蓄空調(diào)逐時預(yù)測系負(fù)荷統(tǒng)設(shè)計
4.9萬字 62頁
論文+代碼


目 錄
1 引言 1
1.1 蓄冷空調(diào)實時控制概述 1
1.2 人工神經(jīng)網(wǎng)絡(luò)概述 2
1.2.1神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機理和機構(gòu) 2
1.2.2 反向傳播BP模型 4
1.2.3 BP算法的數(shù)學(xué)表達(dá) 6
1.2.4神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點 7
1.3 C++語言概述及VC++開發(fā)環(huán)境 8
1.3.1 C++對面向?qū)ο蟪绦蛟O(shè)計方法的支持 9
1.3.2 使用C++的原因 10
1.3.3 VC++開發(fā)環(huán)境 11
1.4 SQL SEVER 數(shù)據(jù)庫 12
2 系統(tǒng)概論 15
2.1 設(shè)計“蓄冷空調(diào)逐時負(fù)荷預(yù)測系統(tǒng)”的意義 15
2.2 設(shè)計“蓄冷空調(diào)逐時負(fù)荷預(yù)測系統(tǒng)”的目的 15
2.3 設(shè)計“蓄冷空調(diào)逐時負(fù)荷預(yù)測系統(tǒng)”要達(dá)到的功能要求 15
2.4 設(shè)計“蓄冷空調(diào)逐時負(fù)荷預(yù)測系統(tǒng)”的指導(dǎo)思想 15
2.5 設(shè)計該系統(tǒng)所要解決的主要問題 15
3 系統(tǒng)需求分析 16
3.1 系統(tǒng)目標(biāo) 16
3.2 開發(fā) 16
3.3 功能需求分析 16
3.4 其他需求 16
4 概要設(shè)計 17
4.1 任務(wù)概述 17
4.2 系統(tǒng)總體設(shè)計 17
4.3 系統(tǒng)模塊設(shè)計 18
4.3.1 主控模塊設(shè)計 18
4.3.2 算法模塊設(shè)計 19
4.3.3 預(yù)測模塊設(shè)計 20
4.3.4 功率計算模塊設(shè)計 20
4.3.5 數(shù)據(jù)庫模塊設(shè)計 22
5 詳細(xì)設(shè)計 26
5.1 設(shè)計要求 26
5.2模塊設(shè)計描述 26
5.2.1算法模塊 26
5.2.2預(yù)測模塊和功率計算模塊 30
5.2.3數(shù)據(jù)操作模塊 31
6調(diào)試與運行結(jié)果 35
參考文獻(xiàn) 39
謝辭 40
附錄 41
附錄A 外文翻譯－原文部分 41
附錄B 外文翻譯－譯文部分 46



蓄冷空調(diào)逐時負(fù)荷預(yù)測系統(tǒng)設(shè)計

近幾年來，隨著國家經(jīng)濟的不斷發(fā)展，國家電力的負(fù)擔(dān)越來越大。隨著國家倡導(dǎo)建設(shè)節(jié)約型社會，蓄冷空調(diào)在我國也得到了越來越廣泛的應(yīng)用。
如何有效的利用蓄冷空調(diào)，確定第二天所需要的蓄冰量呢？這時，人們就非常希望能夠預(yù)測第二天蓄冷空調(diào)的負(fù)荷。如果能夠精確的預(yù)測建筑物的動態(tài)冷負(fù)荷，不僅可以更準(zhǔn)確的幫助設(shè)計人員完成設(shè)計，更可以使設(shè)備控制人員根據(jù)預(yù)測的冷負(fù)荷確定系統(tǒng)的控制時間、方式以及盡早發(fā)現(xiàn)系統(tǒng)故障。這一點在蓄冷空調(diào)系統(tǒng)中尤為重要，因為每天晚上蓄冰量的多少將直接影響第二天整個系統(tǒng)的工作效率，并且是提高蓄冷空調(diào)系統(tǒng)經(jīng)濟效益的重要途徑之一。所以，這里要解決的主要問題就是進行“精確預(yù)測”。
該預(yù)測系統(tǒng)采用的是人工神經(jīng)網(wǎng)絡(luò)（ANN）的BP算法。主要實現(xiàn)兩大塊功能。一是對未來一天外界環(huán)境參數(shù)及空調(diào)負(fù)荷的預(yù)測；二是根據(jù)當(dāng)前時刻及外界參數(shù)計算負(fù)荷。該預(yù)測系統(tǒng)主要以BP算法為核心，通過利用BP算法對以往的歷史數(shù)據(jù)的不斷學(xué)習(xí)訓(xùn)練，而不斷去修改算法中的中間值（達(dá)到預(yù)定的精度范圍），以達(dá)到精確預(yù)測和計算的目的。從而解決“精確預(yù)測”的問題來提高蓄冷空調(diào)的經(jīng)濟效益。
關(guān)鍵字：蓄冷空調(diào)；人工神經(jīng)網(wǎng)絡(luò)；BP算法；預(yù)測




Abstract
Load predicting system of The Holding Cold Air-Conditioning
when chasing

In recent years, The national power more and more burdener with the constant development of the national economy. The Holding Cold Air-Conditioning have increasingly broad applications in our country by the advocacy of national saving society.
How to effective use of The Holding Cold Air-Conditioning, to ensure how much ice is store on the next day? At that time, it was very much like to be able to predict the next day the load of Holding Cold Air-Conditioning. If we can accurately predict the dynamics of the cold load building, not only can help the designers more accurate completion of the design, but also to equipment control personnel determined on the basis of the projected cold load time control systems, methods and early detection system failures. This is particularly important in The Holding Cold Air-Conditioning system, because every night how much ice is store will directly affect the efficiency of the entire system on the second day, and air-conditioning systems is one of the important ways to improve economic efficiency. Therefore, the main issue here is how to solve the "precise forecast."
The forecast system was used artificial neural network (Ann) BP algorithms. Achieve two main pieces of functionality. First, the next day outside of the environmental parameters and air-conditioning load forecast; Second, account the load of system under the current moment and external parameters. The forecast system mainly BP algorithm at......



參考文獻(xiàn)
a.專著、論文集、學(xué)位論文、報告
[ 1 ] 吳杰.冰蓄冷空調(diào)系統(tǒng)負(fù)荷預(yù)測模型和系統(tǒng)優(yōu)化控制研究[D].浙江大學(xué).博士學(xué)位 .論文.2002年6月.1～2頁
[ 2 ] 石 磊 趙 蕾 王 軍 劉咸定. 空調(diào)負(fù)荷預(yù)測的ANN法[D]. 西安建筑科技大學(xué)
論文.2002年2月. 2～7頁