| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 无中心网络平台概述 | 第11-12页 |
| 1.2.1 无中心网络的背景 | 第11页 |
| 1.2.2 无中心分布计算网络智能建筑监控架构平台 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-18页 |
| 1.3.1 建筑能耗预测研究现状 | 第12-15页 |
| 1.3.2 热舒适度研究现状 | 第15-17页 |
| 1.3.3 建筑能耗优化研究现状 | 第17-18页 |
| 1.4 本文研究内容及章节安排 | 第18-20页 |
| 第2章 空调负荷热参数建模与辨识 | 第20-31页 |
| 2.1 空调负荷热参数模型概述 | 第20页 |
| 2.2 空调负荷热参数模型建立与辨识 | 第20-30页 |
| 2.2.1 空调负荷热参数模型的建立 | 第20-21页 |
| 2.2.2 参数模型辨识算法介绍 | 第21-23页 |
| 2.2.3 辨识数据的来源 | 第23-25页 |
| 2.2.4 模型辨识与验证 | 第25-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于人工神经网络的建筑能耗预测 | 第31-39页 |
| 3.1 IHCMAC神经网络算法原理 | 第31-32页 |
| 3.2 IHCMAC神经网络算法的改进 | 第32-35页 |
| 3.2.1 K-Means聚类算法 | 第32-33页 |
| 3.2.2 基于粒子群优化的K-Means算法 | 第33-35页 |
| 3.3 建筑负荷预测模型 | 第35-36页 |
| 3.3.1 数据来源与分析 | 第35页 |
| 3.3.2 建筑负荷预测模型 | 第35-36页 |
| 3.4 实验仿真结果与分析 | 第36-37页 |
| 3.4.1 性能指标 | 第36-37页 |
| 3.4.2 实验结果与讨论 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于人工神经网络的热舒适测量模型 | 第39-47页 |
| 4.1 热舒适度评价指标 | 第39-40页 |
| 4.2 热舒适度测量模型 | 第40-44页 |
| 4.2.1 热舒适度测量模型的输入变量分析 | 第40-42页 |
| 4.2.2 热舒适度测量模型 | 第42-44页 |
| 4.3 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 基于无中心网络的建筑能耗优化调度 | 第47-62页 |
| 5.1 优化问题描述 | 第47页 |
| 5.2 基于无中心网络的建筑能耗优化调度策略 | 第47-50页 |
| 5.3 建筑能耗优化调度算法的研究 | 第50-57页 |
| 5.3.1 NSGA-II算法 | 第50-51页 |
| 5.3.2 NSGA-II算法的问题分析及改进 | 第51-53页 |
| 5.3.3 算法的验证与讨论 | 第53-57页 |
| 5.4 实验仿真与结果分析 | 第57-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 本文总结及展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间论文发表及科研情况 | 第70页 |