建筑负荷模拟计算 | 第22-25页 |
| 2.3.1 建筑冷热负荷计算 | 第22-23页 |
| 2.3.2 建筑电负荷计算 | 第23-24页 |
| 2.3.3 建筑能耗仿真系统 | 第24-25页 |
| 2.4 建筑能耗仿真结果及分析 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 数据分析与处理 | 第27-34页 |
| 3.1 数据分析方法原理介绍 | 第27-28页 |
| 3.2 建筑负荷影响因素分析 | 第28-31页 |
| 3.2.1 影响因素初步分析 | 第28-29页 |
| 3.2.2 相关分析法 | 第29-30页 |
| 3.2.3 实验仿真及结果分析 | 第30-31页 |
| 3.3 气象参数数据分析 | 第31-33页 |
| 3.3.1 相空间重构原理概述 | 第31-33页 |
| 3.3.2 实验数据采集 | 第33页 |
| 3.3.3 实验仿真及结果分析 | 第33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于数据驱动的建筑能耗预测 | 第34-47页 |
| 4.1 能耗预测模型概述 | 第34页 |
| 4.2 短期气象参数预测模型 | 第34-40页 |
| 4.2.1 最小二乘支持向量机 | 第35-36页 |
| 4.2.2 PSO优化LSSVM参数 | 第36页 |
| 4.2.3 短期气象参数预测模型 | 第36-38页 |
| 4.2.4 实验仿真结果与分析 | 第38-40页 |
| 4.3 基于数据驱动的建筑能耗预测 | 第40-46页 |
| 4.3.1 HCMAC算法 | 第40-42页 |
| 4.3.2 HCMAC算法的改进 | 第42-43页 |
| 4.3.3 建筑负荷预测模型 | 第43-44页 |
| 4.3.4 实验仿真结果与分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于负荷需求的分布式能源系统优化调度 | 第47-56页 |
| 5.1 建筑逐时负荷需求分析 | 第47-49页 |
| 5.2 分布式能源系统 | 第49-50页 |
| 5.2.1 分布式能源概述 | 第49页 |
| 5.2.2 能源能耗成本模型 | 第49-50页 |
| 5.3 “需1产1”优化调度策略 | 第50-55页 |
| 5.3.1 优化问题描述 | 第50-52页 |
| 5.3.2 基于粒子群的优化调度 | 第52-53页 |
| 5.3.3 实验仿真与结果分析 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间论文发表及科研情况 | 第64页 |
