公共文化服务平台

搜索到329篇“ 逐时负荷“的相关文章

一种基于大数据库的建筑全年逐时负荷估算方法及系统: 本发明关于一种基于大数据库的建筑全年逐时负荷估算方法及系统，所述建筑全年逐时负荷估算方法包括获取用户输入的估算目标项目信息、获取对应的全年室外焓值信息及基于大数据库计算得到的对应的尖峰负荷值、基于预设的估算算法得到全年逐...; 扶鑫许月张胜红王涛

民用建筑逐时负荷的理论分析: 2024年; 从复杂多变的实际用电负荷曲线分析入手,基于电能损耗,提出用特定时段内的平均负荷代替实际负荷的等效分析思路,并利用中心极限定理得出不同类型、不同情况下设备平均功率近似趋于平稳所需要的稳态时间。进一步讨论稳态时间对分段时间宽度的影响,定性分析逐时负荷在不同时间、不同配电点的波动,为下一步逐时负荷计算的数据分析提供理论依据。; 朱亮亮阳玉云; 关键词：中心极限定理逐时负荷负荷预测

一种基于比例拆分的城市燃气逐时负荷多步预测方法和系统: 一种基于比例拆分的城市燃气逐时负荷多步预测方法，包括：步骤S1：获取和整理某片区域各供应点的历史逐时燃气负荷数据；步骤S2：将各时刻各供应点燃气负荷相加得到各时刻该片区域总燃气负荷；步骤S3：记录各时刻各供应点负荷占总负...; 张鲁冰李业强叶峻袁蕴佳赵丹铭单立忠叶鹃程炯郑琦薇顾竣文王沛迪

中央空调系统逐时负荷预测方法及气象采集装置: 本发明公开了中央空调系统逐时负荷预测方法及气象采集装置，包括以下步骤，包括，选择需要降噪的负荷数据：选择合适的小波对波动较大的负荷数据进行降噪，选择特征数据：分析各个变量的相关系数，选择相关系数较大的数据为特征数据；本发...; 王琳陈永平苗文筱李俊

基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测被引量：7: 2023年; 为了准确预测供热负荷,提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型。首先利用主成分分析法融合影响热负荷的特征指标,消除指标之间的冗余性和相关性;同时采用粒子群算法优化BP神经网络的初始权值和阈值,克服了BP神经网络容易陷入局部最优的缺陷,提高了BP神经网络的预测精度。基于北京某居住建筑供热系统的实际运行数据,对模型的性能进行了验证。仿真结果表明,改进的模型预测精度提高了4.07%。; 王新雨郭振伟于丹刘益民崔治国; 关键词：供热负荷 BP神经网络

一种分布式能源用户侧逐时负荷预测方法及系统: 本发明公开了一种分布式能源用户侧逐时负荷预测方法及系统，对冷热电负荷特性的影响因素进行辨识，分析相关性，选取特征变量，构建各时刻用户侧冷热电负荷逐日特征向量；通过对各时刻负荷逐日特征向量进行统计归纳和理论分析，整理出各时...; 连小龙肖俊峰胡孟起夏林王一丰; 文献传递

基于LSTM的变频太阳能-空气源热泵系统逐时负荷预测研究被引量：2: 2022年; 文章以建筑中可再生能源系统为研究对象,利用长短期记忆(Long Short-Term Memory,LSTM)神经网络建立变频太阳能-空气源热泵(Variable Frequency Solar Air Source Heat Pump,VFAP)系统,在乌鲁木齐市气象条件下选取一个6层办公楼进行分析。首先,在实测数据校验模型的基础上,基于TRNSYS软件搭建VFAP系统,以一个供暖季为研究周期,获取VFAP系统的室外参数和过程运行数据。其次,利用灰色关联度分析(Grey Relation Analysis,GRA)计算各特征与供暖负荷的灰色关联度,并利用局部保留投影算法(Locality Preserving Projection,LPP)进行数据降维,得到VFAP系统的最优预测向量。最后,通过选择合理的网络参数,提出基于LSTM神经网络的VFAP系统的短期负荷预测模型,并与现有预测模型相对比。结果表明,LSTM神经网络对VFAP系统的负荷预测具有较好的识别效果,该精度要优于传统的神经网络预测模型,具有潜在的应用价值。; 胡洋程志江崔澜; 关键词：空气源热泵灰色关联度分析局部保留投影负荷预测

基于深度学习的区域供热逐时负荷预测研究: 2022年; 提出一种基于深度置信网络的区域供热逐时负荷预测方法,并以兰州新区某换热站实际运行数据对所提出方法的有效性进行验证。此外,为分析建筑物热惰性对供热逐时负荷预测精确度的影响,分别将预测时刻前1 h,1~2 h,和1~3 h时作为输入参数的时间序列。研究结果表明:当时间序列取为预测时刻前1 h时显示出最佳的预测性能,预测值与实际值的平均绝对误差和平均相对误差分别为277.98 k W和2.28%,且相比采用人工神经网络分别降低约17.56 k W和0.15%。; 尚海军白新奎乔磊邓秦生白旭李恭斌孙玉成尹军波刘圣冠耿如意; 关键词：区域供热热惰性

基于DeST仿真和GS-SVR算法对严寒气候区近零能耗公共建筑逐时负荷预测被引量：9: 2022年; 目的为使空调系统能够及时对近零能耗建筑室内负荷变化做出反应,提出基于DeST仿真与支持向量机回归算法(SVR)的预测方法。方法以位于沈阳建筑大学校内的近零能耗示范建筑为例,通过DeST仿真得到模型需要的原始数据,利用网格搜索算法(GS)对支持向量机算法中的参数进行优化,采取优化后的支持向量机回归算法(GS-SVR)对负荷数据进行训练与预测。结果GS-SVR预测模型的MSE_(供热)与普通SVR预测模型相比降低了13.61%,R^(2)提高了1.25%;MSE_(供冷)与普通SVR预测模型相比降低了2.49%,R^(2)提高了1.36%。结论GS-SVR算法提高了严寒地区近零能耗建筑室内负荷预测的精确度,可对近零能耗建筑的空调系统运行诊断及优化。; 冯国会李奇岩王刚李环宇; 关键词：网格搜索

用于工业能源逐时负荷预测的方法及系统: 本发明提供一种用于工业企业能源逐时负荷预测的方法及系统，方法包括步骤：S1、提供某一工业企业，获取该工业企业的类型及待计算的能源类型，根据工业企业类型确定在该能源类型下的能源负荷指标Q；S2、确定该工业企业在该能源类型下...; 郝静朱振辉; 文献传递

相关作者