一、基于遗传算法的HVAC系统参数实时优化研究（论文文献综述）
吴昊天[1]（2021）在《基于永磁风机并网技术的微电网优化运行研究》文中认为能源是人类社会发展的重要要素,在降低温室气体二氧化碳排放已经成为全球共识的情况下,作为清洁能源的风能是各国开发的重点领域之一。将风能转化为可以利用的电能涉及到了风力发电技术。风力发电技术包括风力机的设计、变频技术、电机电子技术和芯片控制技术等。现阶段,因风力发电具有很高的间歇性和不稳定性,为了最大限度地利用风能资源,降低风电对电网带来的不利影响,电力电子化的风电并网及相关系统的优化运行控制正在成为人们研究的热点,其中基于柔性直流输电技术的多端直流微电网系统和基于大容量储能技术的交流微电网系统是风电并网和风能利用的两种有效途径。本文围绕永磁直驱风机的拓扑结构及数学模型、永磁风机的交流并网控制策略、永磁风机交流接入的交流微电网优化运行研究、永磁风机直流并网控制策略、永磁风机直流接入的多端直流微电网优化运行研究等问题展开研究,主要创新工作如下:（1）永磁风机的交流并网控制策略改进本文基于“不可控整流器+Boost升压斩波电路+三相电压型PWM逆变器”的永磁风机拓扑结构,深入阐述了机侧的最大功率跟踪控制（MPPT）原理和网侧的双闭环控制原理;针对机侧的最大功率跟踪控制,提出了“转速外环电流内环”的双闭环控制策略;针对网侧主流的“电压外环电流内环”双闭环并网控制策略,通过对控制算法的改进,提高永磁风机的交流并网控制性能,达到以下三个交流并网的目标:1)减少电流谐波,提高动态响应速度;2)实现有功量与无功量的解耦,达到单位功率因数并网和直流母线电压的稳定输出;3)提高系统的控制精度、抗干扰能力和鲁棒性。（2）基于永磁风机交流并网的交流微电网优化运行本文基于含有风电、可调度分布式发电（柴油发电机）、储能系统和局部负荷的交流微电网,根据当前新的主流智能算法,提出一种新的高效的电力管理方法,并采用适当的预测技术来处理微电网中风能和电能消耗的不确定性。提出的能源管理优化目标旨在使微电网在燃料、运行和维护以及主电网电力进口方面的支出最小化,同时最大限度地利用微电网对上游电网的能源输出。本文立足于交流微电网的优化运行研究,以最优运行成本为控制目标,提出了一种基于混合启发式群优化算法的交流微电网优化运行控制策略。首先,依据各分布式发电单元的运行特性建立各分布式发电单元的等效数学模型,进而清晰地表述交流微电网的运行控制过程和各种模态的切换;其次,在建立各等效模型的基础之上,建立交流微电网优化运行的目标函数;再次,依据各分布式单元的特性列出目标函数的约束条件;此外,运用本文提出的混合启发式群优化算法,在约束条件下求解该交流微电网的目标函数,得出各分布式电源的具体出力和投切状态;最后,将本文提出的运行控制策略在一个具体案例上进行仿真,同时与传统PS算法的仿真结果进行对比,进行仿真分析。（3）基于柔性直流输电技术的永磁风机直流并网控制策略本文基于VSC换流站的控制策略分析,提出了一种基于VSC-HVDC的永磁风机直流并网的控制策略;首先,建立了一个三端的永磁风机直流并网系统,包括永磁风机侧和两个交流侧;然后,基于三端直流并网系统提出了一种三层控制策略,包括系统级、换流站级和换流器阀级。对于风机侧的换流站控制,利用改进PR控制可以无静差跟踪的特点,将传统的定交流电压单环控制改造为“电压外环PR-电流内环解耦”的双闭环控制,解决了风机侧交流电压畸变时,VSC换流站对称性故障穿越的难题。（4）基于永磁风机直流并网的多端直流微电网优化运行控制本文立足于风电机组参与功率调节时直流微电网试验平台的优化运行,以微电网智能多代理技术和隔离型双向全桥DC-DC储能技术为基础,设计一种新的并网运行优化控制策略。首先,建立了六端直流微电网系统的模型,研究各端口的数学模型及控制策略;其次,以直流微电网的优化运行和故障穿越为控制目标,以微电网智能多代理技术和隔离型双向全桥DC-DC储能技术为基础,设计了一种新的直流微电网并网运行控制策略和一种新的直流微电网故障穿越控制策略,实现了对风力发电机组出力波动的有效控制和多端直流微电网的稳定运行,保证了直流微电网内负荷的稳定供电和成本优化;最后,在“直流微电网试验平台”上进行仿真验证和故障运行研究,验证新的直流微电网并网优化控制策略和故障穿越控制策略是否可以有效地协调和控制直流微电网的稳定运行,同时最大限度地利用风能资源。
王鸿大[2]（2021）在《工业制冷系统能耗优化控制设计与工程应用》文中研究指明为保证正常生产,工厂冷冻水的制备和供应往往较粗放,造成能源的浪费。现有技术基于人工经验对供水温度、压力进行调节,操作繁琐。因此,通过对工厂制冷系统的研究,对系统的运行参数与设备调度进行优化,进而挖掘系统的节能潜力,对降低企业生产成本提高系统能源利用率具有重要意义。本文以典型制冷系统动力车间为对象,首先根据某制药厂动力车间的实际运行情况,对系统中主要耗能设备:制冷机、离心泵、冷却塔建立数学模型,然后分析制冷系统中各处水温、水压对系统中主要耗能设备能耗的影响。根据所建设备模型,以系统总能耗最小为目标构建制冷系统优化问题并求解,进而设计了一套制冷系统能耗优化控制方案,解决了该车间冷量供需不平衡的问题,提高了系统的制冷效率,满足了该厂对车间节能优化的需求。本文的主要研究内容如下:（1）对系统中主要耗能设备:制冷机、离心泵、冷却塔,建立数学模型。本文先后研究了基于支持向量回归机的制冷机与冷却塔建模,以及基于经验公式的离心泵建模。并对制冷机、离心泵与冷却塔模型进行测试,模型均方根误差在5%以内,满足现场实际需求。（2）针对制冷系统中主要工况参数寻优问题,为保障供冷端与需冷端冷量平衡,根据设备所建数学模型采用遗传算法求解最优的制冷系统运行参数,主要包括:冷却水温度、流量,冷冻水供水温度。通过仿真对冷却水系统、冷冻水系统与制冷系统整体能耗优化方案进行验证,有较为明显的节能效果;选取系统稳定运行的时间区域,投入各优化控制模块,有较为明显的节能效果,满足该厂对车间节能优化的需求。（3）针对系统耗能设备多级并联群控问题,在保证制冷系统中供水温度、压力的情况下,通过所搭建的模型采用穷举法求解最优的设备启停问题。主要包括:离心泵组群控与制冷机组群控,对不同运行状态下的离心泵组群控方案进行验证,节能效果较为明显;对于制冷机组群控通过仿真为人工操作提供指导。本文通过建立制冷系统数学模型,从系统能耗的角度将未投入优化的现场运行数据与仿真测试数据和投入优化的现场运行数据进行对比。数据表明,本文所设计的制冷系统优化控制方案与传统的控制方案相比,有效的降低了制冷系统能耗。
蔡迪[3]（2021）在《基于室内热舒适度的节能优化控制》文中指出建筑行业是国家经济的重要产业,关系着国计民生和国家综合实力。伴随着智能城市加速建设和建筑能耗日益增长,这对建筑节能技术提出了更高的要求。同时,室内为主要生活居住环境,人们对室内环境舒适性要求更加严格,为创造舒适的室内热环境,需要消耗大量热能,建筑暖通空调系统作为维持室内热环境状况,保证人员热舒适的智能建筑主要组成部分,其能耗在建筑总能耗中占比高达30%。事实上,平衡室内热舒适度满意度和空调系统能耗异常困难,成为建筑节能优化控制策略发展的瓶颈。传统的建筑节能优化方法,人员舒适度的个性化要求没有作为主因素被考虑在内,缺少全局观模型作为优化方法,研究理论单一,难以有效解决舒适度与能耗之间的冲突。因此,本文在建筑能耗预测、满足舒适度需求和建筑制冷节能控制策略等方面进行了深入研究,并进行仿真系统实验。本文主要研究内容和贡献如下:（1）基于BP（Back Propagation）神经网络的建筑能耗综合优化预测模型研究。改进了BP神经网络模型,引入遗传算法和粒子群优化算法,对神经网络参数进行优化。提出能耗综合优化算法,寻找多次预测结果中的最佳值。利用莱西市某大厦空调能耗和气象数据,建立了基于BP神经网络的建筑能耗综合优化预测模型,实现了建筑能耗的准确可靠预测。（2）基于室内舒适度的节能优化控制策略研究。研究了国内外舒适度预测模型,依据室内人员人数的不同情况分析,给出了能够满足人员热感觉的方法。针对建筑室内热舒适度与能耗两个指标的平衡问题,提出了节能优化控制策略,能够在满足舒适度的限制条件下,获取空调系统中压缩机转速最佳设定值和室内温度最佳值。（3）建筑节能优化控制系统仿真研究。在实验室搭建建筑空调系统仿真,用提出的优化控制策略确定空调系统运行参数最佳设定值,运行结果表明控制策略具有节能潜力,本研究对公共建筑空调系统制冷节能具有广泛应用价值。
谢蒂[4]（2020）在《不确定性环境下智能建筑能量与热舒适联合管理方法研究》文中研究表明建筑能耗占一个国家能耗的比例可达40%。随着人口进一步增长以及新兴经济体与发达国家购买力的快速提升,2050年建筑能源需求相比2016年将增加50%。由于传统能源（如煤炭、石油、天然气）有限,不断增加的建筑能源需求将导致国家能源危机、环境影响、建筑拥有者的经济负担逐渐增大。由于暖通空调系统能耗占建筑能耗40%左右,降低建筑能耗最直接方法是减少暖通空调系统的输入功率,但这可能会以牺牲用户热舒适为代价。因此,非常有必要考虑建筑能量与热舒适的联合管理。随着物联网技术在建筑中的应用,当前建筑逐步朝着智能建筑方向发展,智能建筑能量与热舒适联合管理也面临着新的机遇。然而,由于实际中存在多源不确定性系统参数、难以获得既足够准确又易于控制的建筑热动力学模型,智能建筑能量与热舒适联合管理的研究依然面临很大的挑战。因此,非常有必要对不确定性环境下智能建筑能量与热舒适联合管理方法进行研究。首先,本文研究了多区域商业建筑暖通空调系统长期总成本（能量成本与热不舒适成本之和）最小化问题。由于存在不确定性系统参数（如电价、室外温度、用户热舒适偏好温度和热扰动等）、区域内温度相关的时间耦合约束和送风机总供风速率相关的空间耦合约束,求解建立的优化问题非常有挑战。为此,我们提出了一种基于李亚普诺夫最优化技术框架的暖通空调系统分布式实时控制算法。该算法无需知晓任何不确定性系统参数的先验信息,且具有保护用户隐私和高扩展性的特点。基于实际数据的仿真结果表明了算法的有效性。其次,本文研究了无建筑热动力学模型下考虑舒适温度范围的智慧家庭能量成本最小化问题。由于存在不确定性系统参数（如可再生能源发电输出功率、刚性负载的功率需求、室外温度和电价）以及与能量存储系统、室内温度相关的时间耦合约束,求解建立的优化问题非常有挑战。为此,我们提出了一种基于深度确定性策略梯度的能量管理算法,该算法无需知晓任何不确定性系统参数的先验信息和建筑热动力学模型。基于真实数据的仿真结果表明:所提算法可在不牺牲热舒适的前提下降低能量成本8.1%-15.21%,而且可提供比完美信息算法更加实际和灵活的折中。最后,对全文进行了简要总结,并对下一步研究工作进行展望。
陈立达[5]（2020）在《基于遗传蚁群混合算法的中央空调水系统节能优化研究》文中进行了进一步梳理近年来,随着我国经济的快速发展,人们不断追求更高的生活质量,对中央空调的需求日益增长。中央空调系统作为现代建筑的一个重要组成成分,虽然改善了人们的生活和工作环境状况,但是消耗了大量的能源,其能耗所占比例超过了建筑总能耗的一半。中央空调系统主要包括空气处理系统和水系统,其中水系统能耗占据中央空调系统总能耗的比例很大,因此进行中央空调水系统的节能优化研究具有非常重要的意义。通过阅读国内外相关的文献,了解了中央空调系统国内外的研究现状,开展了以下研究工作。首先,对中央空调系统的工作原理进行阐述,并将中央空调系统的各个设备进行了能耗分析,在前人建立的冷水机组能耗模型、冷冻水泵能耗模型、末端风机能耗模型、冷却水泵能耗模型、冷却塔风机能耗模型的基础上进行了简化处理和改进。其次,分析了中央空调系统各设备的物理约束和设备之间的相互约束,并利用约束条件对系统优化的目标函数进行简化处理,进而建立了中央空调水系统能耗模型。再通过本校小型中央空调系统实验平台采集相关变量的实验数据,对各个设备能耗模型利用最小二乘法进行参数辨识,并验证模型的准确性。最后,由于中央空调水系统具有非线性、强耦合、多变量的复杂特性,使能耗模型求解精度要求高,因此本文结合遗传算法和蚁群算法的优点提出了遗传蚁群混合算法。通过MATLAB仿真程序,在不同的工况下进行仿真实验,比较遗传蚁群混合算法和遗传算法、蚁群算法的优化结果,同时比较遗传蚁群混合算法和粒子群算法的优化结果,优化结果表明遗传蚁群混合算法收敛速度快,求解精度高,有利于提高中央空调水系统的节能能力。
洪天佑[6]（2020）在《基于GA和LSTM-RNN的楼宇空调能耗在线优化系统的研究与实现》文中研究说明楼宇节能一直是节能领域研究的重点方向。相对于其他能耗,中央空调系统所用的能耗占据了楼宇总能耗的最大部分,现今楼宇系统的智能化带给我们很多便利。在使用楼宇自控系统（Building Automation System,BAS）监控、管理楼宇设备的同时,产生了大量的中央空调日常运行数据。在不加装任何物理硬件以及其他额外成本的前提下,如何有效利用这一部分数据,从大量数据本身中挖掘出隐藏信息,达到中央空调节能的目的。现有的建筑中央空调节能方法大多数是首先基于建筑结构、空调设备建立机理模型,再利用该机理模型模型对空调能耗预测。由于建筑结构、空调设备以及外界的环境干扰,这类传统的机理模型是在诸多假设的条件下建立的,存在建模难度大、模型不精确,难以真实的反映系统的真实状况等缺陷,难以应用于实际的中央空调系统。同时,能耗优化涉及到多个目标,如何将复杂的多目标优化的不确定性问题有效转化为在实际生产中切实可用的单目标优化问题,是工程实践中亟待解决的问题。本文结合工程实际应用,主要针对楼宇中央空调的能耗预测建模、目标能耗优化等方面存在的问题开展了研究,主要内容如下:（1）针对数据缺少特征属性及建模精度不足等问题,本文提出了应用基于LSTM-RNN的数据驱动建模的方法进行能耗预测建模。该方法首先对数据进行预处理,增加并提取出关键数据属性;再结合LSTM-RNN算法对中央空调能耗建模。相比于其他算法方法,本文提出的方法在训练和测试精度均有了较大幅度的提升。经三个实际工程数据测试,该方法训练集和测试集的错误率均控制在1%左右。（2）针对冷量需求无法预测,冷却水系统存在的多目标优化不确定性等问题,提出融合遗传算法结合空调能耗预测模型的方法对空调能耗进行优化。首先对中央空调的冷却水系统、以及优化可行性进行了分析;再针对遗传算法的不足、以及空调的特性,融合三种遗传算法策略,并增加约束条件,使得优化更符合实际工程需求。其他算法对比显示,融合遗传算法不仅能提供更好的优化效果,且在速度上有一定优势,更适合于工程的精度和实时性实际需求。（3）本文开发了一套面向中央空调能耗优化的人机交互系统软件。该系统与BAS无缝衔接,由模型管理、模型训练、模型预测等模块组成,通过云服务器集成了空调建模、方案优化、能耗预测等功能。通过云服务器实现跨地域的中央空调节能调度,既解决了本地计算机计算能力受限的问题,又能跨地域为中央空调提供有效的能耗优化。
单宇[7]（2019）在《基于模型预测控制的区域能源系统调控模型研究》文中指出区域能源系统由于规模较大,普遍存在大滞后性、不确定性、控制精度不高等特点,因此常规的基于反馈的调控策略不仅造成系统供能与需求负荷在时间序列上不匹配,而且会造成能源系统较高的能耗浪费。模型预测控制策略由于其预测控制、滚动优化、反馈校正等特点,能够很好解决系统控制精度不高、控制参数不稳定的问题。因此本文提出基于模型预测控制的区域能源系统调控模型,对于降低区域能源系统能耗,保证控制参数输出的稳定性、克服能源系统调控过程中存在的大滞后性的问题具有十分重要的意义。本文以天津大学区域能源系统为研究对象,通过TRNSYS和MATLAB联合运行的方法建立能源系统模型预测控制调控模型,对能源系统运行优化策略进行仿真研究。以系统能耗最低为优化目标,在建筑负荷等输入信号及相应的约束条件下,利用遗传算法对能源系统出水温度和出水流量两个控制参数进行寻优,最后将得到的两个最优的控制参数作为设定值返回给数学模型不断进行滚动优化和反馈校正以实现预测控制,保证控制参数输出的稳定的同时减少了控制过程中时间延迟及超调量。考虑到能源系统存在服务建筑较多、负荷值较大、建筑负荷不确定性等特点,故使用预测负荷代替模拟建筑负荷来对能源系统进行输入控制从前端解决能源系统控制中的时间延迟和负荷不匹配等问题。另外,能源系统的介质需通过区域管网传输给各建筑,流动过程中会产生巨大的时间延迟。本文通过CFD模拟计算的方法确定各建筑由于介质传输造成的流动时间延迟,并将该延迟时间加载到建立的调控模型时间延迟模块中,完成对预测负荷的前馈输入,从另一方面克服流动时间延迟对能源系统控制的影响。TRNSYS模拟仿真平台可实现对所提出的模型预测控制策略的验证。在模型预测控制策略下分别对夏季供冷和冬季供热两种运行工况的系统能耗进行模拟计算,结果表明模型预测控制策略相比于实际控制策略不仅可以提高负荷在时间序列上的匹配,还可以降低系统的能耗,夏季和冬季可分别将能耗降低9.56%和7.75%;相比于所提出的对比工况——负荷前馈模糊控制策略,在夏季和冬季节能率上也分别提高了5%和2.5%。
毕晓健[8]（2019）在《目标导向的参数化建筑节能设计方法研究 ——以寒冷地区为例》文中进行了进一步梳理在我国大力发展节能减排的背景下,建筑师主导的节能设计成为备受关注的重点。本文面向我国“总量与强度控制”的节能需求,针对建筑节能设计存在的瓶颈,特别是建筑方案设计阶段节能贡献率不足的问题,利用参数化工具,展开“目标导向”的参数化建筑节能设计方法研究,旨在探索符合我国建筑节能发展方向、有利于建筑师主动参与、高效提升建筑方案阶段节能潜力的设计方法。本文遵从方法推导、技术探索和设计应用的研究梯度,综合运用文献研究、数据统计、参数化编程和数字化性能模拟等方法,从理论探究、方法模型、平台构建、算法编写和实证研究五个方面,逐步展开并深化“目标导向”的参数化节能设计方法研究。首先,基于我国节能设计现状,系统梳理国内外相关设计方法和技术思路,提出“目标导向”的节能设计方法,研究其基本要素、流程框架和工具需求。然后,根据工具需求,深入研究参数化设计及其工具系统,审慎筛选参数化性能模拟工具,探索与我国节能标准和节能设计流程的整合逻辑,从而提出“目标导向”参数化节能设计的方法模型。在此基础上,运用参数化性能模拟工具及相关编程技术,因循我国节能设计标准,构建“目标导向”的参数化节能设计平台AG-EPO。基于设计平台AG-EPO,以寒冷地区为例,通过节能策略生成、形式逻辑建构和算法程序编写,搭建适用于我国的“目标导向”节能算法程序库。最后,综合运用以上研究成果,以办公建筑为例,进行实证研究,印证“目标导向”的参数化节能设计流程和算法。本文提出的“目标导向”参数化节能设计方法,能够与我国节能设计标准相匹配,形成“以节能为目标制定策略逻辑”、“根据节能需求设定生成算法”和“以节能为前提进行综合决策”的特色流程。本文提出“设计平台-算法程序库”的技术架构,集参数化协同、建筑师干预、算法整合、可视化管理、程序库索引等功能于一体,有利于辅助建筑师主动参与节能设计过程,在方案设计阶段高效控制建筑形式与空间,达成节能目标,促成一定程度的形式创新。本文以寒冷地区办公建筑为例,从实证研究的角度,提出了实现特定节能目标的设计策略和形式逻辑,探索出完整的方法流程和算法组合,对我国节能设计方法的提升与变革具有参考价值。
李奇翰[9]（2019）在《昆明某商场空调制冷系统运行参数优化研究》文中研究指明随着国家经济的高速发展,公共建筑在民用建筑中占比日益提高,并且公共建筑具有高能耗特点,所以公共建筑节能成为了建筑节能领域的主流研究课题。商场建筑作为公共建筑中耗能较高的类型之一,其节能工作势在必行。中央空调系统是商场建筑中最大的耗能系统,其能耗总量可以达商场总能耗的35%左右。空调制冷系统能耗占中央空调系统总能耗的60%左右,其运行参数的优化将直接影响着整个中央空调系统、乃至整个商场的能耗。因此,商场空调制冷系统的运行参数优化研究对整个商场节能有着十分主要的意义。本文以昆明市某商场建筑中央空调制冷系统为研究对象,针对商场空调冷冻水供回水温差过大,蒸发温度和冷凝温度过高或者过低等运行不合理的问题,结合算法研究对制冷系统运行参数进行优化,旨在为商场中空调制冷系统在不同负荷区间的高效运行提供参考。本文研究的主要工作包括:（1）选择适合商场制冷系统设备的数学模型,通过采集该空调系统历史运行数据,结合规范和相关文献对制冷系统各设备的运行状态进行评价研究。（2）以某一制冷系统为例,基于平台原始记录数据使用核主成分分析法选取冷冻水流量、冷却水流量、蒸发温度、蒸发器进水温度、冷凝器进水温度、蒸发温度和冷凝温度作为输入参数变量,根据温度和负荷率对数据进行分类,采用神经网络算法得到输入参数与制冷系统能效的映射关系,并将该映射关系作为遗传算法的适应度函数。基于遗传算法对已分组的原始数据进行寻优分析,根据得到的优化数据,再利用神经网络确定负荷率大小,最终得到各负荷率区间中某一负荷率的最佳能效值及其最佳参数值点。选择81%负荷率的数据与原数据对比发现,优化能效与实际能效的误差在5%以内,并且比原数据中的最佳能效值高出12.3%以上。（3）利用TRNSYS平台模拟,并用原始数据进行验证,发现模型与实际的误差在10%以内,说明建立的TRNSYS模型比较精准可以使用。设计了11组负荷率在80%左右的运行参数,与算法优化中81%负荷率的运行能效对比分析。研究发现,算法优化得出的参数在模型中的能效依然最高,可证明算法全局优化性能较好。本文提出的优化方法具有良好的节能效果,可为商场制冷系统的优化控制提供理论依据和参考。
周志豪[10]（2019）在《基于数据学习模型的中央空调冷源系统节能优化研究》文中提出既有大型空调冷源系统长期处于部分负荷运行状态,目前大型空调系统大多依据额定工况运行,使系统存在优化运行以节约系统能耗的空间。现有冷源系统的节能研究中,利用冷源系统模型优化系统运行为常用方法,目前空调系统传统模型中设备结构参数难以获取,而且模型不能反映设备性能随运行时长的衰减;同时大部分系统运行优化局限于单变量或局部系统优化。为能对空调系统全生命期内整体系统进行全局优化,指导系统节能运行,本文构建基于数据学习思想的中央空调冷源系统模型,考虑系统整体节能,对中央空调冷源系统进行节能优化研究。本文分别建立基于数据学习思想的中央空调冷源系统BP神经网络模型和参数辨识模型进行冷源系统运行能耗的预测,对比分析两模型的冷源系统能耗预测精度,针对BP神经网络模型和参数辨识模型在预测系统能耗时随模型输入参数不同各有其高精度预测区间的特点,本文使用K-means聚类方法将BP神经网络模型和参数辨识模型的高精度预测区间相结合形成中央空调冷源系统融合模型,对比BP神经网络模型和参数辨识模型,融合模型的冷源系统能耗预测精度平均提升约30%,其对冷源系统能耗的预测误差约在8%以内。针对目前冷源系统设备运行调节大多局限于启停调节的现状,本文结合冷源系统模型研究了冷源系统设备运行影响因素以及设备多台并联运行优化调节策略。本文应用遗传算法优化多台冷水机组并联运行的负荷分配,制订了多台冷水机组并联运行负荷分配优化调节策略;根据水泵变频运行原理,本文以水泵变频区间和功率为限制条件制订了多台水泵并联运行同步变频优化调节策略,三台水泵并联优化运行对比工频运行的平均节能率约为53.5%;通过分析相同换热量和冷却塔效率下多台冷却塔并联运行能耗,本文以冷却塔风机变频高效区间为限制条件制订了多台冷却塔并联运行同步变频优化调节策略,在满足风机高效变频区间的前提下,冷却塔并联同步变频运行台数越多越节能。在上述基础上从冷源系统全局角度出发,本文以冷源系统运行能耗最低为目的建立冷源系统节能优化目标函数,以冷冻水供水温度、供回水温差和冷却水进水温度、进出水温差为优化变量,在设备安全运行和能量守恒的约束条件下,对不同负荷率下的中央空调冷源系统进行全局优化并分析了全局优化后系统运行参数随负荷率的变化趋势。通过对比冷源系统定流量运行、单独优化冷冻水侧以及单独优化冷却水侧三种系统运行模式下的能耗,全局优化模式在负荷率为40%-100%的运行工况下冷源系统的平均节能率约为14.10%,4.74%,7.62%。结合某地铁站实际中央空调冷源系统,本文利用上述冷源系统全局优化方法模拟分析了该系统某制冷日的优化运行能耗,对比系统实际运行能耗,冷源系统全局优化后的节能率约为13.2%。
二、基于遗传算法的HVAC系统参数实时优化研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于遗传算法的HVAC系统参数实时优化研究（论文提纲范文）
（1）基于永磁风机并网技术的微电网优化运行研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 永磁风机交流并网控制研究现状 |
| 1.2.2 基于永磁风机交流并网的交流微电网优化运行研究现状 |
| 1.2.3 永磁风力发电系统的直流并网控制研究现状 |
| 1.2.4 基于永磁风机直流并网的多端直流微电网优化运行研究现状 |
| 1.2.5 现有研究存在的问题 |
| 1.3 本文主要工作 |
| 第2章 永磁风机的交流并网技术研究 |
| 2.1 永磁风力发电系统的拓扑结构设计及相关工作原理 |
| 2.1.1 永磁风力发电系统的拓扑结构设计 |
| 2.1.2 永磁风力发电系统机侧风能最大功率跟踪(MPPT)原理 |
| 2.1.3 永磁风力发电系统网侧三相逆变原理 |
| 2.2 永磁风力发电系统机侧整流器控制及设计 |
| 2.2.1 永磁风力发电系统的机侧数学模型 |
| 2.2.2 永磁风力发电系统的机侧控制策略分析 |
| 2.2.3 本文永磁风力发电系统机侧控制策略分析 |
| 2.3 永磁风力发电系统网侧逆变器控制及设计 |
| 2.3.1 永磁风力发电系统的网侧数学模型 |
| 2.3.2 永磁风力发电系统的网侧控制策略分析 |
| 2.3.3 本文永磁风力发电系统网侧控制策略分析 |
| 2.4 系统仿真与分析 |
| 2.4.1 永磁风力发电系统机侧的建模及仿真分析 |
| 2.4.2 永磁风力发电系统网侧的建模及仿真分析 |
| 2.5 本章小结 |
| 第3章 基于永磁风机交流并网技术的交流微电网优化运行策略 |
| 3.1 引言 |
| 3.2 交流微电网系统框架及微电网等值模型 |
| 3.2.1 交流微电网系统框架 |
| 3.2.2 永磁风力发电系统等值模型 |
| 3.2.3 储能系统等值模型 |
| 3.2.4 柴油发电机模型 |
| 3.3 交流微电网的优化运行策略 |
| 3.3.1 目标函数的确定 |
| 3.3.2 约束条件 |
| 3.3.3 基于混合启发式的蚁群优化算法 |
| 3.4 算例仿真与分析 |
| 3.4.1 交流微电网参数 |
| 3.4.2 启发式蚁群优化算法的仿真分析 |
| 3.4.3 启发式蚁群优化算法与传统PS算法的比较分析 |
| 3.5 本章小结 |
| 第4章 永磁风机的直流并网技术研究 |
| 4.1 引言 |
| 4.2 永磁风机模型及水动力性能研究 |
| 4.2.1 永磁风力发电系统模型 |
| 4.2.2 永磁风电机组的水动力性能研究 |
| 4.3 并网VSC换流站建模与控制 |
| 4.3.1 风电场并网VSC换流站模型 |
| 4.3.2 VSC换流站控制策略 |
| 4.4 基于VSC的永磁风力发电直流并网系统及控制 |
| 4.4.1 系统构成 |
| 4.4.2 直流并网系统控制策略 |
| 4.5 系统仿真与分析 |
| 4.5.1 仿真系统参数 |
| 4.5.2 电网侧VSC换流站仿真及分析 |
| 4.5.3 风机侧VSC换流站仿真及分析 |
| 4.6 本章小结 |
| 第5章 基于永磁风机直流并网技术的多端直流微电网优化运行控制 |
| 5.1 引言 |
| 5.2 直流微电网拓扑结构及各换流器控制 |
| 5.2.1 风机侧换流器建模及控制策略 |
| 5.2.2 储能系统侧换流器建模及控制策略 |
| 5.2.3 光伏侧换流器建模及控制策略 |
| 5.2.4 交流并网侧换流器建模及控制策略 |
| 5.2.5 交流负载侧换流器建模及控制策略 |
| 5.2.6 直流负载侧换流器建模及控制策略 |
| 5.3 含永磁风机的直流微电网并网运行控制系统 |
| 5.3.1 直流微电网并网运行的拓扑结构 |
| 5.3.2 直流微电网运行控制策略 |
| 5.4 系统仿真及实验 |
| 5.4.1 仿真系统参数 |
| 5.4.2 并网运行仿真(降压) |
| 5.4.3 并网运行仿真(全压) |
| 5.4.4 功率平滑控制仿真及实验 |
| 5.4.5 削峰填谷控制实验 |
| 5.4.6 系统故障穿越仿真及实验 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）工业制冷系统能耗优化控制设计与工程应用（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 课题研究内容与创新点 |
| 1.4 论文结构安排 |
| 2 制冷系统设备建模 |
| 2.1 工厂制冷系统运行工艺过程 |
| 2.2 系统架构 |
| 2.3 制冷机组建模 |
| 2.3.1 制冷机组模型仿真测试 |
| 2.3.2 制冷机组模型实例化 |
| 2.4 离心泵建模 |
| 2.4.1 离心泵模型测试 |
| 2.5 冷却塔建模 |
| 2.5.1 冷却塔模型测试 |
| 2.6 本章小结 |
| 3 制冷系统能耗模型 |
| 3.1 冷却水系统能耗模型 |
| 3.1.1 冷却水供水泵组与制冷机运行特性分析 |
| 3.1.2 冷却塔与制冷机运行特性分析 |
| 3.1.3 冷却水系统能耗模型建立 |
| 3.1.4 冷却水系统能耗模型测试 |
| 3.2 冷冻水系统能耗模型 |
| 3.2.1 冷冻水泵组与制冷机运行特性分析 |
| 3.2.2 冷冻水系统能耗模型建立 |
| 3.2.3 冷冻水系统能耗模型仿真测试 |
| 3.3 离心泵组能耗模型 |
| 3.3.1 冷却水供水泵组能耗模型建立 |
| 3.3.2 冷冻水泵组能耗模型建立 |
| 3.3.3 离心泵组能耗模型仿真测试 |
| 3.4 制冷机组能耗模型 |
| 3.4.1 制冷机组能耗模型建立 |
| 3.4.2 制冷机组能耗模型仿真测试 |
| 3.5 制冷系统整体能耗模型 |
| 3.5.1 制冷系统整体能耗模型建立 |
| 3.5.2 制冷系统整体能耗模型仿真测试 |
| 3.6 本章小结 |
| 4 制冷系统能耗优化 |
| 4.1 冷却水系统能耗优化 |
| 4.1.1 优化变量选取 |
| 4.1.2 目标函数建立 |
| 4.1.3 约束条件 |
| 4.1.4 冷却水系统能耗优化问题求解 |
| 4.1.5 冷却水系统优化控制方案 |
| 4.1.6 冷却水系统能耗优化模型的实例化 |
| 4.2 冷冻水系统能耗优化 |
| 4.2.1 优化变量选取 |
| 4.2.2 目标函数建立 |
| 4.2.3 约束条件 |
| 4.2.4 冷冻水系统能耗优化问题求解 |
| 4.2.5 冷冻水系统优化控制方案 |
| 4.2.6 冷冻水系统能耗优化模型的实例化 |
| 4.3 离心泵组能耗优化 |
| 4.3.1 优化变量选取 |
| 4.3.2 目标函数建立 |
| 4.3.3 约束条件 |
| 4.3.4 离心泵组能耗优化问题求解 |
| 4.3.5 离心泵组优化控制方案 |
| 4.3.6 离心泵组能耗优化模型的实例化 |
| 4.4 制冷机组能耗优化 |
| 4.4.1 优化变量选取 |
| 4.4.2 目标函数建立 |
| 4.4.3 约束条件 |
| 4.4.4 制冷机组能耗优化问题求解 |
| 4.4.5 制冷机组优化控制方案 |
| 4.4.6 制冷机组能耗优化模型仿真验证 |
| 4.5 制冷系统整体能耗优化 |
| 4.5.1 优化变量选取 |
| 4.5.2 目标函数建立 |
| 4.5.3 约束条件 |
| 4.5.4 制冷系统整体能耗优化问题求解 |
| 4.5.5 制冷系统整体能耗优化控制方案 |
| 4.5.6 制冷系统整体能耗优化模型的实例化 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
（3）基于室内热舒适度的节能优化控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 建筑能耗预测模型 |
| 1.2.2 舒适度预测模型 |
| 1.2.3 建筑节能优化控制 |
| 1.3 论文研究内容及组织 |
| 1.3.1 研究内容及创新点 |
| 1.3.2 本文的组织结构 |
| 第二章 基础理论 |
| 2.1 BP神经网络基础理论 |
| 2.2 优化算法基础理论 |
| 2.2.1 遗传算法 |
| 2.2.2 粒子群算法 |
| 2.3 热舒适度理论与模型 |
| 2.3.1 室内环境舒适度评价指标指标 |
| 2.3.2 舒适度预测模型 |
| 2.4 本章小结 |
| 第三章 建筑能耗综合优化预测模型 |
| 3.1 建筑能耗综合优化预测模型框架 |
| 3.2 建筑能耗综合优化预测模型 |
| 3.3 建筑能耗综合优化模型实验验证与分析 |
| 3.3.1 实验环境、框架及流程 |
| 3.3.2 实验数据 |
| 3.3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 基于室内热舒适度的节能优化策略 |
| 4.1 建筑制冷节能优化控制策略 |
| 4.2 满足人在室内热舒适度需求的方法 |
| 4.3 建筑室内环境模型 |
| 4.4 空调系统参数寻优方法 |
| 4.5 本章小结 |
| 第五章 建筑节能优化控制系统仿真研究 |
| 5.1 建筑暖通空调仿真系统 |
| 5.2 仿真研究流程 |
| 5.3 测评标准 |
| 5.4 仿真实验验证与分析 |
| 5.4.1 数据集 |
| 5.4.2 室内热舒适度 |
| 5.4.3 能耗预测建模 |
| 5.4.4 系统参数寻优 |
| 5.4.5 节能优化控制 |
| 5.4.6 仿真实验结果分析 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 Ⅰ:论文实验数据 |
| 附录 Ⅱ:攻读硕士期间取得的研究成果 |
| 致谢 |
（4）不确定性环境下智能建筑能量与热舒适联合管理方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 现有研究分析 |
| 1.2.2 现有研究的不足之处 |
| 1.3 研究内容和结构安排 |
| 第二章 不确定性环境下的决策理论 |
| 2.1 引言 |
| 2.2 李亚普诺夫最优化技术 |
| 2.2.1 优化问题描述 |
| 2.2.2 构建虚拟队列 |
| 2.2.3 最小偏移-惩罚项算法 |
| 2.3 深度强化学习 |
| 2.3.1 强化学习 |
| 2.3.2 深度学习 |
| 2.3.3 深度强化学习算法分类 |
| 2.3.4 DQN |
| 2.4 本章小结 |
| 第三章 多区域商业建筑能量与热舒适联合管理方法研究 |
| 3.1 引言 |
| 3.2 多区域商业建筑总成本最小化问题建模 |
| 3.2.1 多区域商业建筑暖通空调系统模型 |
| 3.2.2 成本模型 |
| 3.2.3 问题建模 |
| 3.3 算法设计 |
| 3.3.1 所提实时控制算法 |
| 3.3.2 求解问题P3.2 |
| 3.3.3 算法可行性 |
| 3.3.4 性能保证 |
| 3.4 仿真结果及分析 |
| 3.4.1 仿真设置 |
| 3.4.2 仿真结果 |
| 3.5 本章小结 |
| 附录 A 问题P3.3的求解过程 |
| 附录 B 引理3.1的证明 |
| 附录 C 引理3.2的证明 |
| 附录 D 定理3.1的证明 |
| 附录 E 定理3.2的证明 |
| 第四章 智慧家庭能量与热舒适联合管理方法研究 |
| 4.1 引言 |
| 4.2 智慧家庭能量优化问题建模 |
| 4.2.1 能量存储系统模型 |
| 4.2.2 暖通空调系统模型 |
| 4.2.3 功率平衡 |
| 4.2.4 成本模型 |
| 4.2.5 总能量成本最小化问题 |
| 4.2.6 构建马尔可夫决策过程 |
| 4.3 基于DDPG的智慧家庭能量管理算法 |
| 4.3.1 算法设计 |
| 4.3.2 算法计算复杂度 |
| 4.4 性能评估 |
| 4.4.1 仿真设置 |
| 4.4.2 对比方案 |
| 4.4.3 仿真结果 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 后续研究 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（5）基于遗传蚁群混合算法的中央空调水系统节能优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要工作及章节安排 |
| 2 中央空调水系统的工作原理 |
| 2.1 中央空调水系统概述 |
| 2.2 中央空调水系统的工作原理 |
| 2.3 中央空调水系统能耗分析 |
| 2.4 本章小结 |
| 3 中央空调水系统的能耗模型 |
| 3.1 中央空调系统的能耗模型 |
| 3.2 约束条件 |
| 3.3 中央空调系统模型建立 |
| 3.4 中央空调水系统的优化模型 |
| 3.5 本章小结 |
| 4 中央空调水系统能耗模型参数辨识及验证 |
| 4.1 中央空调系统实验装置 |
| 4.2 最小二乘法参数辨识原理 |
| 4.3 中央空调水系统能耗模型参数辨识及验证 |
| 4.4 本章小结 |
| 5 基于遗传蚁群混合算法的中央空调水系统节能优化 |
| 5.1 遗传算法 |
| 5.2 蚁群算法 |
| 5.3 遗传蚁群混合算法 |
| 5.4 基于遗传蚁群混合算法的中央空调水系统节能优化 |
| 5.5 系统优化结果比较分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（6）基于GA和LSTM-RNN的楼宇空调能耗在线优化系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 空调系统能耗建模技术研究 |
| 1.2.2 空调系统能耗优化技术研究 |
| 1.3 本文主要挑战和创新点 |
| 1.4 论文结构 |
| 第二章 中央空调系统建模及优化方法的相关理论 |
| 2.1 LSTM-RNN介绍 |
| 2.2 遗传算法介绍 |
| 2.3 本章小结 |
| 第三章 中央空调系统建模方案 |
| 3.1 中央空调系统介绍 |
| 3.2 数据收集和预处理 |
| 3.2.1 数据收集 |
| 3.2.2 数据预处理 |
| 3.2.3 数据预处理有效性验证 |
| 3.3 空调模型建立 |
| 3.3.1 LSTM-RNN参数设置 |
| 3.3.2 LSTM-RNN训练与测试 |
| 3.4 本章小结 |
| 第四章 中央空调系统能耗优化方案 |
| 4.1 中央空调优化目标和方法 |
| 4.2 融合遗传算法参数设置和优化目标函数建立 |
| 4.3 融合遗传算法优化效果对比 |
| 4.4 融合遗传算法优化结果 |
| 4.5 本章小结 |
| 第五章 中央空调能耗在线优化系统实现 |
| 5.1 引言 |
| 5.2 系统总体架构 |
| 5.2.1 系统概述 |
| 5.2.2 系统结构 |
| 5.3 系统服务器端开发 |
| 5.4 系统客户端设计开发 |
| 5.4.1 客户端与BAS通信设计开发 |
| 5.4.2 系统界面以及功能详细设计开发 |
| 5.5 实验结果与分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 发明专利 |
| 学位论文数据集 |
（7）基于模型预测控制的区域能源系统调控模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 课题的提出与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 时间延迟效应分析研究现状 |
| 1.3.2 中央空调系统运行优化控制策略研究现状 |
| 1.4 研究内容、方法及技术路线 |
| 第2章 区域能源系统负荷预测模型的构建 |
| 2.1 TRNSYS负荷模拟 |
| 2.1.1 建筑围护结构和室内参数的设置 |
| 2.1.2 室内人员、设备、照明等参数设置 |
| 2.2 基于支持向量机方法的负荷预测模型 |
| 2.2.1 支持向量机原理 |
| 2.2.2 负荷预测模型建立 |
| 2.3 预测负荷与实际负荷对比验证 |
| 2.4 本章小结 |
| 第3章 基于CFD方法的区域热网系统时间延迟分析 |
| 3.1 区域热网系统模型 |
| 3.2 CFD方法计算变温度时间延迟 |
| 3.2.1 建立CFD模型 |
| 3.2.2 CFD模型的边界条件 |
| 3.3 CFD模拟结果 |
| 3.4 CFD模型验证 |
| 3.5 影响因素分析 |
| 3.5.1 流速 |
| 3.5.2 管长和管径 |
| 3.5.3 水温 |
| 3.6 本章小结 |
| 第4章 能源系统主要耗能设备的数学模型 |
| 4.1 主要耗能设备的基础数学模型 |
| 4.1.1 水泵数学模型的建立 |
| 4.1.2 热泵机组数学模型的建立 |
| 4.2 粒子群优化算法对热泵机组模型的参数辨识 |
| 4.3 热泵机组和水泵数学模型的验证 |
| 4.4 多台热泵机组启停台数和负荷分配率优化 |
| 4.4.1 单台机组 |
| 4.4.2 多台机组负荷分配率 |
| 4.5 本章小结 |
| 第5章 区域能源系统模型预测控制调控模型的研究 |
| 5.1 区域能源系统模型预测控制调控模型 |
| 5.1.1 基于遗传算法的控制参数最优值 |
| 5.1.2 基于模型预测控制的反馈校正 |
| 5.2 TRNSYS模拟仿真平台 |
| 5.2.1 变频热泵机组模块建立 |
| 5.2.2 各模块部件介绍及仿真参数设置 |
| 5.2.3 TRNSYS仿真平台模型验证 |
| 5.3 模拟仿真结果对比分析 |
| 5.3.1 对比工况——基于预测负荷的模糊前馈控制策略 |
| 5.3.2 三种控制策略下能耗模拟结果对比 |
| 5.3.3 三种控制策略下负荷的匹配 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（8）目标导向的参数化建筑节能设计方法研究 ——以寒冷地区为例（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题缘起 |
| 1.1.1 建筑节能设计方法的发展瓶颈 |
| 1.1.2 参数化工具对节能设计的启示 |
| 1.2 研究对象与概念界定 |
| 1.2.1 建筑节能设计 |
| 1.2.2 参数化设计 |
| 1.2.3 寒冷地区 |
| 1.2.4 目标导向 |
| 1.3 研究现状 |
| 1.3.1 国内参数化节能设计研究 |
| 1.3.2 国外参数化节能设计研究 |
| 1.3.3 研究定位:“目标导向”的参数化节能设计方法 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.4.4 创新点 |
| 第二章 “目标导向”的节能设计方法研究 |
| 2.1 “目标导向”节能设计方法的提出 |
| 2.1.1 “总量与强度控制”的发展要求 |
| 2.1.2 “措施应用到目标导向”的转变 |
| 2.1.3 “模拟-优化”设计方法的局限 |
| 2.1.4 “目标导向”的节能设计方法 |
| 2.2 “目标导向”节能设计方法的基本要素与流程框架 |
| 2.2.1 目标设定 |
| 2.2.2 策略组合 |
| 2.2.3 形式优化 |
| 2.2.4 设计决策 |
| 2.2.5 建立“目标导向”的节能设计流程框架 |
| 2.3 “目标导向”节能设计方法的技术思路与工具需求 |
| 2.3.1 传统经验方法集成系统化策略 |
| 2.3.2 定量模拟方法整合自动化机制 |
| 2.3.3 自动寻优方法趋向综合性决策 |
| 2.3.4 “目标导向”节能设计方法的工具需求 |
| 2.4 本章小结 |
| 第三章 整合参数化性能模拟工具的节能设计方法模型 |
| 3.1 参数化设计发展及其特征 |
| 3.1.1 参数化设计的发展沿革 |
| 3.1.2 参数化设计的基本特性 |
| 3.2 参数化性能模拟工具的演进与优势 |
| 3.2.1 参数化性能模拟工具进化历程 |
| 3.2.2 以Ladybug+Honeybee为代表的工具优势 |
| 3.3 参数化性能模拟工具与“目标导向”节能设计方法的整合 |
| 3.3.1 参数化性能模拟工具与我国节能标准的整合逻辑 |
| 3.3.2 参数化性能模拟工具与节能设计流程的整合逻辑 |
| 3.3.3 “目标导向”的参数化节能设计方法模型 |
| 3.3.4 “设计平台-算法程序库”的技术架构 |
| 3.4 本章小结 |
| 第四章 参数化节能设计平台构建 |
| 4.1 以节能为目标制定策略逻辑 |
| 4.1.1 根据生物气候图制定设计策略 |
| 4.1.2 设计策略转化为形式逻辑 |
| 4.2 根据节能需求设定生成算法 |
| 4.2.1 根据逻辑需求建立参数化能耗模型 |
| 4.2.2 遵循规范要求设定模拟参数 |
| 4.2.3 根据节能要求进行算法整合 |
| 4.2.4 节能目标控制下的形式自动生成 |
| 4.3 以节能为前提进行综合决策 |
| 4.3.1 建立节能目标导向的寻优机制 |
| 4.3.2 管理寻优过程进行综合决策 |
| 4.4 构建“目标导向”的参数化节能设计平台AG-EPO |
| 4.4.1 AG-EPO设计平台的特色 |
| 4.4.2 对方法模型的修正与反思 |
| 4.5 本章小结 |
| 第五章 基于AG-EPO的寒冷地区参数化节能算法程序库 |
| 5.1 寒冷地区节能设计策略 |
| 5.1.1 寒冷地区典型城市筛选 |
| 5.1.2 气象数据量化统计与分析 |
| 5.1.3 设计策略效率统计与分析 |
| 5.1.4 设计策略向形式逻辑转化 |
| 5.2 参数化节能算法程序库 |
| 5.2.1 总体布局的节能算法 |
| 5.2.2 建筑单体的节能算法 |
| 5.2.3 建筑细部的节能算法 |
| 5.2.4 建立节能算法程序库的索引与更新机制 |
| 5.3 本章小结 |
| 第六章 “目标导向”的参数化节能设计实证研究 |
| 6.1 办公建筑能耗问题分析与节能设计策略建构 |
| 6.1.1 办公建筑能耗现状与问题分析 |
| 6.1.2 办公建筑节能设计策略建构 |
| 6.2 办公建筑节能设计条件分析 |
| 6.2.1 设计项目约束条件 |
| 6.2.2 能耗目标值的确定 |
| 6.2.3 节能计算参数设置 |
| 6.3 办公建筑的“目标导向”参数化节能设计过程 |
| 6.3.1 总体布局阶段节能目标驱动的形态生成 |
| 6.3.2 建筑单体阶段节能目标导向的形态生成 |
| 6.3.3 建筑细部阶段节能目标导向的形态生成 |
| 6.4 方法总结 |
| 6.4.1 结果分析 |
| 6.4.2 寒冷地区办公建筑的“目标导向”参数化节能设计方法 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录A |
| 附录B |
| 附录C |
| 发表论文和参加科研情况说明 |
| 致谢 |
（9）昆明某商场空调制冷系统运行参数优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 实验研究 |
| 1.2.2 理论模型研究 |
| 1.2.3 软件仿真研究 |
| 1.2.4 算法优化研究 |
| 1.3 论文的研究目的和意义 |
| 1.4 主要内容和创新点 |
| 1.5 技术路线图 |
| 第二章 研究对象基本情况 |
| 2.1 项目所在地气候特征 |
| 2.1.1 逐时气象参数 |
| 2.1.2 相对湿度 |
| 2.2 项目介绍 |
| 2.2.1 项目基本概况 |
| 2.2.2 围护结构 |
| 2.2.3 中央空调系统介绍 |
| 2.3 商场智能化管理系统介绍 |
| 2.4 商场计量平台能耗分项计量 |
| 2.4.1 平台发展概况 |
| 2.4.2 对比能耗计量导则 |
| 2.5 计量平台运行数据记录 |
| 2.5.1 运行参数的分类 |
| 2.5.2 运行参数检测装置 |
| 2.6 本章小结 |
| 第三章 制冷系统运行数据分析 |
| 3.1 模型建立 |
| 3.1.1 制冷机组模型建立 |
| 3.1.2 冷冻水泵分析模型建立 |
| 3.1.3 冷却水泵模型 |
| 3.2 制冷机组负荷率 |
| 3.3 冷冻水系统分析 |
| 3.3.1 冷冻水供回水温差分析 |
| 3.3.2 蒸发温度分析 |
| 3.3.3 蒸发器出水温度与蒸发温度的关系分析 |
| 3.4 冷却水系统分析 |
| 3.4.1 冷却水供回水温差分析 |
| 3.4.2 冷凝温度分析 |
| 3.4.3 冷却水出水温度与冷凝温度温差分析 |
| 3.5 冷却塔运行分析 |
| 3.5.1 冷却塔的基本原理 |
| 3.5.2 现有数据分析 |
| 3.6 制冷系统环境分析 |
| 3.7 结论 |
| 第四章 空调制冷系统参数优化 |
| 4.1 BP神经网络模型 |
| 4.1.1 BP神经网络介绍 |
| 4.1.2 商场百货空调制冷系统运行参数核主成分分析 |
| 4.1.3 商场BP神经网络模型的建立 |
| 4.1.4 神经网络算法预测 |
| 4.2 遗传算法 |
| 4.2.1 遗传算法介绍 |
| 4.2.2 遗传算法的特点 |
| 4.3 神经网络遗传算法寻优设计 |
| 4.3.1 初始种群的生成 |
| 4.3.2 计算适应度值 |
| 4.3.3 迭代寻优 |
| 4.3.4 建立神经网络预测负荷率 |
| 4.3.5 神经网络遗传算法的全局寻优得出结果 |
| 4.3.6 验证神经网络遗传算法的准确性 |
| 4.3.7 各负荷率下的最佳参数 |
| 4.4 本章小结 |
| 第五章 百货空调制冷系统运行能耗模拟仿真验证 |
| 5.1 TRNSYS介绍 |
| 5.2 TRNSYS模拟仿真各部件的运算模型 |
| 5.2.1 制冷机组运算模型 |
| 5.2.2 水泵运算模型 |
| 5.2.3 冷却塔的运算模型 |
| 5.3 制冷系统仿真模型建立 |
| 5.3.1 制冷机组部件模型 |
| 5.3.2 水泵部件模块 |
| 5.3.3 冷却塔部件模块 |
| 5.3.4 系统模拟仿真平台的建立 |
| 5.3.5 模型验证 |
| 5.4 算法优化的准确性分析 |
| 5.5 本章小节 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（10）基于数据学习模型的中央空调冷源系统节能优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究进展与现状 |
| 1.2.1 中央空调冷源系统建模方法研究 |
| 1.2.2 中央空调冷源系统节能方法研究 |
| 1.3 研究内容及路线 |
| 第二章 中央空调冷源系统BP神经网络模型分析与建立 |
| 2.1 中央空调冷源系统运行数据仿真 |
| 2.2 BP神经网络介绍 |
| 2.3 中央空调冷源系统BP神经网络模型结构分析 |
| 2.3.1 网络输入输出参数确定 |
| 2.3.2 网络传递函数与学习算法确定 |
| 2.3.3 网络隐含层节点数确定 |
| 2.4 训练与验证数据预处理 |
| 2.5 中央空调冷源系统BP神经网络模型建立 |
| 2.5.1 冷水机组BP神经网络模型 |
| 2.5.2 水泵BP神经网络模型 |
| 2.5.3 冷却塔BP神经网络模型 |
| 2.5.4 中央空调冷源系统BP神经网络模型 |
| 2.6 本章小结 |
| 第三章 中央空调冷源系统融合模型建立 |
| 3.1 参数辨识原理 |
| 3.2 中央空调冷源系统参数辨识模型建立 |
| 3.2.1 冷水机组参数辨识模型 |
| 3.2.2 水泵参数辨识模型 |
| 3.2.3 冷却塔参数辨识模型 |
| 3.2.4 中央空调冷源系统参数辨识模型 |
| 3.3 中央空调冷源系统BP神经网络模型和参数辨识模型预测性能比较 |
| 3.4 基于K-means聚类分析建立中央空调冷源系统融合模型 |
| 3.4.1 K-means聚类分析原理 |
| 3.4.2 中央空调冷源系统模型融合 |
| 3.4.3 中央空调冷源系统融合模型性能分析 |
| 3.5 本章小结 |
| 第四章 中央空调冷源系统设备节能运行分析 |
| 4.1 冷水机组节能运行分析 |
| 4.1.1 冷水机组运行影响因素分析 |
| 4.1.2 多台冷水机组并联运行优化 |
| 4.2 水泵节能运行分析 |
| 4.2.1 水泵运行影响因素分析 |
| 4.2.2 多台水泵并联运行优化 |
| 4.3 冷却塔节能运行分析 |
| 4.3.1 冷却塔运行影响因素分析 |
| 4.3.2 多台冷却塔并联运行优化 |
| 4.4 本章小结 |
| 第五章 中央空调冷源系统全局节能优化研究 |
| 5.1 系统节能优化变量确定 |
| 5.2 系统节能优化目标函数确立 |
| 5.3 系统节能优化约束条件 |
| 5.3.1 设备自身约束 |
| 5.3.2 设备关联约束 |
| 5.4 系统节能优化实现 |
| 5.5 全局优化分析 |
| 5.5.1 优化运行参数变化规律 |
| 5.5.2 系统性能参数变化规律 |
| 5.5.3 全局优化节能效果比较 |
| 5.6 实际工程案例优化分析 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间科研成果 |
四、基于遗传算法的HVAC系统参数实时优化研究（论文参考文献）
- [1]基于永磁风机并网技术的微电网优化运行研究[D]. 吴昊天. 华北电力大学(北京), 2021(01)
- [2]工业制冷系统能耗优化控制设计与工程应用[D]. 王鸿大. 浙江大学, 2021(02)
- [3]基于室内热舒适度的节能优化控制[D]. 蔡迪. 山东师范大学, 2021(12)
- [4]不确定性环境下智能建筑能量与热舒适联合管理方法研究[D]. 谢蒂. 南京邮电大学, 2020(03)
- [5]基于遗传蚁群混合算法的中央空调水系统节能优化研究[D]. 陈立达. 山东科技大学, 2020(06)
- [6]基于GA和LSTM-RNN的楼宇空调能耗在线优化系统的研究与实现[D]. 洪天佑. 浙江工业大学, 2020(02)
- [7]基于模型预测控制的区域能源系统调控模型研究[D]. 单宇. 天津大学, 2019(01)
- [8]目标导向的参数化建筑节能设计方法研究 ——以寒冷地区为例[D]. 毕晓健. 天津大学, 2019
- [9]昆明某商场空调制冷系统运行参数优化研究[D]. 李奇翰. 昆明理工大学, 2019(04)
- [10]基于数据学习模型的中央空调冷源系统节能优化研究[D]. 周志豪. 东南大学, 2019(05)