冰蓄冷空调系统负荷预测模型和系统优化控制研究

摘要

该文以建设银行杭州分行大楼的冰蓄冷空调系统作为实例研究对象,主要探索了空调负荷的人工神经网络预测这一新方法,并且对优化控制的运行费用和COP与传统的主机优先控制的运行费用和COP进行了比较和分析.该文建立了空调负荷日期类型的识别和分类的自组织特征映射(SOM)人工神经网络模型,首次用自组织特征映射理论揭示了空调负荷日期类型的分类关系.建立了温度24小时提前预测的人工神经网络模型,使得24小时提前逐时温度预测平均绝对误差从改进ASHRAE计算方法的0.6663℃降低到了0.4512℃,平均相对误差从2.02﹪降低到了1.36﹪.在研究一个统一的日冷负荷预测模型来预测周一到周日所有日子的日冷负荷的基础上,针对工作日和假日分别建立了日总冷负荷的神经网络预测模型.建立了一个统一的空调逐时负荷的24小时提前人工神经网络预测模型,并根据对日冷负荷类型的SOM分类结果,通过在内部一共采用8个子神经网络模型使得逐时负荷预测平均绝对误差降低到了80.64kWh,期望相对误差降低到了3.27﹪.建立了空调逐时负荷的24小时提前预测多点输出动态模型,更进一步提高了负荷预测的精度,使得逐时负荷预测平均绝对误差降低到了65.07kWh,期望相对误差降低到了2.60﹪.建立了优化控制运行费用最小化的数学模型并进行了数值计算.