• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于PSO-SVR的冷水機組運行能效預(yù)測模型研究

    2015-09-01 06:45:28周璇蔡盼盼練斯甄閆軍威華南理工大學(xué)機械與汽車工程學(xué)院廣州510640
    制冷學(xué)報 2015年5期
    關(guān)鍵詞:冷水機組能效向量

    周璇 蔡盼盼 練斯甄 閆軍威(華南理工大學(xué)機械與汽車工程學(xué)院 廣州 510640)

    基于PSO-SVR的冷水機組運行能效預(yù)測模型研究

    周璇蔡盼盼練斯甄閆軍威
    (華南理工大學(xué)機械與汽車工程學(xué)院廣州510640)

    針對冷水機組運行能效模型結(jié)構(gòu)復(fù)雜、受運行參數(shù)影響較大、機理建模困難等問題,本文建立了基于支持向量回歸機的冷水機組運行能效預(yù)測模型,并采用粒子群優(yōu)化算法對模型參數(shù)尋優(yōu),提高了模型的精度。論文以某商場中央空調(diào)離心式冷水機組為研究對象,隨機選取396組運行數(shù)據(jù)對建立的模型進行訓(xùn)練和測試。結(jié)果表明,基于粒子群算法優(yōu)化的冷水機組支持向量回歸機模型較BP神經(jīng)網(wǎng)絡(luò)模型具有較高的預(yù)測精度,其相對誤差基本上在3%以內(nèi)。最后分別采集夏季和過渡季兩日的運行數(shù)據(jù)驗證模型的有效性,驗證相對誤差均在5%以內(nèi),因此,該模型能準確地反應(yīng)冷水機組的運行能效,為冷水機組運行能效分析、故障診斷以及優(yōu)化控制等提供參考依據(jù)。

    冷水機組;運行能效;預(yù)測模型;支持向量回歸機;粒子群算法

    冷水機組運行能效直接影響空調(diào)系統(tǒng)能耗,準確的冷水機組運行能效預(yù)測模型是空調(diào)系統(tǒng)節(jié)能優(yōu)化運行與故障診斷的重要基礎(chǔ)[1]。冷水機組結(jié)構(gòu)復(fù)雜,且其運行能效受冷凍水供水溫度、機組負荷率、冷卻水進水溫度等多種因素的影響,運行能效預(yù)測建模過程復(fù)雜。諸多學(xué)者和研究人員對冷水機組建模進行了深入研究。Lee T S等[2]通過選擇與建筑負荷相匹配的冷水機組及其結(jié)構(gòu)參數(shù),建立了變流量工況下的冷水機組模型。Jin G Y等[3]利用經(jīng)驗和半經(jīng)驗?zāi)P徒⒘死渌畽C組的混合模型,其中的模型參數(shù)通過實驗數(shù)據(jù)擬合獲取。傳統(tǒng)的機理建模方法精度較高,但模型結(jié)構(gòu)較復(fù)雜、模型參數(shù)較多且難以確定,工程應(yīng)用較困難。由于黑箱模型相對簡單有效,易用于工程應(yīng)用。Manohar H J等[4]采用BP神經(jīng)網(wǎng)絡(luò)建立了吸收式冷水機組的能效預(yù)測模型,即通過冷凍水供回水溫度、冷卻水進出水溫度、蒸氣壓力共5個運行參數(shù)預(yù)測機組運行能效。Chang Yungchung[5]利用BP神經(jīng)網(wǎng)絡(luò)建立了水冷式冷水機組的能耗模型,通過冷凍水供回水溫度與冷卻水進水溫度預(yù)測機組的能耗。雖然BP神經(jīng)網(wǎng)絡(luò)具有強大的非線性映射能力,但其預(yù)測模型的網(wǎng)絡(luò)隱含層節(jié)點不易確定、容易陷入局部極小值。

    支持向量回歸機(support vector regression,SVR)以結(jié)構(gòu)風(fēng)險最小化原理為基礎(chǔ),能夠較好的解決小樣本、非線性、高維等問題,近年來已被應(yīng)用于電力系統(tǒng)短期負荷預(yù)測、地下水位預(yù)測等領(lǐng)域[6],在冷水機運行能效預(yù)測領(lǐng)域的應(yīng)用尚不多見。本文擬利用支持向量回歸機強大的非線性映射特性,研究冷水機組建模方法,并采用粒子群優(yōu)化算法(particle swarm optimization,PSO)對SVR參數(shù)進行尋優(yōu),進一步提高冷水機組運行能效預(yù)測模型的精度,最后將其應(yīng)用于商場冷水機組的運行能效預(yù)測建模。

    1 方法及原理

    1.1SVR算法

    支持向量機(support vector machies,SVM)是20世紀90年代中期Vapnik等提出的一種以結(jié)構(gòu)風(fēng)險最小化為原理、充分利用有限樣本學(xué)習(xí)獲取較高泛化能力的機器學(xué)習(xí)方法[7]。支持向量回歸機是支持向量機在函數(shù)回歸領(lǐng)域的應(yīng)用,對于非線性問題,SVR的基本思想是把非線性的訓(xùn)練數(shù)據(jù)映射到一個更高維的特征空間(Hilbert空間)中,在這個高維的特征空間中構(gòu)造線性回歸函數(shù),實現(xiàn)原低維空間中的非線性回歸。SVR的原理可描述為[8-9]:

    對于給定的訓(xùn)練樣本集,{(x1,y1),(x2,y2)…(xl,yl)},其中xi∈RN表示輸入向量,yi∈R表示輸出值,l表示樣本數(shù)量,在高維Hilbert空間中構(gòu)造的回歸函數(shù)為:

    式中:φ(x)為輸入向量x到Hilbert空間的變換;ω為Hilbert中的權(quán)值向量,ω∈RN;b為截矩,b ∈R。

    根據(jù)結(jié)構(gòu)風(fēng)險最小化原理,求解回歸函數(shù)f(x)問題可轉(zhuǎn)化為求解下式:

    式中:ε為回歸函數(shù)的擬合精度;常數(shù)C為超出精度ε的懲罰程度,C>0。

    同時考慮到允許擬合誤差的情況,在式(2)中引入松弛因子ξi,ξi*,將優(yōu)化目標轉(zhuǎn)化為凸二次優(yōu)化問題:對上述優(yōu)化問題引入拉格朗日乘子αi和αi*,并通過滿足Mercer條件的核函數(shù)Qij=φ(xi)Tφ(xj)=K(xi,xj)求解二次規(guī)劃的對偶問題:

    根據(jù)KKT定理,推導(dǎo)求出截矩b值,則回歸函數(shù)f(x)可表述為:

    核函數(shù)K(xi,x)將樣本集從輸入空間非線性映射到高維特征空間,即通過非線性變換轉(zhuǎn)化為另一空間中的線性問題。目前,常用的核函數(shù)主要有三種:線性核函數(shù)、多項式核函數(shù)和高斯徑向基RBF核函數(shù)[10]。由于高斯徑向基函數(shù)RBF核函數(shù)具有形式簡單,較強的非線性逼近能力和良好的泛化性能[11]。本文選取高斯徑向基函數(shù)為SVR核函數(shù),如下式所示:

    式中:γ表征高斯核函數(shù)的寬度。

    圖1 SVR結(jié)構(gòu)示意圖Fig.1 Structure of SVR

    1.2PSO算法

    粒子群優(yōu)化算法是一種采用速度-位置搜索模型、通過個體間的協(xié)作與競爭實現(xiàn)多維空間中最優(yōu)解搜索的一種智能化優(yōu)化算法[12]。在 D維搜索空間中,由m個粒子組成的種群記為 x=(x1,x2,…,xm)T,群體中第i個粒子在D維搜索空間內(nèi)的位置記為xi=(xi1,xi2,…,xiD)T,其速度為vi=(vi1,vi2,…,viD)T,當前時刻的個體極值記為pibest,全局極值記為pgbest。在每一次迭代過程中,粒子通過跟蹤t時刻個體極值、全局極值和自己的狀態(tài)來更新t+1時刻的位置和速度,迭代公式如下[13-14]:

    式中:vi(t),vi(t+1),xi(t),xi(t+1)分別為粒子t時刻、t+1時刻的速度和位置;pibest(t)為t時刻的個體極值;pgbest(t)為t時刻的全局極值;tmax為最大迭代次數(shù);c1,c2稱為學(xué)習(xí)因子,一般取值2;r1,r2為[0,1]上的隨機數(shù);w為慣性常數(shù),wmax為最大權(quán)重因子,一般取值0.9,wmin為最小權(quán)重因子,一般取值0.4。

    1.3基于PSO的SVR參數(shù)優(yōu)化

    SVR算法的分析可知,ε-SVR模型參數(shù)主要包括不敏感損失系數(shù)ε,懲罰系數(shù)C和高斯徑向基RBF核函數(shù)的寬度系數(shù)γ,其中不敏感損失系數(shù)ε與樣本噪聲密切相關(guān),決定回歸函數(shù)對樣本數(shù)據(jù)的不敏感區(qū)域?qū)挾燃爸С窒蛄康臄?shù)目,直接影響模型的精度;懲罰系數(shù)C決定超出ε區(qū)間的懲罰程度,直接影響模型的穩(wěn)定性和復(fù)雜性;寬度系數(shù)γ則反映支持向量的相關(guān)程度,直接影響模型的推廣能力[15]。因此,(ε,C,γ)這三個參數(shù)的選擇對SVR模型的性能有很大的影響。目前常用的參數(shù)選擇法多采用經(jīng)驗法和試湊法,難以保證回歸精度和計算速度,而PSO算法具有搜索速度快、效率高、算法簡單、適合于實值型處理等優(yōu)點,因此本文采用PSO算法對SVR的參數(shù) (ε,C,γ)進行尋優(yōu)。在PSO-SVR算法中,每個粒子由3維參數(shù)向量(ε,C,γ)組成,適應(yīng)度函數(shù)選用直接反應(yīng)SVR回歸性能的均方根誤差(RMSE):

    基于PSO的SVR模型參數(shù)尋優(yōu)具體流程如圖2所示。

    2 冷水機組運行能效影響因素分析

    2.1實驗數(shù)據(jù)采集

    本文以廣州市某商場的離心式冷水機組為研究對象,探討冷水機組運行能效建模方法。冷水機組型號為約克YKHFGBJ15CWF,額定制冷量為3517 kW,額定功率為647 kW。作者所在研究團隊于2012年對該商場的中央空調(diào)系統(tǒng)進行了節(jié)能改造,增加了中央空調(diào)遠程監(jiān)控系統(tǒng),可實現(xiàn)冷源系統(tǒng)各運行參數(shù)的實時采集、存儲與統(tǒng)計分析,中央空調(diào)遠程監(jiān)控系統(tǒng)如圖3所示。

    圖2 PSO-SVR參數(shù)尋優(yōu)流程圖Fig.2 Flowchart of PSO-SVR parameter optimization

    圖3 中央空調(diào)遠程監(jiān)控系統(tǒng)框圖Fig.3 The diagram of central air conditioning remote monitoring and control system

    由圖3可看出,水溫傳感器主要用于采集各冷水機組冷凍供回水溫度、各冷水機組冷卻進出水溫度、冷凍水總管供回水溫度和冷卻水總管的進出水溫度,超聲波流量計用于采集各冷水機組冷凍水流量和冷卻水流量,電功率表用于采集各冷水機組的運行功率。溫度傳感器、超聲波流量計與電功率表測得的信號經(jīng)過A/D轉(zhuǎn)換后傳給冷源PLC,冷源PLC采用將采集的數(shù)據(jù)上傳至數(shù)據(jù)采集服務(wù)器,數(shù)據(jù)采集服務(wù)器利用TCP/IP協(xié)議,通過Internet/Intranet網(wǎng)絡(luò)系統(tǒng)將采集數(shù)據(jù)上傳至遠程監(jiān)控中心。遠程監(jiān)控軟件根據(jù)采集回來的運行參數(shù)進行優(yōu)化分析,實現(xiàn)對設(shè)備的集成優(yōu)化控制。

    冷水機組的供冷負荷率和機組的運行能效則通過式(12)~式(14)計算得到。

    式中:Qc為供冷負荷,kW;cp為冷凍水比熱,J/ (kg.℃);Me為冷凍水質(zhì)量流量,kg/s;Tei為冷凍回水溫度,℃;Teo為冷凍供水溫度,℃;PLR為供冷負荷率,%;Qr為冷水機組額定制冷量,kW;P為冷水機組電機輸入功率,kW。

    2.2影響因素分析

    冷水機組運行能效受供冷負荷率、冷凍水供回水溫度、冷卻水供回水溫度、冷凍水流量、冷卻水流量等諸多因素影響,且各種影響因素之間也存在著錯綜復(fù)雜的交互關(guān)系,因此,冷水機組運行能效模型具有復(fù)雜性、非線性、高維數(shù)等特點。為了研究各運行參數(shù)對冷水機組運行能效的影響程度,本文利用SPSS軟件對冷水機組運行能效與多個影響因素進行了相關(guān)性分析,通過常用的Pearson相關(guān)系數(shù)和雙側(cè)顯著性檢驗(T統(tǒng)計量,顯著性概率p<0.01)得到的相關(guān)系數(shù)分析結(jié)果見表1。

    表1 機組COP與影響參數(shù)相關(guān)性分析Tab.1 Correlation analysis between chiller's COPand its influence parameters

    由表1可以看出,冷水機組運行能效的影響因素相關(guān)系數(shù)大小依次為:供冷負荷率、冷凍水流量、冷卻水流量、冷凍水回水溫度、冷卻水進水溫度、冷凍水供水溫度和冷卻水出水溫度,而實際上供冷負荷率已間接反映了冷凍水回水溫度,因此本文選取相關(guān)系數(shù)較大的供冷負荷率PLR、冷凍水供水溫度Teo、冷卻水進水溫度Tci、冷凍水流量Me、冷卻水流量Mc共5個主要因素作為模型的輸入?yún)?shù),冷水機組的運行能效比COP作為模型的輸出參數(shù)。

    3 仿真實驗

    3.1數(shù)據(jù)處理

    由于SVR模型的輸入輸出數(shù)據(jù)具有不同的物理意義,為了消除量綱的影響,需要將影響冷水機組運行能效模型的輸入變量和輸出變量進行歸一化處理,本文采用最大最小值的方法將樣本數(shù)據(jù)處理成[0,1]的無因次數(shù),有效提高回歸計算效率,并防止部分不良數(shù)據(jù)計算溢出的現(xiàn)象,計算方法如下:

    式中:xi為輸入變量;yi為輸出變量;x*i為歸一化后的輸入變量;yi*為歸一化后的輸出值;l為輸入?yún)?shù)個數(shù)。

    3.2模型建立

    基于PSO-SVR冷水機組運行能效模型方法的主要思想就是將影響因素(Teo,Tci,Me,Mc,PLR)iT作為SVR模型的輸入向量,將相應(yīng)的冷水機組運行能效COPi作為SVR模型的輸出值,通過PSO算法對SVR參數(shù)(ε,C,γ)的尋優(yōu)、訓(xùn)練樣本的學(xué)習(xí),確定回歸函數(shù)的回歸參數(shù),從而建立PSO-SVR冷水機組運行能效模型?;赑SO-SVR冷水機組運行能效模型建立流程如圖4。

    3.3實驗結(jié)果分析

    本文從2013年8月16日~2014年8月16日全年的運行數(shù)據(jù)庫中隨機選取396組運行數(shù)據(jù)進行建模,每組數(shù)據(jù)均包括冷凍水流量、冷卻水流量、冷凍水供水溫度、冷卻水進水溫度和冷水機組運行能效等參數(shù),部分運行數(shù)據(jù)見表2。選用前300組運行數(shù)據(jù)作為訓(xùn)練集,建立PSO-SVR冷水機組運行能效模型,選用剩余的96組運行數(shù)據(jù)作為測試集,檢驗PSO-SVR冷水機組運行能效模型。

    表2 冷水機組部分運行數(shù)據(jù)Tab.2 Some operating data of chiller

    圖4 基于PSO-SVR冷水機組運行能效模型流程圖Fig.4 Flowchart of COP model based on PSO-SVR

    圖5 PSO-SVR模型對部分訓(xùn)練集的預(yù)測效果Fig.5 Prediction of training set by PSO-SVR model

    利用PSO算法優(yōu)化SVR參數(shù)時,(ε,C,γ)參數(shù)的取值范圍分別設(shè)置為[16]:ε的取值范圍為[0,0.5];C的取值范圍為[1,103];γ的取值范圍為[0,102],粒子群規(guī)模設(shè)為50,最大進化代數(shù)設(shè)為100代,得到優(yōu)化結(jié)果為ε=0.0013,C=6.28,γ =2.60,相應(yīng)的均方根誤差 RMSE為 0.00195。PSO-SVR模型對訓(xùn)練集的預(yù)測效果如圖5。從圖中可看出,PSO-SVR模型的預(yù)測值與真實值非常接近,PSO-SVR模型獲得了準確的輸入輸出行為,可有效地表達冷水機組運行能效和相關(guān)運行參數(shù)的關(guān)系。

    利用建模剩余的96組運行數(shù)據(jù)作為測試集,對建立的冷水機組運行能效PSO-SVR模型進行檢驗,同時與BP神經(jīng)網(wǎng)絡(luò)模型方法進行了對比分析,預(yù)測結(jié)果與誤差曲線如圖6和圖7所示。

    從圖6、圖7可以看出,PSO-SVR模型的預(yù)測相對誤差普遍低于BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測相對誤差,基本在3%以內(nèi),而BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測效果相對較差,一般在5%左右。這是因為在小樣本情況下,常規(guī)SVR模型和BP神經(jīng)網(wǎng)絡(luò)模型易出現(xiàn)訓(xùn)練不足或過學(xué)習(xí)的情況,難以保證模型的精度,而PSO-SVR模型在訓(xùn)練過程中,通過PSO算法優(yōu)化模型參數(shù),有效避免了過學(xué)習(xí)現(xiàn)象,增加了模型的泛化能力。

    圖6 BP神經(jīng)網(wǎng)絡(luò)與PSO-SVR冷水機組運行能效預(yù)測結(jié)果比較圖Fig.6 Comparison of BP model and PSO-SVR model of COP

    圖7 BP神經(jīng)網(wǎng)絡(luò)與PSO-SVR冷水機組運行能效預(yù)測相對誤差比較圖Fig.7 Relative error comparison of BP model and PSO-SVR model of COP

    3.4實驗測試

    為驗證PSO-SVR冷水機組運行能效模型的適用性,本文任意選取夏季和過渡季各一天的運行數(shù)據(jù)對上述PSO-SVR冷水機組運行能效模型進行測試,選取的運行數(shù)據(jù)為20組,間隔時間為30 min。預(yù)測結(jié)果如表3所示。

    由表3可知,將建立的PSO-SVR冷水機組運行能效模型用于預(yù)測不同季節(jié)日的冷水機組運行能效時,同樣具有較高的預(yù)測精度,兩天的預(yù)測最大相對誤差均在5%以內(nèi),最小相對誤差均低于1%,平均相對誤差分別為2.36%和2.04%,均在3%以內(nèi)。由此可見,建立的PSO-SVR冷水機組運行能效模型應(yīng)用于實際工程中能夠較好反映冷水機組的實時能效。

    4 結(jié)論

    本文提出了冷水機組運行能效模型的PSOSVR建模方法,采用PSO算法對SVR模型參數(shù)進行優(yōu)化,增加了模型的泛化能力,提高了模型的精度,并以廣州某大型商場離心式冷水機組為例,從全年數(shù)據(jù)庫中隨機選取396組運行數(shù)據(jù)進行模型的訓(xùn)練和測試。仿真結(jié)果表明,與BP神經(jīng)網(wǎng)絡(luò)模型相比,PSO-SVR模型精度較高,預(yù)測相對誤差均在3%以內(nèi)。最后為了進一步驗證PSO-SVR模型的推廣性,分別采集夏季和過渡季兩日的運行數(shù)據(jù)進行測試,每日采集20組運行數(shù)據(jù),采集周期為30 min,測試相對誤差均在5%以內(nèi),平均相對誤差均在3%以內(nèi)。因此,PSO-SVR冷水機組運行能效模型能夠較好反映冷水機組的實時能效,且建模方法簡單,具有工程應(yīng)用價值,可為冷水機組運行能效分析、節(jié)能優(yōu)化控制以及故障診斷等提供參考依據(jù)。

    表3 PSO-SVR冷水機組運行能效模型測試相對誤差Tab.3 Tested relative error of PSO-SVR model

    本文受廣東省科技廳支撐項目——中央空調(diào)運行能效在線檢測與優(yōu)化控制(2011B061200043)資助。(The project was supported by the Guangdong Provincial Department of Science and Technology Project:Online Inspection and Optimal Control of Central Air-conditioning Operation Energy Efficiency (No.2011B061200043).)

    [1]嚴中俊,閆軍威.基于BP神經(jīng)網(wǎng)絡(luò)的冷水機組能效預(yù)測方法[J].制冷與空調(diào)(四川),2013,27(5):443-446.(Yan Zhongjun,Yan Junwei.The COP prediction method of chillers based on the BP neural network[J].Refrigeration and Air Conditioning,2013,27(5):443-446.)

    [2]Lee T S,Liao K Y,Lu W C.Evaluation of the suitability of empirically-based models for predicting energy performance of centrifugal water chillers with variable chilled water flow[J].Applied Energy,2012,93(Suppl.):1721-1729.

    [3]Jin G Y,Tan P Y,Ding X D,et al.A hybrid watercooled centrifugal chiller model[C]//In Proceedings of the 2011 6th IEEE Conference on Industrial Electronics and Applications,2011:2298-2303.

    [4]Manohar H J,Saravanan R,Renganarayanan S.Modeling of steam fired double effect vapor absorption chiller using neural network[J].Energy Conservation and Management,2006,47(15/16):2202-2210.

    [5]Chang Yungchung.Sequencing of chillers by estimating chiller power consumption using articial neural networks [J].Building and Environment,2007,42(1):180-188.

    [6]梁偉鋒.支持向量回歸機研究及應(yīng)用[D].杭州:浙江師范大學(xué),2006.

    [7]辛憲會.支持向量機理論、算法與實現(xiàn)[D].鄭州:解放軍信息工程大學(xué),2005.

    [8]楊際祥,譚國真,王凡,等.實時交通流預(yù)測的并行SVR預(yù)測方法[J].大連理工大學(xué)學(xué)報,2010,50(6):1035-1041.(Yang Jixiang,Tan Guozhen,Wang Fan,et al.A parallel SVR approach to real-time traffic flow forecasting[J].Journal of Dalian University of Technology,2010,50(6):1035-1041.)

    [9]閻滿富,田英杰.改進的支持向量回歸機[J].系統(tǒng)工程,2004,22(10):9-13.(Yan Manfu,Tian Yingjie.Improved SVR[J].Systems Engineering,2004,22(10):9-13.)

    [10]李紅英.支持向量分類機的核函數(shù)研究[D].重慶:重慶大學(xué),2009.

    [11]王治.基于混沌粒子群優(yōu)化SVR的網(wǎng)絡(luò)流量預(yù)測[J].計算機仿真,2011,28(5):151-154.(Wang Zhi.Network traffic prediction based on SVR optimized by chaos particle swarm optimization algorithm[J].The Computer Simulation,2011,28(5):151-154.)

    [12]黃繼,薄玉成,王惠源.基于混沌粒子群SVR的煙氣輪機狀態(tài)預(yù)測[J].計算機仿真,2011,28(5):193-196.(Huang Ji,Bo Yucheng,Wang Huiyuan.Flue gas turbine state forecasting by chaos particle swarm optimization and SVR[J].The Computer Simulation,2011,28(5):193-196.)

    [13]傅強,胡上序,趙勝穎.基于PSO算法的神經(jīng)網(wǎng)絡(luò)集成構(gòu)造方法[J].浙江大學(xué)學(xué)報(工學(xué)版),2004,38(12):1596-1600.(Fu Qiang,Hu Shangxu,Zhao Shengying. PSO-based approach for neural network ensembles[J]. Journal of Zhejiang University(Engineering Science),2004,38(12):1596-1600.)

    [14]唐俊.PSO算法原理及應(yīng)用[J].計算機技術(shù)與發(fā)展,2010,20(2):213-216.(Tang Jun.Principle and application of PSO algorithm[J].Computer Technology and Development,2010,20(2):213-216.)

    [15]熊偉麗,徐保國.基于PSO的SVR參數(shù)優(yōu)化選擇方法研究[J].系統(tǒng)仿真學(xué)報,2006,18(9):2442-2445.(Xiong Weili,Xu Baoguo.Study on optimization of SVR parameters selection based on PSO[J].Journal of System Simulation,2006,18(9):2442-2445.)

    [16]練斯甄,周璇,閆軍威.基于改進BP神經(jīng)網(wǎng)絡(luò)的冷水機組IPLV預(yù)測方法[J].建筑科學(xué),2014,30(6):68-72.(Lian Sizhen,Zhou Xuan,Yan Junwei.Prediction techinque of integrated part load value(IPLV)of water chillers based on improved BP neural network[J].Building Science,2014,30(6):68-72.)

    About the corresponding author

    Zhou Xuan,female,associate professor,supervisor of postgraduate,School of Mechanical&Automotive Engineering,South China University of Technology,+86 13631378083,E-mail:zhouxuan @scut.edu.cn.Research fields:energy energy-saving control of air-conditioning system,load forecasting of central air-conditioning system.

    Research on COP Prediction Model of Chiller Based on PSO-SVR

    Zhou Xuan Cai Panpan Lian Sizhen Yan Junwei
    (School of Mechanical&Automotive Engineering,South China University of Technology,Guangzhou,510640,China)

    Since the difficulty of building mechanism model and the structure of COP model of chiller is complex,greatly affected by operating parameter,a COP prediction model of chiller is proposed based on Support Vector Regression,and the parameters are optimized by Particle Swarm Optimization algorithm.In this paper,396 sets of operating data of chiller of a shopping mall are randomly selected to train and test this model.The results shows that the prediction accuracy of SVR model based on PSO optimization algorithm is higher than that of BP neural network and the relative error is within 3%.At last,operating data of two days in summer and transition season are randomly selected to verify the model.The relative error is within 5%.So this model can provide theoretical basis for the chiller energy efficiency analysis,fault detection and diagnosis and optimizing control.

    chiller;COP;prediction model;support vector regression;particle swarm optimization

    TB657.2;TU831;TP391.9

    A

    0253-4339(2015)05-0087-08

    10.3969/j.issn.0253-4339.2015.05.087

    2015年2月5日

    簡介

    周璇,女,副研究員,碩士生導(dǎo)師,華南理工大學(xué)機械與汽車工程學(xué)院,13631378083,E-mail:zhouxuan@scut.edu.cn。研究方向:空調(diào)負荷預(yù)測、空調(diào)系統(tǒng)節(jié)能優(yōu)化控制。

    猜你喜歡
    冷水機組能效向量
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    水冷磁懸浮變頻離心式冷水機組
    上海:穩(wěn)中有進 能效趨優(yōu)
    關(guān)注能效
    向量垂直在解析幾何中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    克萊門特冷水機組系統(tǒng)節(jié)能應(yīng)用會議順利召開
    機電信息(2015年28期)2015-02-27 15:58:00
    淺談實現(xiàn)高能效制造的未來發(fā)展趨勢
    自動化博覽(2014年6期)2014-02-28 22:32:07
    河南精蠟廠新增冷水機組降耗效果好
    河南化工(2013年13期)2013-08-15 00:45:02
    女人高潮潮喷娇喘18禁视频| 女人高潮潮喷娇喘18禁视频| 日韩电影二区| 美女高潮到喷水免费观看| 最近最新中文字幕大全免费视频| 操美女的视频在线观看| 色综合欧美亚洲国产小说| 91精品伊人久久大香线蕉| 日韩中文字幕欧美一区二区| 久久中文看片网| 99国产精品一区二区蜜桃av | 19禁男女啪啪无遮挡网站| 亚洲一区二区三区欧美精品| 可以免费在线观看a视频的电影网站| 久久国产亚洲av麻豆专区| 妹子高潮喷水视频| 深夜精品福利| 日韩大码丰满熟妇| 国产一区二区 视频在线| 欧美日韩精品网址| 国产av一区二区精品久久| 亚洲av日韩在线播放| 日本vs欧美在线观看视频| 精品国产乱子伦一区二区三区 | 日本av免费视频播放| 正在播放国产对白刺激| 亚洲成人免费电影在线观看| 免费在线观看完整版高清| 欧美在线一区亚洲| 国产精品欧美亚洲77777| 免费在线观看视频国产中文字幕亚洲 | 国产不卡av网站在线观看| 国产男女超爽视频在线观看| 少妇人妻久久综合中文| 精品卡一卡二卡四卡免费| 亚洲国产成人一精品久久久| 视频区欧美日本亚洲| 成年人黄色毛片网站| 欧美精品av麻豆av| 丰满饥渴人妻一区二区三| 日韩精品免费视频一区二区三区| 欧美在线一区亚洲| 久久久久精品国产欧美久久久 | 免费高清在线观看日韩| 女警被强在线播放| 色播在线永久视频| 精品亚洲成a人片在线观看| a级片在线免费高清观看视频| 国产亚洲欧美在线一区二区| 91成年电影在线观看| 欧美日韩精品网址| 亚洲精品国产av蜜桃| 一区福利在线观看| 日本精品一区二区三区蜜桃| 亚洲性夜色夜夜综合| 麻豆av在线久日| av福利片在线| 国产高清videossex| 大片免费播放器 马上看| 午夜激情av网站| 天天躁夜夜躁狠狠躁躁| 精品亚洲成a人片在线观看| a级片在线免费高清观看视频| 国产av一区二区精品久久| 宅男免费午夜| 亚洲中文av在线| 亚洲性夜色夜夜综合| 欧美精品一区二区大全| 桃红色精品国产亚洲av| 美女主播在线视频| 久久久久久亚洲精品国产蜜桃av| 久久久久国产一级毛片高清牌| 欧美中文综合在线视频| 丰满迷人的少妇在线观看| 久久国产亚洲av麻豆专区| 国产老妇伦熟女老妇高清| 国产精品麻豆人妻色哟哟久久| 亚洲九九香蕉| 性少妇av在线| 热99国产精品久久久久久7| 亚洲国产毛片av蜜桃av| 伊人亚洲综合成人网| www.精华液| 曰老女人黄片| 久久毛片免费看一区二区三区| 亚洲激情五月婷婷啪啪| 黄色a级毛片大全视频| 国产亚洲一区二区精品| 免费在线观看完整版高清| 国产色视频综合| 久久久久久久久免费视频了| 午夜精品国产一区二区电影| 午夜福利在线免费观看网站| 女人精品久久久久毛片| 久久国产精品影院| 99re6热这里在线精品视频| 久久性视频一级片| 日日摸夜夜添夜夜添小说| 久久久久久久大尺度免费视频| 一二三四社区在线视频社区8| 亚洲色图 男人天堂 中文字幕| 欧美日韩亚洲国产一区二区在线观看 | 欧美大码av| av天堂久久9| 男男h啪啪无遮挡| 亚洲专区国产一区二区| 亚洲国产成人一精品久久久| 久久狼人影院| 国产亚洲av片在线观看秒播厂| 新久久久久国产一级毛片| 美女中出高潮动态图| 国产精品一区二区在线观看99| 一区在线观看完整版| 成人三级做爰电影| 老司机亚洲免费影院| 两个人看的免费小视频| 丰满人妻熟妇乱又伦精品不卡| 亚洲成国产人片在线观看| 男人操女人黄网站| 男女下面插进去视频免费观看| 亚洲精品中文字幕一二三四区 | 日韩欧美免费精品| 欧美另类一区| 动漫黄色视频在线观看| 国产欧美亚洲国产| 亚洲第一欧美日韩一区二区三区 | 欧美日韩黄片免| 视频区欧美日本亚洲| 日韩有码中文字幕| 老熟妇乱子伦视频在线观看 | 狂野欧美激情性xxxx| 在线 av 中文字幕| 美女高潮喷水抽搐中文字幕| 日本wwww免费看| 欧美人与性动交α欧美软件| 亚洲精品久久成人aⅴ小说| 久久久久国内视频| 一区二区三区四区激情视频| 精品亚洲成国产av| 超色免费av| av国产精品久久久久影院| 老熟女久久久| av超薄肉色丝袜交足视频| 丰满迷人的少妇在线观看| 18禁观看日本| 欧美在线一区亚洲| 精品高清国产在线一区| h视频一区二区三区| 十八禁人妻一区二区| av国产精品久久久久影院| 久久久国产欧美日韩av| 美女大奶头黄色视频| 国产精品一区二区免费欧美 | 国产亚洲午夜精品一区二区久久| 女人被躁到高潮嗷嗷叫费观| 男女下面插进去视频免费观看| 亚洲国产精品一区三区| 97在线人人人人妻| 成人手机av| 精品国产国语对白av| 日韩电影二区| 在线观看免费午夜福利视频| 老司机亚洲免费影院| 国产欧美日韩一区二区三 | 亚洲精品成人av观看孕妇| 久久久水蜜桃国产精品网| 亚洲av男天堂| 天堂俺去俺来也www色官网| 黄色视频不卡| 男女国产视频网站| 午夜免费成人在线视频| 国产成人影院久久av| 久久 成人 亚洲| 国产一区有黄有色的免费视频| 日韩人妻精品一区2区三区| 青青草视频在线视频观看| 老司机靠b影院| kizo精华| 国产欧美日韩精品亚洲av| 少妇裸体淫交视频免费看高清 | 国产亚洲欧美精品永久| 日日摸夜夜添夜夜添小说| 久久人人97超碰香蕉20202| 欧美日韩亚洲综合一区二区三区_| 亚洲精品美女久久久久99蜜臀| 欧美在线黄色| 性色av一级| 亚洲国产看品久久| 久热这里只有精品99| 久久久精品区二区三区| tube8黄色片| kizo精华| 99国产综合亚洲精品| 午夜精品久久久久久毛片777| 亚洲 欧美一区二区三区| 蜜桃国产av成人99| 91精品三级在线观看| 欧美人与性动交α欧美精品济南到| 午夜免费鲁丝| 亚洲精品成人av观看孕妇| 一级a爱视频在线免费观看| 新久久久久国产一级毛片| 欧美激情 高清一区二区三区| 丝袜人妻中文字幕| 亚洲国产欧美在线一区| www日本在线高清视频| 热re99久久精品国产66热6| 美女午夜性视频免费| 成人免费观看视频高清| 这个男人来自地球电影免费观看| 国产精品亚洲av一区麻豆| 亚洲成国产人片在线观看| 91大片在线观看| 啦啦啦视频在线资源免费观看| 一本久久精品| 又紧又爽又黄一区二区| 午夜日韩欧美国产| 日韩 亚洲 欧美在线| 婷婷色av中文字幕| 午夜精品国产一区二区电影| 一二三四在线观看免费中文在| 大码成人一级视频| 法律面前人人平等表现在哪些方面 | 青春草视频在线免费观看| 国产精品一区二区在线观看99| 久久精品国产亚洲av高清一级| 国产福利在线免费观看视频| 最新的欧美精品一区二区| 国产熟女午夜一区二区三区| av网站在线播放免费| 国产精品熟女久久久久浪| 超碰97精品在线观看| 国产野战对白在线观看| 亚洲第一青青草原| 一区二区日韩欧美中文字幕| 91麻豆精品激情在线观看国产 | 成年动漫av网址| 精品人妻在线不人妻| 日本黄色日本黄色录像| 国产在线视频一区二区| 美女午夜性视频免费| 国产精品香港三级国产av潘金莲| 日韩制服丝袜自拍偷拍| 国产成人一区二区三区免费视频网站| 欧美日韩福利视频一区二区| 精品欧美一区二区三区在线| 丰满迷人的少妇在线观看| 一区二区三区乱码不卡18| 国产亚洲av高清不卡| 欧美av亚洲av综合av国产av| 免费在线观看完整版高清| 免费高清在线观看视频在线观看| 欧美精品av麻豆av| 老汉色∧v一级毛片| 在线天堂中文资源库| 日韩,欧美,国产一区二区三区| 制服诱惑二区| 91麻豆av在线| 国产亚洲午夜精品一区二区久久| 亚洲av美国av| 精品国产一区二区三区久久久樱花| 久久天躁狠狠躁夜夜2o2o| 国产黄频视频在线观看| 欧美在线一区亚洲| 欧美日韩成人在线一区二区| 久久香蕉激情| 免费av中文字幕在线| 高潮久久久久久久久久久不卡| 人妻人人澡人人爽人人| 激情视频va一区二区三区| 在线亚洲精品国产二区图片欧美| 亚洲精品国产区一区二| 精品亚洲乱码少妇综合久久| 两个人免费观看高清视频| 日韩三级视频一区二区三区| 国产精品av久久久久免费| 交换朋友夫妻互换小说| 精品一区二区三区四区五区乱码| 成人影院久久| 亚洲欧美清纯卡通| 久久国产精品影院| 午夜福利一区二区在线看| 国产精品成人在线| 国精品久久久久久国模美| 午夜视频精品福利| av超薄肉色丝袜交足视频| 夜夜骑夜夜射夜夜干| 亚洲中文av在线| 日本撒尿小便嘘嘘汇集6| 国产无遮挡羞羞视频在线观看| 日本欧美视频一区| 国产成人精品久久二区二区91| 国产成人a∨麻豆精品| 在线观看人妻少妇| 视频在线观看一区二区三区| 在线十欧美十亚洲十日本专区| h视频一区二区三区| 国产福利在线免费观看视频| 久久精品久久久久久噜噜老黄| 国产国语露脸激情在线看| 成年美女黄网站色视频大全免费| 视频区欧美日本亚洲| 久久天躁狠狠躁夜夜2o2o| 久久精品久久久久久噜噜老黄| 午夜激情久久久久久久| 亚洲伊人久久精品综合| 久久国产亚洲av麻豆专区| 成年人午夜在线观看视频| 国产欧美日韩一区二区三区在线| 欧美av亚洲av综合av国产av| 日本黄色日本黄色录像| 国产精品av久久久久免费| 99热国产这里只有精品6| 午夜久久久在线观看| 色播在线永久视频| 午夜视频精品福利| 18禁国产床啪视频网站| 国产一区二区三区在线臀色熟女 | 国产福利在线免费观看视频| 亚洲激情五月婷婷啪啪| 青青草视频在线视频观看| 亚洲专区中文字幕在线| 免费高清在线观看日韩| 亚洲av欧美aⅴ国产| 老司机福利观看| 亚洲专区国产一区二区| 欧美黄色片欧美黄色片| 制服诱惑二区| 一边摸一边抽搐一进一出视频| 亚洲,欧美精品.| 男女下面插进去视频免费观看| 人人澡人人妻人| 亚洲三区欧美一区| 亚洲美女黄色视频免费看| 中文字幕av电影在线播放| 欧美精品高潮呻吟av久久| av片东京热男人的天堂| 人人妻人人添人人爽欧美一区卜| 丁香六月天网| 电影成人av| 色婷婷久久久亚洲欧美| 在线精品无人区一区二区三| 18禁裸乳无遮挡动漫免费视频| 女人高潮潮喷娇喘18禁视频| 桃红色精品国产亚洲av| 两个人看的免费小视频| 欧美老熟妇乱子伦牲交| 操美女的视频在线观看| 99国产精品一区二区三区| 精品国产一区二区三区久久久樱花| 熟女少妇亚洲综合色aaa.| 黄网站色视频无遮挡免费观看| av有码第一页| 免费在线观看日本一区| 欧美黑人精品巨大| 国产一区二区在线观看av| 天天躁夜夜躁狠狠躁躁| 麻豆av在线久日| 国产免费一区二区三区四区乱码| 韩国精品一区二区三区| 十八禁网站网址无遮挡| 国产精品免费视频内射| 三上悠亚av全集在线观看| 国产在线观看jvid| 国产三级黄色录像| 成年人黄色毛片网站| 欧美久久黑人一区二区| 欧美乱码精品一区二区三区| 精品视频人人做人人爽| 最近中文字幕2019免费版| 操美女的视频在线观看| 亚洲国产欧美网| 日韩 欧美 亚洲 中文字幕| 欧美xxⅹ黑人| 各种免费的搞黄视频| 丝袜美足系列| 欧美+亚洲+日韩+国产| 男女之事视频高清在线观看| 色播在线永久视频| 国产一区二区激情短视频 | 狂野欧美激情性bbbbbb| 大香蕉久久网| 欧美少妇被猛烈插入视频| 少妇被粗大的猛进出69影院| 老司机午夜十八禁免费视频| 亚洲精品第二区| 99国产综合亚洲精品| 中国国产av一级| 宅男免费午夜| av片东京热男人的天堂| 国产一级毛片在线| 久9热在线精品视频| 超碰成人久久| 久久久水蜜桃国产精品网| 可以免费在线观看a视频的电影网站| 欧美成人午夜精品| 两性夫妻黄色片| 一边摸一边抽搐一进一出视频| 90打野战视频偷拍视频| 欧美国产精品一级二级三级| 国产深夜福利视频在线观看| 欧美亚洲 丝袜 人妻 在线| 在线观看舔阴道视频| 精品国产一区二区三区久久久樱花| 国产精品一区二区在线不卡| 亚洲精品一区蜜桃| 国产97色在线日韩免费| 欧美精品啪啪一区二区三区 | 精品久久久久久久毛片微露脸 | 国产精品久久久人人做人人爽| 性色av乱码一区二区三区2| 夜夜夜夜夜久久久久| 国产免费视频播放在线视频| 日韩制服丝袜自拍偷拍| 黄色视频不卡| 99久久国产精品久久久| 国产高清国产精品国产三级| 日日摸夜夜添夜夜添小说| 久久久久久免费高清国产稀缺| 91麻豆精品激情在线观看国产 | av福利片在线| 欧美激情久久久久久爽电影 | 精品国内亚洲2022精品成人 | 国产成人av教育| 久久久久国产精品人妻一区二区| 亚洲av电影在线进入| svipshipincom国产片| 久久久欧美国产精品| 日本撒尿小便嘘嘘汇集6| 又紧又爽又黄一区二区| 永久免费av网站大全| 国产精品一区二区免费欧美 | 午夜福利乱码中文字幕| 十分钟在线观看高清视频www| 欧美日韩亚洲高清精品| 午夜老司机福利片| 亚洲成人免费电影在线观看| 满18在线观看网站| 国产免费一区二区三区四区乱码| 在线观看一区二区三区激情| 午夜激情久久久久久久| 精品亚洲乱码少妇综合久久| 美女视频免费永久观看网站| 狠狠狠狠99中文字幕| 国产精品久久久久久精品电影小说| 成年人免费黄色播放视频| 亚洲精品国产一区二区精华液| 1024香蕉在线观看| 亚洲国产欧美在线一区| 女人高潮潮喷娇喘18禁视频| 大码成人一级视频| 女人高潮潮喷娇喘18禁视频| 日韩有码中文字幕| 欧美av亚洲av综合av国产av| 18禁黄网站禁片午夜丰满| 亚洲精品成人av观看孕妇| 69精品国产乱码久久久| 黑人巨大精品欧美一区二区mp4| 美女脱内裤让男人舔精品视频| 人妻久久中文字幕网| 久久久精品免费免费高清| 久久久精品国产亚洲av高清涩受| 老汉色∧v一级毛片| 日韩三级视频一区二区三区| 人妻人人澡人人爽人人| 一个人免费在线观看的高清视频 | 天天躁夜夜躁狠狠躁躁| tocl精华| 97人妻天天添夜夜摸| 黑丝袜美女国产一区| 一级毛片女人18水好多| 免费在线观看完整版高清| 一本色道久久久久久精品综合| 日韩精品免费视频一区二区三区| 性少妇av在线| 欧美黑人精品巨大| 欧美日韩亚洲国产一区二区在线观看 | 国产精品影院久久| 久久这里只有精品19| 久久狼人影院| 国产精品亚洲av一区麻豆| 午夜精品国产一区二区电影| 大码成人一级视频| 免费黄频网站在线观看国产| 99热国产这里只有精品6| 国产日韩欧美在线精品| 首页视频小说图片口味搜索| 欧美日韩亚洲高清精品| 久久久久久亚洲精品国产蜜桃av| 99国产极品粉嫩在线观看| 如日韩欧美国产精品一区二区三区| 亚洲中文字幕日韩| 亚洲精品美女久久久久99蜜臀| 不卡一级毛片| 少妇精品久久久久久久| 人成视频在线观看免费观看| 在线观看免费日韩欧美大片| av超薄肉色丝袜交足视频| 国产高清国产精品国产三级| 嫩草影视91久久| 亚洲精品国产精品久久久不卡| 国产精品久久久久久人妻精品电影 | 9热在线视频观看99| 久久毛片免费看一区二区三区| 1024视频免费在线观看| 中文字幕av电影在线播放| 男人舔女人的私密视频| 满18在线观看网站| 国产亚洲欧美精品永久| 国产成人精品久久二区二区免费| 新久久久久国产一级毛片| 亚洲九九香蕉| 成人国产av品久久久| 国精品久久久久久国模美| 好男人电影高清在线观看| 国产三级黄色录像| 亚洲av男天堂| 精品少妇久久久久久888优播| 国产亚洲一区二区精品| 美女高潮喷水抽搐中文字幕| 亚洲熟女精品中文字幕| 国产1区2区3区精品| 国产激情久久老熟女| 两个人看的免费小视频| 每晚都被弄得嗷嗷叫到高潮| 久久国产精品大桥未久av| 高清av免费在线| 欧美亚洲日本最大视频资源| 久久久久精品人妻al黑| 成人三级做爰电影| 999久久久精品免费观看国产| 俄罗斯特黄特色一大片| 国产一区二区在线观看av| 久久久久久久国产电影| 欧美xxⅹ黑人| 脱女人内裤的视频| 午夜影院在线不卡| 91国产中文字幕| 免费一级毛片在线播放高清视频 | 无遮挡黄片免费观看| 久久精品人人爽人人爽视色| √禁漫天堂资源中文www| 狠狠精品人妻久久久久久综合| 狠狠狠狠99中文字幕| 久久久久久久精品精品| 黄片小视频在线播放| 少妇人妻久久综合中文| 老司机在亚洲福利影院| 99re6热这里在线精品视频| 亚洲成国产人片在线观看| 国产欧美日韩一区二区三区在线| 狠狠狠狠99中文字幕| 制服人妻中文乱码| 午夜福利视频在线观看免费| 51午夜福利影视在线观看| 国产97色在线日韩免费| 亚洲精品中文字幕在线视频| 亚洲av电影在线进入| 搡老乐熟女国产| 欧美精品高潮呻吟av久久| 青草久久国产| 久久青草综合色| 国产亚洲av片在线观看秒播厂| 一区二区三区精品91| 热re99久久国产66热| 无遮挡黄片免费观看| 桃红色精品国产亚洲av| 国产成+人综合+亚洲专区| 亚洲精品美女久久久久99蜜臀| 自拍欧美九色日韩亚洲蝌蚪91| 777久久人妻少妇嫩草av网站| 成人av一区二区三区在线看 | 亚洲成人国产一区在线观看| av网站免费在线观看视频| 久久久久国产一级毛片高清牌| 亚洲成人免费av在线播放| 亚洲精品日韩在线中文字幕| 丝袜美足系列| 婷婷成人精品国产| 天天添夜夜摸| 午夜精品国产一区二区电影| 两个人免费观看高清视频| 成年人黄色毛片网站| 婷婷成人精品国产| 51午夜福利影视在线观看| 精品国产乱子伦一区二区三区 | 国产深夜福利视频在线观看| 香蕉丝袜av| 亚洲国产中文字幕在线视频| 日本91视频免费播放| 亚洲色图 男人天堂 中文字幕| 亚洲精品久久午夜乱码| 久久久国产欧美日韩av| 麻豆av在线久日| 一区二区三区乱码不卡18| 两个人免费观看高清视频| 国产97色在线日韩免费| 欧美日韩国产mv在线观看视频| 宅男免费午夜| 麻豆av在线久日| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品国产av蜜桃| 欧美精品一区二区大全| 亚洲成人手机| 国产精品久久久人人做人人爽| 别揉我奶头~嗯~啊~动态视频 | 日日爽夜夜爽网站| 久久国产精品男人的天堂亚洲| 老司机午夜十八禁免费视频| 岛国在线观看网站| 国产不卡av网站在线观看| 国产欧美日韩综合在线一区二区| 9热在线视频观看99| 国产av精品麻豆| 亚洲色图综合在线观看|