• <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
    大话2 男鬼变身卡| 国产综合懂色| 中文字幕久久专区| 国产成人freesex在线| 国产高清不卡午夜福利| 99久久精品热视频| 午夜福利在线观看吧| 三级国产精品片| 青春草视频在线免费观看| 熟妇人妻久久中文字幕3abv| 精品人妻视频免费看| 亚洲av福利一区| 国模一区二区三区四区视频| 九九爱精品视频在线观看| 伦精品一区二区三区| 亚洲电影在线观看av| 亚洲欧洲国产日韩| 性插视频无遮挡在线免费观看| 国产精品一二三区在线看| 国产精品电影一区二区三区| 中文天堂在线官网| 国产亚洲午夜精品一区二区久久 | 国内揄拍国产精品人妻在线| 久久精品久久精品一区二区三区| 极品教师在线视频| www.av在线官网国产| 自拍偷自拍亚洲精品老妇| 一边亲一边摸免费视频| 成人av在线播放网站| 又爽又黄a免费视频| 国内精品一区二区在线观看| 免费播放大片免费观看视频在线观看 | 七月丁香在线播放| 性色avwww在线观看| 男人狂女人下面高潮的视频| 日本熟妇午夜| 国产不卡一卡二| 免费大片18禁| 国产精品蜜桃在线观看| 国产精品一区二区三区四区免费观看| 久久婷婷人人爽人人干人人爱| 久久99热这里只频精品6学生 | 国产精品一区二区性色av| 色吧在线观看| 好男人视频免费观看在线| 女的被弄到高潮叫床怎么办| 亚洲国产精品合色在线| 最新中文字幕久久久久| 成人午夜高清在线视频| 99热这里只有精品一区| 少妇高潮的动态图| 色综合亚洲欧美另类图片| 亚洲av熟女| 色视频www国产| 中国美白少妇内射xxxbb| 波多野结衣高清无吗| 99在线人妻在线中文字幕| 午夜福利视频1000在线观看| 久久人妻av系列| 国产熟女欧美一区二区| 国产av不卡久久| 精品欧美国产一区二区三| 欧美成人免费av一区二区三区| 欧美+日韩+精品| 国产精品福利在线免费观看| 亚洲av一区综合| 久久精品国产99精品国产亚洲性色| 18+在线观看网站| 欧美又色又爽又黄视频| 国产视频首页在线观看| 嘟嘟电影网在线观看| 不卡视频在线观看欧美| 亚洲国产精品sss在线观看| 久久99热这里只频精品6学生 | 日产精品乱码卡一卡2卡三| or卡值多少钱| 特大巨黑吊av在线直播| 国内精品一区二区在线观看| 精品国产三级普通话版| 国产亚洲av嫩草精品影院| 又黄又爽又刺激的免费视频.| 亚洲电影在线观看av| 国产男人的电影天堂91| 99热这里只有是精品在线观看| 国产精品不卡视频一区二区| 日本wwww免费看| 18禁在线无遮挡免费观看视频| 国产乱人偷精品视频| 国语自产精品视频在线第100页| 人妻夜夜爽99麻豆av| 丰满人妻一区二区三区视频av| 久久国内精品自在自线图片| kizo精华| 亚洲精品日韩av片在线观看| 能在线免费看毛片的网站| 又黄又爽又刺激的免费视频.| 人妻夜夜爽99麻豆av| 久久精品综合一区二区三区| 久久草成人影院| 国产精品国产高清国产av| 看非洲黑人一级黄片| 美女内射精品一级片tv| 一级毛片aaaaaa免费看小| 久久精品91蜜桃| 国产欧美另类精品又又久久亚洲欧美| 深夜a级毛片| 永久免费av网站大全| 国产伦精品一区二区三区视频9| 国产成年人精品一区二区| 日本一二三区视频观看| 国产成人精品一,二区| 一级黄色大片毛片| 日韩制服骚丝袜av| 一区二区三区免费毛片| 国产成人a区在线观看| 亚洲av二区三区四区| 91av网一区二区| 狂野欧美激情性xxxx在线观看| 国产亚洲av嫩草精品影院| 免费黄网站久久成人精品| 久久这里有精品视频免费| 免费看a级黄色片| 国产亚洲午夜精品一区二区久久 | 变态另类丝袜制服| 午夜爱爱视频在线播放| 日韩一区二区视频免费看| 精品酒店卫生间| 夜夜爽夜夜爽视频| 国语自产精品视频在线第100页| 久久久亚洲精品成人影院| 日韩大片免费观看网站 | 啦啦啦观看免费观看视频高清| 欧美激情久久久久久爽电影| 精品人妻视频免费看| 噜噜噜噜噜久久久久久91| 中文乱码字字幕精品一区二区三区 | 免费看av在线观看网站| 亚洲欧美日韩东京热| 婷婷色麻豆天堂久久 | 伦精品一区二区三区| 波多野结衣高清无吗| a级毛片免费高清观看在线播放| 亚洲最大成人手机在线| 久久这里有精品视频免费| 中文天堂在线官网| 色综合站精品国产| 99久久人妻综合| 国产精品一区二区在线观看99 | 欧美激情久久久久久爽电影| 国产精品av视频在线免费观看| 69人妻影院| 又爽又黄无遮挡网站| 中文资源天堂在线| 亚洲成人中文字幕在线播放| 我要搜黄色片| 九九爱精品视频在线观看| 波多野结衣巨乳人妻| 亚洲欧美精品自产自拍| 天堂√8在线中文| 亚洲四区av| 国产日韩欧美在线精品| 中文字幕av成人在线电影| 国产一区二区在线av高清观看| 国内精品宾馆在线| 国产 一区 欧美 日韩| .国产精品久久| 精品久久久久久久久亚洲| 能在线免费看毛片的网站| 日本三级黄在线观看| 搞女人的毛片| av国产免费在线观看| av视频在线观看入口| 成人亚洲精品av一区二区| 不卡视频在线观看欧美| 久久久久久久久大av| 久久午夜福利片| 在线播放国产精品三级| 在线a可以看的网站| 久久久精品94久久精品| 免费黄色在线免费观看| 亚洲欧美日韩东京热| 精品久久久久久久久亚洲| 两个人视频免费观看高清| 国产v大片淫在线免费观看| 熟妇人妻久久中文字幕3abv| 搡女人真爽免费视频火全软件| 亚洲欧美日韩高清专用| 啦啦啦韩国在线观看视频| 身体一侧抽搐| 91久久精品国产一区二区三区| 最近的中文字幕免费完整| kizo精华| 久久精品国产自在天天线| 一本一本综合久久| 亚洲人成网站在线观看播放| 2021天堂中文幕一二区在线观| 乱人视频在线观看| 欧美成人免费av一区二区三区| 国产精品乱码一区二三区的特点| 久久国产乱子免费精品| 性色avwww在线观看| 国产一区有黄有色的免费视频 | 人妻制服诱惑在线中文字幕| 亚洲欧洲国产日韩| 一区二区三区乱码不卡18| 在线播放国产精品三级| 国产精品1区2区在线观看.| 一级毛片电影观看 | 国产精品永久免费网站| 国产一级毛片七仙女欲春2| 又粗又硬又长又爽又黄的视频| av卡一久久| 中文字幕免费在线视频6| 全区人妻精品视频| 成人特级av手机在线观看| 三级国产精品片| 伦精品一区二区三区| av免费观看日本| 99久久无色码亚洲精品果冻| 99久久人妻综合| 欧美三级亚洲精品| 久久久久久国产a免费观看| 九九爱精品视频在线观看| 精品不卡国产一区二区三区| av又黄又爽大尺度在线免费看 | 麻豆乱淫一区二区| 大香蕉久久网| 亚洲av电影在线观看一区二区三区 | av国产免费在线观看| 亚洲国产精品成人综合色| 久久精品国产鲁丝片午夜精品| av.在线天堂| 高清av免费在线| 能在线免费观看的黄片| 亚洲性久久影院| 国产精品国产三级国产av玫瑰| 久久久久网色| 国产伦理片在线播放av一区| 草草在线视频免费看| 国模一区二区三区四区视频| 欧美变态另类bdsm刘玥| 日产精品乱码卡一卡2卡三| 亚洲欧美清纯卡通| 啦啦啦观看免费观看视频高清| 亚洲精品亚洲一区二区| 91在线精品国自产拍蜜月| 免费黄网站久久成人精品| 在线天堂最新版资源| 长腿黑丝高跟| 欧美另类亚洲清纯唯美| 欧美日韩一区二区视频在线观看视频在线 | 亚洲av熟女| 能在线免费观看的黄片| 两性午夜刺激爽爽歪歪视频在线观看| 日韩精品青青久久久久久| 高清av免费在线| 免费在线观看成人毛片| 网址你懂的国产日韩在线| 国产成人91sexporn| 麻豆av噜噜一区二区三区| 成人高潮视频无遮挡免费网站| 久久久成人免费电影| 日韩亚洲欧美综合| 国产伦一二天堂av在线观看| 亚洲一级一片aⅴ在线观看| 亚洲欧美日韩高清专用| 国产av码专区亚洲av| 九色成人免费人妻av| 日韩一区二区三区影片| 人体艺术视频欧美日本| 国产男人的电影天堂91| 日本黄色片子视频| 亚洲真实伦在线观看| 最近中文字幕高清免费大全6| 国产av一区在线观看免费| 永久免费av网站大全| 一级毛片久久久久久久久女| 国产亚洲av片在线观看秒播厂 | 最近中文字幕2019免费版| 97超视频在线观看视频| 99热这里只有是精品在线观看| 亚洲av二区三区四区| 亚洲国产欧美在线一区| 最近最新中文字幕大全电影3| 日韩av在线免费看完整版不卡| 国产高清有码在线观看视频| 亚洲三级黄色毛片| 亚洲国产精品sss在线观看| 欧美xxxx性猛交bbbb| 久久精品国产亚洲av涩爱| 久久婷婷人人爽人人干人人爱| 国产精华一区二区三区| 不卡视频在线观看欧美| 99在线人妻在线中文字幕| 国产精品蜜桃在线观看| 免费观看a级毛片全部| 最近手机中文字幕大全| 搞女人的毛片| 高清av免费在线| 观看免费一级毛片| 亚洲电影在线观看av| or卡值多少钱| 国产大屁股一区二区在线视频| 免费播放大片免费观看视频在线观看 | 久久人人爽人人片av| 国产黄片美女视频| 亚洲内射少妇av| 建设人人有责人人尽责人人享有的 | 一级毛片aaaaaa免费看小| 精品久久久久久电影网 | 91久久精品电影网| 六月丁香七月| kizo精华| 99九九线精品视频在线观看视频| 男女那种视频在线观看| 欧美日韩精品成人综合77777| 99久国产av精品国产电影| 亚洲人成网站在线观看播放| 亚洲一级一片aⅴ在线观看| 秋霞在线观看毛片| 欧美区成人在线视频| 国产高清国产精品国产三级 | 欧美日韩综合久久久久久| 国产黄a三级三级三级人| 久99久视频精品免费| 亚洲国产日韩欧美精品在线观看| 欧美精品国产亚洲| 一级av片app| 久久精品91蜜桃| 观看美女的网站| 老女人水多毛片| 村上凉子中文字幕在线| 国产黄片视频在线免费观看| 国产激情偷乱视频一区二区| 成人国产麻豆网| 最近2019中文字幕mv第一页| 你懂的网址亚洲精品在线观看 | 亚洲最大成人中文| 国产精品一区二区三区四区久久| 久久草成人影院| 日产精品乱码卡一卡2卡三| 欧美zozozo另类| 黄色欧美视频在线观看| av在线观看视频网站免费| 国产在视频线精品| 成人高潮视频无遮挡免费网站| 综合色av麻豆| 国产色爽女视频免费观看| 国产精品国产三级专区第一集| 欧美成人一区二区免费高清观看| 国产午夜精品一二区理论片| 男女边吃奶边做爰视频| 中文字幕免费在线视频6| 日韩人妻高清精品专区| 亚洲欧美清纯卡通| 国产精品一区二区三区四区免费观看| 男女视频在线观看网站免费| 国产欧美日韩精品一区二区| 在线免费观看的www视频| 99热6这里只有精品| 亚洲成色77777| 日韩强制内射视频| 日韩欧美国产在线观看| 中文欧美无线码| 国产淫片久久久久久久久| 国产精品一区二区三区四区免费观看| 久久久久久久午夜电影| 亚洲人成网站高清观看| 亚洲第一区二区三区不卡| 国产亚洲午夜精品一区二区久久 | 久久午夜福利片| 国产精品人妻久久久久久| 高清日韩中文字幕在线| 亚洲av电影不卡..在线观看| 亚洲精品自拍成人| 免费观看的影片在线观看| 日本-黄色视频高清免费观看| 日本av手机在线免费观看| 成人综合一区亚洲| 99久久精品热视频| 国产精品蜜桃在线观看| 久久精品久久久久久噜噜老黄 | 精品国产一区二区三区久久久樱花 | 国产高清不卡午夜福利| 搡老妇女老女人老熟妇| 国产免费男女视频| 久久久久久久午夜电影| 成人美女网站在线观看视频| 亚洲怡红院男人天堂| 水蜜桃什么品种好| 亚洲激情五月婷婷啪啪| 日本欧美国产在线视频| 国产精品国产高清国产av| 听说在线观看完整版免费高清| 亚洲性久久影院| 九色成人免费人妻av| 高清在线视频一区二区三区 | 18禁在线无遮挡免费观看视频| 亚洲欧美成人精品一区二区| 九色成人免费人妻av| 国产单亲对白刺激| 草草在线视频免费看| 韩国高清视频一区二区三区| 一区二区三区高清视频在线| 插阴视频在线观看视频| av福利片在线观看| 一区二区三区四区激情视频| 亚洲色图av天堂| 免费看美女性在线毛片视频| 波多野结衣巨乳人妻| 国产精品国产三级国产av玫瑰| 亚洲图色成人| 亚洲欧美日韩无卡精品| 热99re8久久精品国产| 日日摸夜夜添夜夜添av毛片| 国产av在哪里看| 色播亚洲综合网| 中国美白少妇内射xxxbb| 亚洲内射少妇av| 国产精品国产三级国产专区5o | 麻豆乱淫一区二区| 午夜福利网站1000一区二区三区| 大香蕉97超碰在线| av.在线天堂| 97在线视频观看| 欧美成人精品欧美一级黄| 男女下面进入的视频免费午夜| 99热这里只有是精品在线观看| 欧美精品一区二区大全| 午夜免费激情av| 少妇高潮的动态图| 国产精华一区二区三区| 国产精品1区2区在线观看.| 嫩草影院新地址| 久久久久免费精品人妻一区二区| a级毛片免费高清观看在线播放| 91狼人影院| 男女国产视频网站| 国产探花在线观看一区二区| 免费看光身美女| 日本色播在线视频| 国产视频内射| 午夜日本视频在线| 国产老妇伦熟女老妇高清| 人体艺术视频欧美日本| 久久午夜福利片| 亚洲欧美日韩东京热| 欧美成人一区二区免费高清观看| 亚洲成色77777| 一二三四中文在线观看免费高清| 亚洲在久久综合| 国产视频首页在线观看| 别揉我奶头 嗯啊视频| av又黄又爽大尺度在线免费看 | 国产精品乱码一区二三区的特点| 欧美性猛交黑人性爽| 啦啦啦观看免费观看视频高清| av免费在线看不卡| 久久久久久久久久久丰满| 村上凉子中文字幕在线| 人妻系列 视频| 国产免费一级a男人的天堂| 亚洲精品影视一区二区三区av| 黄色一级大片看看| 日本免费a在线| 亚洲,欧美,日韩| 国产视频首页在线观看| 亚洲精品456在线播放app| 欧美日本亚洲视频在线播放| 三级国产精品片| 午夜a级毛片| 特大巨黑吊av在线直播| 亚洲精品成人久久久久久| 又爽又黄无遮挡网站| 草草在线视频免费看| 干丝袜人妻中文字幕| 亚洲精品日韩av片在线观看| 亚洲综合精品二区| 最近中文字幕2019免费版| 亚洲婷婷狠狠爱综合网| 老司机影院毛片| 卡戴珊不雅视频在线播放| 国产伦一二天堂av在线观看| 综合色丁香网| 特级一级黄色大片| 国产高清有码在线观看视频| 色5月婷婷丁香| 99久久无色码亚洲精品果冻| 国产精品一区二区三区四区免费观看| 69av精品久久久久久| 色综合色国产| 亚洲电影在线观看av| 中文字幕精品亚洲无线码一区| 亚洲精品乱码久久久久久按摩| 精品人妻熟女av久视频| 午夜福利高清视频| 一卡2卡三卡四卡精品乱码亚洲| 国产一区二区在线观看日韩| 精品99又大又爽又粗少妇毛片| 91av网一区二区| 久久人妻av系列| 亚洲自偷自拍三级| 亚洲在线观看片| 国产男人的电影天堂91| 内射极品少妇av片p| 日本av手机在线免费观看| 久久精品国产亚洲av涩爱| 国产黄色小视频在线观看| 熟妇人妻久久中文字幕3abv| 午夜福利视频1000在线观看| 国内精品美女久久久久久| 老司机影院成人| 身体一侧抽搐| 日韩亚洲欧美综合| 亚洲精品日韩av片在线观看| 国产中年淑女户外野战色| 老司机影院毛片| 精品免费久久久久久久清纯| 色综合色国产| 人妻少妇偷人精品九色| 国产三级中文精品| 一级黄片播放器| 人人妻人人澡欧美一区二区| 啦啦啦啦在线视频资源| 国产精品,欧美在线| 老师上课跳d突然被开到最大视频| 日本五十路高清| 中文字幕精品亚洲无线码一区| 人体艺术视频欧美日本| 韩国高清视频一区二区三区| 亚洲国产精品sss在线观看| 久热久热在线精品观看| 3wmmmm亚洲av在线观看| 可以在线观看毛片的网站| 国产精品日韩av在线免费观看| 人人妻人人看人人澡| 激情 狠狠 欧美| 国产精品不卡视频一区二区| 久久久久九九精品影院| 国产午夜福利久久久久久| 女人十人毛片免费观看3o分钟| 日韩一区二区视频免费看| 色吧在线观看| 亚洲精品一区蜜桃| 国产精品国产三级国产av玫瑰| 一级爰片在线观看| 日日干狠狠操夜夜爽| 成年版毛片免费区| 日韩高清综合在线| 寂寞人妻少妇视频99o| 久热久热在线精品观看| 亚洲欧洲国产日韩| 韩国高清视频一区二区三区| 纵有疾风起免费观看全集完整版 | 成年免费大片在线观看| 精品一区二区三区人妻视频| 国产成人a∨麻豆精品| 国产白丝娇喘喷水9色精品| 欧美xxxx黑人xx丫x性爽| 精品一区二区三区人妻视频| 一卡2卡三卡四卡精品乱码亚洲| 亚洲伊人久久精品综合 | 91久久精品电影网| 久久精品国产亚洲网站| 国产精品无大码| 一卡2卡三卡四卡精品乱码亚洲| 国产精品日韩av在线免费观看| 麻豆成人av视频| 亚洲av熟女| av天堂中文字幕网| 美女高潮的动态| 最新中文字幕久久久久| 乱码一卡2卡4卡精品| 99久久中文字幕三级久久日本| 国产亚洲精品av在线| 一夜夜www| 波野结衣二区三区在线| 男插女下体视频免费在线播放| 91av网一区二区| 亚洲图色成人| 亚州av有码| 中文字幕制服av| 九色成人免费人妻av| 色5月婷婷丁香| av视频在线观看入口| .国产精品久久| 美女高潮的动态| 热99在线观看视频| 成人美女网站在线观看视频| 久久久成人免费电影| 中文字幕av在线有码专区| 亚洲av电影在线观看一区二区三区 | 欧美性猛交黑人性爽| 欧美日韩国产亚洲二区| av卡一久久| 人妻夜夜爽99麻豆av| 久久精品国产亚洲av天美| 久久久久久久久久黄片| 亚洲av中文字字幕乱码综合| 免费大片18禁| 国产av码专区亚洲av| 女的被弄到高潮叫床怎么办| 淫秽高清视频在线观看| 国产午夜福利久久久久久| 蜜桃久久精品国产亚洲av| 我要看日韩黄色一级片| 麻豆久久精品国产亚洲av| 国产在线一区二区三区精 | 老女人水多毛片| 亚洲av熟女| 亚洲真实伦在线观看| 欧美97在线视频| 欧美成人一区二区免费高清观看| 深夜a级毛片| 亚洲人成网站在线观看播放|