基于遗传BP神经网络技术的大型公建能耗分析模型的研究与应用

摘要

本文依托广西大学节约型校园建筑节能监管平台建设项目，构建了广西大学节约型校园节能监管平台，对节能监管平台的总体架构、数据传输方式、测点设置、分项监测模型、设备选型、硬件安装及调试、节能监管平台的软件功能进行了研究。在使用节能监管平台的过程中，发现了用能结算系统中用能定额缺乏科学性的依据，对学校的用能分配产生较大的浪费。
　　 针对这一问题，本文利用BP神经网络能很好地解决非线性问题，具有全局逼近及泛化的能力，对大型公建能耗分析模型方案进行研究。通过分析影响建筑能耗变化的影响因素，利用灰色关联法确定了影响广西大学大型公建建筑能耗的主要影响因素，包括温度、湿度、天气特征、是否工作日，并以此作为模型的输入，以建筑能耗作为模型的输出，从而建立了基于BP神经网络的建筑能耗分析模型。然而，在实际运用过程中，BP神经网络具有收敛速度缓慢，容易陷入局部极小的缺陷。鉴于此，本文采用遗传算法来优化BP神经网络的权值和阈值，完成了对大型公建能耗分析模型的改进，并实现了大型公建能耗分析模型界面的可视化。模型验证结果表明，本文建立的基于遗传BP神经网络的大型公建能耗分析模型的精度比较高，与传统的BP神经网络模型结果相比更准确，分析模型的相对误差由10.08%减少到了5.25%，从而证明了遗传BP神经网络能较好地适用于广西大学校园大型公建建筑能耗分析模型的研究，并在大型公建能耗定额中加以应用，为广西大学建筑能耗用能定额的分析奠定了基础。

目录

文摘

英文文摘

第一章 绪论

1.1 课题来源

1.2 课题背景

1.3 国内外研究现状

1.3.1 建筑能耗监测平台研究现状

1.3.2 建筑能耗分析模型的研究

1.4 课题研究意义

1.5 本文主要研究内容

1.6 论文组织结构

第二章 校园建筑节能监管平台构建及用能分析

2.1 引言

2.2 广西大学学校能源消耗情况

2.3 节能监管平台总体架构

2.4 平台方案的研究

2.4.1 数据传输方式

2.4.2 测点设置

2.4.3 分项监测模型的构建

2.5 平台硬件施工

2.5.1 设备选型

2.5.2 硬件安装

2.5.3 硬件调试

2.6 节能监管平台软件功能

2.7 用能分析及问题

2.8 本章小结

第三章 大型公建能耗分析模型方案的研究

3.1 引言

3.2 异常数据处理

3.3 建筑能耗影响因素分析

3.3.1 外部气候条件分析

3.3.2 工作状态分析

3.4 主要影响因素的确定

3.4.1 主要因素选取方法

3.4.2 主要因素选取结果

3.5 大型公建能耗分析模型方案设计

3.6 大型公建能耗分析模型方案可行性分析

3.7 本章小结

第四章 基于BP神经网络大型公建能耗分析模型的构建

4.1 引言

4.2 BP神经网络模型

4.3 数据的选取及归一化处理

4.3.1 数据的选取

4.3.2 数据的归一化处理

4.4 BP神经网络结构设置

4.4.1 BP网络的输入输出确定

4.4.2 BP神经网络结构参数确定

4.4.3 BP神经网络算法流程

4.5 BP神经网络模型结果分析

4.5.1 模型性能评价公式

4.5.2 BP神经网络训练及模型验证结果分析

4.6 本章小结

第五章 大型公建能耗分析模型的改进及在用能定额中的应用

5.1 引言

5.2 遗传算法寻优方法

5.3 遗传BP算法参数选取及流程

5.4 遗传算法优化BP网络权值和阈值的实现

5.5 模型验证实现

5.5.1 模型验证结果分析

5.5.2 大型公建能耗分析模型界面可视化

5.6 大型公建能耗分析模型在用能定额中的应用

5.6.1 用能定额的意义

5.6.2 能耗分析模型在用能定额中的应用

5.7 本章小结

第六章 总结与展望

6.1 本文总结

6.2 未来工作展望

参考文献

致谢

硕士学位期间发表论文情况