基于人工神经网络的地下水源热泵系统节能诊断研究

摘要

目前，建筑节能成为各国关注的焦点和热点，其中可再生能源建筑应用得到了国家重视和鼓励，已经建设了～些可再生能源建筑应用示范项目，并且为了加大建设力度，提出建立可再生能源建筑示范城市。在可再生能源建筑应用中，地下水源热泵系统由于系统能效高、运行费用低，目前在我国得到了广泛应用，然而实际运行中因缺乏有效的节能诊断监控系统，往往导致系统运行能效大大降低。
　　 本课题是在这样的背景下提出的。
　　 本文依据我国现行有关节能规范，针对民用地下水源热泵空调系统，根据《水源热泵机组》(GB/R19409-2003)，《公共建筑节能设计标准》(GB 501 89-2005)，并结台专家和实际运行人员的经验以及作者的定量分析，提出节能状态判定指标；
　　 建立了基率特征参数、指标特征参数与非节能运行因素的关系库；确定了特征参数的数字化生成规则：根据关系库的映射对应关系，创建了特征参数样本的标准输入与系统节能诊断的标准输出的基础模型。基于人工神经网络技术具有的训练学习、记忆模拟、非线性逼近等优点，建立地下水源热泵系统节能诊断网络模型，并对BP神经网络中三种算法，即VLBP(variable learning rate back propagation)算法、SCG(scaled conjugate gradient)算法和LM(Ievenberg-narguardt)算法进行比较，训练网络．选择出较好的算法。最终实现了在基础模型对地下水源热泵系统运行时的节能诊断功能，为系统高效节能运行提供有效监控方法。

目录

1 绪论

2 地下水源热泵空调系统节能状态分析

3 地下水源泵空调系统监测系统

4 地下水源热泵空调系统节能诊断系统模型

5 基于人工神经网络的节能诊断实现

6 节能诊断系统软件实现和有效性验证

7 结论与展望

致谢

参考文献

附录

声明