建筑室內環(huán)境建模、控制與優(yōu)化及能耗預測.pdf_第1頁
已閱讀1頁,還剩129頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、當今,能源危機和環(huán)境污染是世界各國面臨的共同挑戰(zhàn)。我國是能源消耗大國,隨著經濟的飛速發(fā)展,建筑能耗已占社會總能耗的四分之一以上,且這一比例還在逐年升高。在此背景下,建筑節(jié)能技術越來越受到重視。從控制學角度看,建筑能量系統(tǒng)可看作多變量、非線性的復雜系統(tǒng),建筑節(jié)能目標的實現(xiàn)涉及到建筑環(huán)境的優(yōu)化控制、建筑能量的預測與管理等諸多方面內容。本文立足控制學科,在前人的基礎上,從建筑環(huán)境控制與能量管理等相關領域入手,進行了如下研究工作。
  

2、 出于節(jié)能和室內環(huán)境優(yōu)化的目的,暖通空調系統(tǒng)對熱環(huán)境的控制與優(yōu)化需要室內溫度分布的動態(tài)信息幫助決策。通常,計算流體力學(CFD)模型能提供這樣的精確信息,但是由于其迭代計算繁雜、耗時長,難以滿足實時性要求。本文引入基于本征正交分解(POD)的模型降階技術,與CFD仿真結合提出一種新的建筑熱環(huán)境建模方法,可同時滿足熱環(huán)境建模的精度和實時性要求。POD模型降階是一種映射方法,配合離散化技術,該方法可將無限維的非線性復雜系統(tǒng)變?yōu)閮H與POD模式

3、系數(shù)相關的低階線性系統(tǒng)。具體建模方法為:首先,利用CFD工具對建筑室內熱環(huán)境進行動態(tài)仿真,在此期間用快照的方式采集動態(tài)溫度場信息;其次,運用有限體積法對能量平衡方程進行空間和時間的離散化,并建立離散能量平衡方程的狀態(tài)空間表達式;然后,運用POD方法對室內動態(tài)溫度場進行降階,并運用Galerkin映射將高階能量方程投射到降階子空間上,從而得到階數(shù)十以內的低階線性系統(tǒng)。在一個二維房間的仿真實驗中,室內溫度場的POD降階模型得到與CFD仿真基

4、本一致的瞬、穩(wěn)態(tài)精度,而其階數(shù)低至六階,證明了該方法的有效性。
   設計一個基于POD降階模型的室內溫度精確控制系統(tǒng)。該溫控系統(tǒng)的特點在于,運用“離線-在線”策略建立了室內溫度場的動態(tài)降階模型,以實時反饋熱環(huán)境信息提高溫控精度。降階溫度場的初始狀態(tài)通過一個溫度傳感器和卡爾曼濾波器估計得到。本文分別設計了單神經元自適應PID控制器和模型預測控制器對該方法進行仿真驗證。結果表明,在速度場不變等假設條件下,該溫控系統(tǒng)可利用室內溫度場

5、信息精確控制各區(qū)域溫度,具有提高熱舒適度和降低能耗的潛力。
   針對目前建筑室內環(huán)境的優(yōu)化策略大都忽視環(huán)境參數(shù)空間分布的問題,本文利用POD降階技術在環(huán)境建模方面的快速性和準確性,運用多維插值和遺傳算法,設計一種綜合考慮室內熱舒適度、室內空氣質量(IAQ)及空調能耗的優(yōu)化控制策略。其中,建筑室內環(huán)境參數(shù),包括溫度場、氣流場、CO2濃度分布、及熱舒適度分布等,先通過CFD仿真得到;然后利用POD方法重構上述參數(shù)分布的低階變化空間

6、。優(yōu)化方法采用遺傳算法,控制變量包括置換通風系統(tǒng)的送風溫度和速度。優(yōu)化目標涵蓋系統(tǒng)能耗、室內熱舒適度、IAQ、以及垂直溫差等。在遺傳算法的每次優(yōu)化迭代中,通過POD參數(shù)空間內的多維插值快速求解候選控制變量對應的系統(tǒng)響應,確保了優(yōu)化算法的實時性。一個辦公室環(huán)境的優(yōu)化仿真證實該方法的有效性。
   作為典型的數(shù)據(jù)驅動建模方法,在過去20年間,人工神經網絡在建筑能耗預測領域應用廣泛。本文結合自適應模糊推理系統(tǒng)(ANFIS)和遺傳算法的

7、各自特點提出一種新的建筑能耗預測方法,即GA-ANFIS方法。其中,ANFIS通過訓練輸入/輸出數(shù)據(jù)自適應調整T-S模糊系統(tǒng)的隸屬度函數(shù)參數(shù)和結論參數(shù),遺傳算法則對ANFIS中的模糊規(guī)則參數(shù)進行優(yōu)化以幫助構造最優(yōu)規(guī)則基。設計ANFIS的分級結構用于應對輸入變量過多造成的維數(shù)災難問題。利用美國采暖、制冷與空調工程師學會(ASHRAE)提供的建筑能耗數(shù)據(jù)對該方法進行驗證。結果表明,該方法與神經網絡方法相比其建模時間在同一尺度內,而預測精度最

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論