基于随机优化算法的建筑热环境灰箱模型开发与验证

摘要

本文建立3热阻-3热容(3R3C)模型对建筑的热环境进行模拟,用遗传算法和粒子群算法更新迭代后的数据,使用EnergyPlus仿真的数据用于3R3C模型辨识.结果表明,3R3C模型不仅降低计算成本,还能描述建筑系统的物理特征并预测建筑的热性能,具有可接受的精度和良好的可信度以及鲁棒性.基于遗传算法和粒子群算法对简化的RC网络模型进行辨识,在最大迭代数为500和初始种群的大小为100的初始条件下,模型预测的室内温度与EnergyPlus仿真的室内温度相差2～5°C,均方根误差在1.5°C左右.在验证数据集上,室内温度35°C以上时,3R3C网络模型预测的室内温度与EnergyPlus仿真的室内温度,最大预测温度误差仅为5°C;室内温度35°C以下时,温度预测误差均在1°C之内,有很好的鲁棒性.