摘要 | 第5-7页 |
Abstract | 第7-9页 |
第1章 绪论 | 第13-22页 |
1.1 研究背景 | 第13-15页 |
1.2 研究意义 | 第15-16页 |
1.3 国内外研究现状 | 第16-20页 |
1.3.1 建筑电气谐波抑制国内外研究现状 | 第16-18页 |
1.3.2 中央空调节能控制的研究现状 | 第18-19页 |
1.3.3 建筑电气节能评价的研究现状 | 第19-20页 |
1.4 本文主要结构 | 第20-22页 |
第2章 谐波源识别和纯电容无功补偿谐波抑制 | 第22-48页 |
2.1 谐波抑制标准 | 第22-24页 |
2.2 谐波评估及实例分析 | 第24-31页 |
2.3 基于改进BP神经网络的谐波源诊断方法 | 第31-34页 |
2.4 纯电容无功补偿的谐波抑制测试及分析 | 第34-43页 |
2.4.1 变压器主要非线性负载UPS测试与分析 | 第35-37页 |
2.4.2 纯电容无功补偿投入前后与变压器侧谐波变化 | 第37-39页 |
2.4.3 纯电容器投入的谐振分析 | 第39-43页 |
2.5 补偿策略 | 第43-46页 |
2.6 结果分析 | 第46页 |
2.7 本章小结 | 第46-48页 |
第3章 基于神经网络预测的中央空调系统节能控制 | 第48-66页 |
3.1 中央空调系统神经网络自适应预测控制 | 第48-57页 |
3.1.1 系统控制流程 | 第49页 |
3.1.2 自适应预测控制器结构 | 第49-51页 |
3.1.3 控制器模型 | 第51-54页 |
3.1.4 神经网络预测算法的改进 | 第54-57页 |
3.2 变风量中央空调系统模糊神经网络预测控制 | 第57-65页 |
3.2.1 模糊神经网络预测控制器结构 | 第57-58页 |
3.2.2 控制器模型 | 第58-60页 |
3.2.3 预测器结构与算法 | 第60-63页 |
3.2.4 仿真结果分析 | 第63-64页 |
3.2.5 系统控制流程 | 第64-65页 |
3.3 本章小结 | 第65-66页 |
第4章 基于神经网络的变风量空调系统解耦控制 | 第66-84页 |
4.1 神经网络解耦控制器结构 | 第66-79页 |
4.1.1 控制器模型 | 第68-70页 |
4.1.2 预测器结构与算法 | 第70-74页 |
4.1.3 解耦控制的参数优化 | 第74-79页 |
4.2 变风量空调解耦控制系统仿真分析 | 第79-83页 |
4.2.1 变风量空调房间数学模型 | 第79-81页 |
4.2.2 系统仿真结果及分析 | 第81-83页 |
4.3 本章小结 | 第83-84页 |
第5章 建筑电气节能评价 | 第84-119页 |
5.1 建筑电气节能评价指标体系 | 第84-98页 |
5.1.1 评价指标体系建立原则 | 第84-86页 |
5.1.2 建筑电气节能评价指标体系的构建 | 第86-87页 |
5.1.3 建筑电气节能综合评价指标的描述 | 第87-92页 |
5.1.4 建筑电气节能综合评价指标权重 | 第92-98页 |
5.2 建筑电气节能模糊综合评价模型 | 第98-106页 |
5.2.1 模糊综合评价模型 | 第99-100页 |
5.2.2 建筑电气节能评价等级 | 第100-103页 |
5.2.3 建筑电气节能模糊综合评价方法应用 | 第103-106页 |
5.3 基于BP神经网络的建筑电气节能评价模型 | 第106-108页 |
5.3.1 基于BP神经网络的建筑电气节能评价模型的建立 | 第106-107页 |
5.3.2 BP模型训练 | 第107-108页 |
5.4 基于混沌神经网络建筑电气节能评价模型 | 第108-115页 |
5.4.1 混沌神经网络模型 | 第108-111页 |
5.4.2 混沌神经网络学习算法 | 第111-112页 |
5.4.3 基于混沌神经网络的建筑电气节能评价模型的建立 | 第112-115页 |
5.5 基于神经网络的建筑电气节能评价系统实现 | 第115-117页 |
5.6 本章小结 | 第117-119页 |
第6章 总结与进一步的工作 | 第119-121页 |
6.1 总结 | 第119-120页 |
6.2 进一步的工作 | 第120-121页 |
参考文献 | 第121-127页 |
致谢 | 第127-128页 |
作者攻读博士学位期间取得的成果 | 第128-131页 |