建筑負荷預測與空調系統運行參數尋優

1 概述

目前，我國既有公共建筑面積達128×10

m

，占建筑總量的21%。公共建筑的能耗占全國建筑總能耗的33%

，暖通空調系統的能耗在建筑總能耗中占比通常可達30%～40%

。降低暖通空調系統能耗是實現建筑節能的重要措施之一。

(1)樣本溫度計與標準溫度計測溫情況對比；(2)樣本溫度計變溫靈敏度測試；(3)溫度計的使用性能、安全系數；(4)溫度計的方便程度(由小組學生指導盲人后親身試驗)。

準確預測建筑負荷是空調系統節能設計與運行的基礎，較高的預測精度使人工神經網絡在空調系統中得到了應用。Kusiak等人

采用神經網絡建立能耗預測模型，并通過多目標尋優，確定優化控制方案以實現能耗最小。蔣小強等人

通過能耗模擬平臺及數據處理得到不同負荷條件下，使制冷機房總能耗最小的冷水流量、冷卻水流量等參數，結果表明該控制方法比傳統變流量定溫差控制方法更加節能。李帆等人

以南京市某地源熱泵空調系統為實測對象，根據實際運行數據建立人工神經網絡負荷預測模型，預測相對誤差為5.2%左右。陳銳彬等人

以深圳某大型公共建筑為例，采用BP神經網絡建立負荷預測模型并進行驗證，結果顯示：BP神經網絡模型對負荷與各輸入變量有很好的映射能力。

本文采用人工神經網絡建立建筑負荷預測模型，采用粒子群算法進行空調系統設備運行參數尋優。結合工程實例，對某辦公建筑的負荷進行預測，對設備運行參數進行尋優。

2 負荷預測與設備運行參數尋優算法

2.1 負荷預測

人工神經網絡模型具有自學習、自適應能力強和容錯性強等優點，通過創建一系列類似于人腦的神經元組成神經網絡，使神經網絡模型能夠從大量數據中學習，訓練得到預測模型。……