基于用户行为的储水式电热水器智能控制技术研究

摘要

实现智能控制是储水式电热水器的主要发展方向之一，对用户行为的研究是实现储水式电热水器真正智能的关键，基于用户行为的智能控制技术克服了现有储水式电热水器加热周期长，能源消耗大的缺点和需要频繁设置的不便，对于提高用户的生活质量具有一定的现实意义，同时对于节能型和舒适型智能家电的研究具有重要的借鉴意义。 储水式电热水器工作方式大多采用的是循环加热保温模式，水的加热过程具有很大的滞后性，保温的过程也意味着大量的能量耗费。因此，储水式电热水器的智能控制逐渐引起人们的重视。将用户的行为数据当作时间序列来处理，以用户使用电热水器的历史行为数据为依据，采用时间序列的预测方法对用户将来的行为进行预测并给出关于提前加热的控制策略，就很好的实现了储水式电热水器的智能控制。 首先，总结了时间序列预测方法的研究现状，分析了用户使用储水式电热水器的行为特征，比较了不同时间序列预测模型的优缺点，研究分析了储水式电热水器的工作参数。提出用户的每一具体行为的数据特征量都服从高斯分布，并以此为依据，对用户的行为进行了模拟仿真，并通过实验验证了仿真模型相关算法的有效性和可行性。 然后，针对用户行为预测方法进行研究，给出了基于GA和FR共轭梯度法的BP神经网络预测模型。基于用户行为模拟数据，分别对BP神经网络、ARIMA时间序列预测方法、支持向量机、基于遗传算法和FR共轭梯度法改进的BP神经网络建立模型并进行预测性能比较，比较结果表明基于遗传算法与FR共轭梯度法相结合的BP神经网络预测效果最优。 最后，依据现有的储水式电热水器加热过程和放水过程的相关参数和公式提出了能推算出用户行为初始出口温度的算法，并且在该算法的基础上对加热控制策略进行了设计。将基于遗传算法和FR共轭梯度法改进的BP神经网络预测模型和加热控制策略相结合得到的智能控制技术，通过实验对智能控制技术和储水式电热水器传统的工作模式进行性能比较，结果表明，前者消耗更少的电能，达到了节能的效果，同时该智能控制技术的提前预测功能也给用户的使用带来了方便。

目录

声明

摘要

第1章绪论

1．1课题研究的背景和意义

1．2国内外时间序列预测方法研究现状

1．3本文的主要内容

1．4本文结构安排

1．5本章小结

第2章储水式电热水器用户行为数值模拟

2．1用户行为特征分析

2．2用户行为模型确立

2．2．1用户行为属性变量的分析与处理

2．2．2用户行为模型设计

2．2．3用户行为的具体类别及其各属性变量的参数设定

2．2．4用户行为模型算法设计

2．3用户行为模型仿真与数值模拟

2．3．1用户行为仿真参数设置

2．3．2高斯分布化算法验证分析

2．3．3去重叠算法验证分析

2．4用户行为数值模拟平台

2．5本章小结

第3章基于改进的BP神经网络的储水式电热水器用户行为预测方法

3．1 BP神经网络概述

3．1．1神经网络原理

3．1．2 BP神经网络的优点及局限性

3．1．3 BP神经网络算法描述

3．2基于GA和FR共轭梯度法的BP神经网络预测模型基本思想

3．3用户行为预测问题描述

3．4基于GA和FR共轭梯度法的BP神经网络预测模型

3．5实验数据概述

3．6预测模型主要参数设置

3．6．1隐层神经元个数确定

3．6．2初始权值和阈值的确定

3．6．3激活函数和学习算法的确定

3．6．4方法性能比较

3．7本章小结

第4章储水式电热水器加热控制策略设计

4．1加热控制策略设计的基本思想

4．1．1储水式电热水器传统的工作模式

4．1．2储水式电热水器改进后的工作模式

4．2储水式电热水器工作模式的相关参数与公式

4．2．1加热过程

4．2．2放水过程

4．3用户行为初始出口温度的确定

4．4储水式电热水器加热控制策略的设计

4．5储水式电热水器智能控制技术数据验证

4．6本章小结

第5章总结与展望

5．1论文工作总结

5．2未来研究方向展望

参考文献

附录

致谢