期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于遗传算法和人工神经网络的冷水机组模型参数辨识及误差补偿方法
被引量：
8
1
作者
张丽珠
章超波
+1 位作者
陈琦
赵阳
《制冷学报》
CAS
CSCD
北大核心
2021年第3期93-99,共7页
DOE-2模型被广泛应用于冷水机组仿真建模,如何根据有限传感器实测数据对某特定冷水机组DOE-2模型的参数进行可靠地辨识,并补偿模型误差,对于节能运行等场景具有重要意义。在实践中由于传感器不足且数据质量不高等问题,DOE-2模型参数的...
DOE-2模型被广泛应用于冷水机组仿真建模,如何根据有限传感器实测数据对某特定冷水机组DOE-2模型的参数进行可靠地辨识,并补偿模型误差,对于节能运行等场景具有重要意义。在实践中由于传感器不足且数据质量不高等问题,DOE-2模型参数的可靠辨识较为困难。因此,本文提出一种基于外部知识库的遗传算法和一种基于人工神经网络的方法分别对DOE-2模型进行参数辨识和误差补偿。结果表明:基于外部知识库的遗传算法可以有效降低DOE-2模型参数辨识时间,并显著提升DOE-2模型预测精度。误差补偿后的DOE-2模型的预测精度显著高于未作补偿的DOE-2模型,前者在预测冷冻水出口温度时的MAE、RMSE、MAPE和CV-RMSE分别降低36.49%、46.00%、33.16%和45.73%,R2提高25.75%。
展开更多
关键词
冷水机组建模
遗传算法
参数辨识
人工神经网络
误差补偿
在线阅读
下载PDF
职称材料
基于特征工况挖掘和先验概率引导的暖通空调系统参数辨识方法
2
作者
贺佳宁
鲁洁
赵阳
《制冷学报》
北大核心
2025年第5期115-123,共9页
暖通空调系统实测数据的高度冗余显著降低了其模型参数辨识的计算效率。为了解决上述问题,提出一种基于特征工况挖掘和先验概率引导的参数辨识方法。特征工况挖掘方法对运行数据进行相关性分析,选择暖通空调系统运行工况的关键变量,并...
暖通空调系统实测数据的高度冗余显著降低了其模型参数辨识的计算效率。为了解决上述问题,提出一种基于特征工况挖掘和先验概率引导的参数辨识方法。特征工况挖掘方法对运行数据进行相关性分析,选择暖通空调系统运行工况的关键变量,并根据关键变量维度进行网格采样,得到更具代表性的特征工况,从而提升模型单次计算效率。模型参数辨识过程中,建立待辨识参数的先验概率模型,基于先验概率进行待辨识参数的先验区间估计和改进目标函数,引导模型更快收敛。该方法在武汉某工厂暖通空调系统供冷季一个月的运行数据集上进行了验证,结果表明:该方法中的MAPE(平均绝对百分比误差)和CV-RMSE(均方根误差变异系数)相比基于K-means聚类的方法分别降低了16.0%和12.0%,比基于原始数据的方法分别降低了20.9%和15.2%,NMBE(归一化平均偏差误差)更接近0,R2(决定系数)相比2种方法分别提升了4.7%和8.5%,计算效率提高约39.3%。该方法为实现高效准确的暖通空调系统建模提供了技术指导和数据支撑。
展开更多
关键词
HVAC系统
冷水机组建模
参数辨识
特征工况
粒子群算法
在线阅读
下载PDF
职称材料
题名
基于遗传算法和人工神经网络的冷水机组模型参数辨识及误差补偿方法
被引量：
8
1
作者
张丽珠
章超波
陈琦
赵阳
机构
浙江大学制冷与低温研究所
浙江省能源集团有限公司
出处
《制冷学报》
CAS
CSCD
北大核心
2021年第3期93-99,共7页
基金
国家自然科学基金(51706197)资助项目。
文摘
DOE-2模型被广泛应用于冷水机组仿真建模,如何根据有限传感器实测数据对某特定冷水机组DOE-2模型的参数进行可靠地辨识,并补偿模型误差,对于节能运行等场景具有重要意义。在实践中由于传感器不足且数据质量不高等问题,DOE-2模型参数的可靠辨识较为困难。因此,本文提出一种基于外部知识库的遗传算法和一种基于人工神经网络的方法分别对DOE-2模型进行参数辨识和误差补偿。结果表明:基于外部知识库的遗传算法可以有效降低DOE-2模型参数辨识时间,并显著提升DOE-2模型预测精度。误差补偿后的DOE-2模型的预测精度显著高于未作补偿的DOE-2模型,前者在预测冷冻水出口温度时的MAE、RMSE、MAPE和CV-RMSE分别降低36.49%、46.00%、33.16%和45.73%,R2提高25.75%。
关键词
冷水机组建模
遗传算法
参数辨识
人工神经网络
误差补偿
Keywords
chiller modeling
genetic algorithm
parameter identification
artificial neural network
error compensation
分类号
TU831.4 [建筑科学—供热、供燃气、通风及空调工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于特征工况挖掘和先验概率引导的暖通空调系统参数辨识方法
2
作者
贺佳宁
鲁洁
赵阳
机构
浙江大学制冷与低温研究所
出处
《制冷学报》
北大核心
2025年第5期115-123,共9页
基金
国家自然科学基金(52161135202)资助项目。
文摘
暖通空调系统实测数据的高度冗余显著降低了其模型参数辨识的计算效率。为了解决上述问题,提出一种基于特征工况挖掘和先验概率引导的参数辨识方法。特征工况挖掘方法对运行数据进行相关性分析,选择暖通空调系统运行工况的关键变量,并根据关键变量维度进行网格采样,得到更具代表性的特征工况,从而提升模型单次计算效率。模型参数辨识过程中,建立待辨识参数的先验概率模型,基于先验概率进行待辨识参数的先验区间估计和改进目标函数,引导模型更快收敛。该方法在武汉某工厂暖通空调系统供冷季一个月的运行数据集上进行了验证,结果表明:该方法中的MAPE(平均绝对百分比误差)和CV-RMSE(均方根误差变异系数)相比基于K-means聚类的方法分别降低了16.0%和12.0%,比基于原始数据的方法分别降低了20.9%和15.2%,NMBE(归一化平均偏差误差)更接近0,R2(决定系数)相比2种方法分别提升了4.7%和8.5%,计算效率提高约39.3%。该方法为实现高效准确的暖通空调系统建模提供了技术指导和数据支撑。
关键词
HVAC系统
冷水机组建模
参数辨识
特征工况
粒子群算法
Keywords
HVAC system
chiller modeling
model calibration
feature condition
particle swarm algorithm
分类号
TU831.4 [建筑科学—供热、供燃气、通风及空调工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于遗传算法和人工神经网络的冷水机组模型参数辨识及误差补偿方法
张丽珠
章超波
陈琦
赵阳
《制冷学报》
CAS
CSCD
北大核心
2021
8
在线阅读
下载PDF
职称材料
2
基于特征工况挖掘和先验概率引导的暖通空调系统参数辨识方法
贺佳宁
鲁洁
赵阳
《制冷学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
