一、中国中央空调的节能潜力预测（论文文献综述）
徐旻政[1]（2021）在《基于ZigBee的楼宇智能化系统设计》文中进行了进一步梳理进入新时期以来,建筑智能领域多样化趋势愈加显着,建筑楼宇内部的设施功能也愈发齐全,人们对于楼宇控制的关注点、聚焦点开始向智能化、便利性与如何实现高效、合理的运用转移。随着时代的进步、科技的发展,高楼大厦不断增多,传统的有线控制系统已经无法满足人们多样化的需要,无线的控制系统应运而生,但随之而来的能源消耗也日渐上升成为一个十分严峻的问题,降低楼宇的能耗,提升能源使用效率已经成为国内外研究热点。在智能楼宇建筑中,包括配电、照明、空调、电梯、给排水等系统,空调、照明系统能源消耗占比最大。针对高能耗问题,提出一种基于ZigBee的楼宇智能化系统设计,主要完成的研究工作如下:（1）针对传统的中央空调温度控制方法能够保持室内温度固定在某一值,但由于人为的操作设定,室内温度无法达到理想状态下的人体需求,且无法在线及时调整的问题。本文结合模糊控制器能够消除稳态误差和传统PID能够简易设置、及时调整的优点,提出了一种基于热舒适度指标（PMV）的模糊自适应整定PID控制器,在线整定PID参数,根据风速控制系统的实时输入,进行模糊推理,并进行运算。实验表明,模糊自适应整定PID控制器能够在5s内实现迅速稳定自我调节,无超调和振荡,控制效果有了显着提升。（2）针对传统的照明系统在人工控制的基础上,每盏LED灯的使用效率都达到了最大值（100%）,但未能实现能源节约的问题。本文提出一种改进的照明系统,即运用最优化方法对系统目标函数寻求最优解,求出极值,在满足照明需求的前提下,合理分配LED亮度,从而达到节能效果。并且能在多人场景下,找到最佳照明策略。实验证明,使用优化后的照明系统,可以有效节约能源,相比于传统的照明系统,提出的方法能够达到60%的能源节约效率。（3）针对夏季中央空调运行过程中,整个空调系统产生的能耗较多的问题。在特定负荷、一定户外温度和湿度条件下,本文提出采用非线性规划算法对系统目标函数以及约束条件进行了优化,并求解出使系统耗能最小化、性能最优化的各组件的运行参数。通过实验得出,与中央空调的稳定控流运行模式和变冷冻水控流运行模式比较后,优化后的系统具有明显的节能效果,能够节能10%以上。
李丙辉[2]（2021）在《基于负荷预测的空调冷冻水系统节能优化研究》文中研究指明中央空调可以改善室内办公和生活环境,但同时也带来了巨大的能源消耗。相关资料表明,目前在国内,中央空调的耗能量可以占到建筑行业能耗的40%以上。在中央空调中,冷冻水系统能耗的占比非常大,通过节能优化控制降低其能耗对整个空调系统能耗的降低有着重要作用。而精准的负荷预测可以为冷冻水系统的节能优化提供有效的指导,因此,本文以冷冻水系统为对象,基于空调负荷预测对冷冻水系统进行节能和控制优化,以此来实现空调系统的节能。首先,针对冷冻水温差控制的两种方式——定温差控制和变温差控制进行了数学分析,通过对比两种控制方法在相同负荷比下的节能潜力,最终决定采取变温差控制方式作为本文冷冻水系统的调节方式。然后,在TRNSYS里构建出实验房间的虚拟模型,通过仿真模拟得到实验所需的制冷季负荷。采用最小二乘支持向量机（Least Square SVM,LS-SVM）模型对空调负荷进行预测,并通过对比不同组输入数据下LS-SVM模型的预测效果确定了模型的最佳输入数据集。针对LS-SVM模型使用时存在的核参数和正则化参数难以准确确定的问题,提出了一种改进遗传算法（Genetic Algorithm,GA）对LS-SVM模型进行改进。利用改进前后的LS-SVM模型分别对两个不同预测日的空调负荷进行预测,发现改进后的LS-SVM模型相较于改进前预测精度有明显提升,其预测结果的平均相对误差分别从2.08%和1.39%下降到1.43%和0.70%。接着,以数学建模的方式建立冷冻水系统相关设备的能耗模型。同时以供回水温差为对象构建冷冻水系统的控制传递函数。在完成相关的建模工作以后,以冷冻水系统运行能耗最小为目标进行优化,并在相应的约束条件下,利用本文提出的改进遗传算法对冷冻水系统的能耗以及运行参数进行寻优,从而得到冷冻水系统的最优能耗以及最优能耗下的供回水温差值。通过对比发现,优化后冷冻水系统的能耗相较于优化前有明显降低,优化后系统的节能率最高可达9.61%。最后,为了确保最优温差设定值变化时,系统快速稳定进入新的最值状态,本文提出了一种基于改进GA的无模型自适应控制（Model Free Adaptive Control,MFAC）算法。通过对预测日内连续三个时间段的最优温差再设值进行控制,并对比传统PID以及改进前MFAC的控制效果。结果表明改进后的MFAC在对冷冻水系统进行控制时有较好的鲁棒性和更短的调节时间。
陈时羽[3]（2021）在《基于群智能的航站楼空调冷却水系统节能控制策略研究》文中提出航站楼作为高耗能的大型公共建筑,其中央空调系统的运行能耗约占总能耗的50%～60%,而空调冷却水系统的运行参数控制和设备控制对于中央空调系统整体节能效果起决定性作用。因此,对中央空调冷却水系统节能控制的研究显得至关重要。论文以西北地区某航站楼制冷站为研究对象,提出一种基于群智能的空调冷却水系统节能控制策略,以解决暖通领域长期存在的组网配置复杂、系统改造困难等问题,从而实现航站楼中央空调系统的节能运行。具体内容如下:（1）搭建航站楼空调冷却水系统的群智能仿真实验平台,建立空调冷却水系统节能优化模型。首先,建立群智能架构下冷机、冷却塔、冷却泵各类机电设备的标准信息集及其控制器节点的网络拓扑结构;其次,建立各类机电设备的能耗模型,以设备间的能量守恒和设备的物理特性为约束条件,以空调冷却水系统最小能耗为目标建立节能优化模型。（2）空调冷却水系统运行参数节能优化研究。针对冷却水系统中设备模块间的运行参数节能优化问题,首先,选取冷却水进水温度、冷却水流量、冷却塔风量作为优化参数;其次,根据算子分裂法,将冷却水系统节能优化问题分解为冷机、冷却泵、冷却塔三个模块的局部优化问题;最后,提出采用分布式交替方向乘子法,对局部优化问题的运行参数进行分布式优化,利用典型算例将所提算法与实际运行方法和罚函数法对比验证,结果表明可以分别提高约12.2%和3.56%的节能率。（3）空调冷却水系统设备节能控制研究。针对冷却水系统中设备模块内的分配优化问题,建立了冷却水泵和冷却塔风机的优化运行模型,提出了一种采用高斯罚函数改进的带高斯回代的交替方向乘子法,即ADMM-GPF-GBS（Alternating Direction Method of Multipliers based on the Gaussian Penalty Function with Gaussian Back Step）双层分布式计算框架,分别用于冷却水泵和冷却塔风机的节能控制研究。基于并联水泵的四个工况的典型算例进行验证,所提算法相比其他分布式算法最快可提高92.4%的收敛速度,相比集中式算法最大节能率可达22.5%。（4）基于群智能的空调冷却水系统节能控制策略研究。以建筑群智能仿真实验平台为依托,结合所提运行参数优化算法与设备节能控制算法,进行空调冷却水系统的分布式节能控制。仿真实验结果显示,在一个典型日内,与集中式控制方法和通用分布式控制方法相比,所提优化策略在高工况下节能率分别可以提高8.11%,4.02%;在低工况下节能率分别可以提高11.69%,5.33%。证实了所提策略相比通用分布式算法收敛性更好;相比集中式控制模式能获得更合理的各类设备能耗分配比例,能快速有效地达到最佳节能效果。综上,论文所研究的基于群智能的航站楼空调冷却水系统节能控制策略,能实现冷却水系统的高效、节能优化运行,对未来航站楼中央空调冷却水系统的节能管理提供了参考价值。
汪凯文[4]（2020）在《基于负荷预测的酒店中央空调水系统运行优化方法及其应用研究》文中认为高端酒店中央空调系统能耗占其运行阶段总能耗的30%～40%,空调系统运行策略优化是酒店节能减支的重要措施。随着数据挖掘技术在空调节能领域的应用,探索基于数据挖掘的中央空调系统运行策略优化方法及其应用成为酒店节能的重要课题。本文基于某四星级酒店能源管理系统数据,对酒店空调系统运行负荷进行预测,并对空调水系统设备的运行策略进行优化,主要内容如下:首先,提出基于数据预处理与支持向量回归（SVR）的空调系统运行负荷预测方法。其中,数据预处理流程包括输入参数选取、数据清理、数据集成、数据降维和数据变换。以预处理结果中训练集、测试集数据为输入参数,采用网格搜索与10层交叉验证对RBF核函数的核参数进行寻优,建立酒店空调系统运行负荷预测的黑箱模型。引入均方根误差RMSE、拟合优度R2和计算时间T对模型的预测精度、泛化性能以及计算成本进行评价。此外,本文对比分析了数据预处理过程中是否采用主成分分析法（PCA）进行输入参数降维对负荷预测结果的影响。训练集与测试集的预测结果表明负荷预测模型的预测精度较高,泛化性能较好;采用PCA法进行数据降维可以降低计算成本,但会降低负荷预测精度。本文提出的基于数据挖掘的空调系统负荷预测方法具有可行性,逐时负荷的预测结果为空调水系统设备运行策略优化奠定基础。其次,采用机理与辨识相结合的方法,建立了冷水机组与变频水泵能耗的灰箱数学模型以及冷却塔风机能耗的机理模型。其中,冷水机组能耗模型是由冷机冷却水进水温度与冷冻水出水温度温差以及制冷量构成的二元函数;变频水泵能耗模型是由系统流量构成的一元函数;冷却塔风机能耗是由风机开启数量构成的一元函数。基于设备历史运行数据与现场实测数据,采用最小二乘法对冷水机组、冷冻水泵和冷却水泵能耗灰箱模型中的未知参数进行辨识,拟合结果能较好反映工程实际。然后,基于设备能耗模型对各设备节能特性进行分析。根据工程实际,对部分负荷下各设备节能特性与运行策略进行定性和定量分析,结果表明:部分负荷时降低冷机冷却水进水温度或提高冷水出水温度均能提高冷机COP,增幅分别为7.55%～29.90%和4.75%～25.52%;并联水泵调速策略中同步调速能耗最低,较阀门节流调速节能21.76%,“一定一变策略”会导致冷冻水泵过载;冷却塔的冷却效率随室外空气湿球温度和风水比的升高而升高,当湿球温度高于28℃时继续增大风水比对冷却效率影响不大。最后,构建能耗优化函数实现酒店空调水系统运行策略的优化。在酒店空调系统负荷预测结果与设备能耗数学模型基础上,建立中央空调水系统能耗优化函数,并以水系统运行过程总能耗最低为优化目标、以各模型参数的变化范围和设备间换热过程为约束条件,对酒店水系统单日逐时及不同负荷率下的设备运行策略进行优化。相较历史运行数据,优化后单日水系统总能耗降低12.11%,冷水机组COP与水系统EER的均值分别提升7.64%和10.67%;不同负荷率下水系统的能耗平均下降12.40%,冷水机组COP与水系统EER的均值分别提升7.85%和15.28%,优化结果验证了本文提出的基于负荷预测的空调水系统优化控制策略具有可行性,在实际酒店节能运行中具有较高的应用价值。
陆诗莹[5]（2020）在《基于自抗扰迭代学习控制的中央空调控制策略研究》文中指出中央空调系统在我国应用广泛,其能耗在大型建筑总能耗中占比高达50%,对中央空调系统的节能控制研究具有重要意义。中央空调系统是一个复杂的空气温湿度处理系统,系统设备繁多,结构复杂,运行方式多样化。从控制的角度看,中央空调系统是一个高度非线性、强耦合、大滞后、多扰动的复杂控制系统。本文综合考虑中央空调各个子系统控制环节,研究了中央空调节能优化控制策略,包括设备群控,水系统的冷冻（却）水温度设定,冷冻（却）水变流量控制以及变风量末端系统的控制。为克服中央空调系统建模困难、控制环节繁多且复杂的问题,通过TRNSYS平台建立准确的建筑-空调模型,并建立TRNSYS-MATLAB联合仿真系统,便于研究先进控制算法的控制效果。首先深入研究了自抗扰迭代学习控制（ADR-ILC）算法,ADR-ILC将时域扩张状态观测器（ESO）推广到迭代域,结合ADRC将系统所有不确定性归为总扰动（包括系统内扰和外扰）并予以补偿的控制思想,针对重复控制过程和周期性扰动,通过迭代机制加快对总扰动项估计误差的收敛,并设计控制率补偿抵消总扰动项,使系统获得更佳的动态响应性能和更强的抗干扰能力。然后针对空调负荷的时间连续变化规律,利用ADR-ILC算法对系统总扰动项的显式估计对线性回归预测值进行修正,经过修正的空调负荷需求预测值精度高达3.1%。在高精度负荷预测值基础上,进行空调群控、参数优化、系统节能控制,空调水系统整体节能率高达12.7%。接着将ADR-ILC应用于末端温度控制,对于这一重复控制过程,ADR-ILC算法有效解决了末端变风量系统的多扰动（尤其是周期性干扰）、强耦合、非线性等控制难点。经过多次迭代,ADR-ILC控制下区域温度能迅速跟踪目标温度,静态误差较小,抗扰能力强,其控制效果明显优于模糊PID、迭代学习、自抗扰等其他几种控制算法。最后,针对广州某工厂的生产车间设计了一套中央空调智能管理系统,通过系统群控、冷冻（却）水变流量控制、冷冻（却）水温度重设等控制环节保证系统节能高效运行。
柴竹玥[6]（2020）在《中央空调设备电耗监测数据修复方法体系研究》文中研究表明国内外各界广泛认为,通过搭建能耗监测系统掌握公共建筑实时用能状态,是实现其节能的有效途径,但由于我国对监测系统的信息化管理水平不高,导致其数据质量问题始终制约其指导建筑能效评价与节能改造工作的进行。在公共建筑中,由于中央空调设备耗能占据建筑能耗的较大比重,其监测数据质量至关重要,本文基于此问题,从问题数据的辨识与修复角度出发,对中央空调设备电耗监测数据的修复方法体系进行研究,主要工作内容如下。（1）为使修复方法体系在监测参数丰富度、监测拓扑结构以及设备类型方面具有普适性,结合能耗监测系统现状与设备运行特性提取电耗相关因素,以此为基础为各类监测拓扑结构下的各设备营造典型监测场景,作为辨识与修复方法设计的基础以及为系统优化改造提供备选方案。（2）基于电耗相关因素对数据辨识与修复的重要性,设计了通过对电耗相关因素进行主成分分析与k均值聚类,将用能时刻的能耗模式分类,在相同模式中寻找相似工况,进而实现隐性异常辨识以及问题数据修复的方法,并针对各类型问题电耗监测数据,提出了完整的辨识与修复流程,二者相结合构成修复方法体系。（3）选取三栋特点各不相同的公共建筑,利用其中央空调设备实际监测数据检验修复方法的可行性与适用性,结果表明,各研究对象的修复结果相对误差绝对值均在10%左右。另外,以其中某建筑为原型,借助e-QUEST软件进行建筑能耗模拟,将逐时电耗与其相关参数值的模拟结果作为监测数据输入样本,参照所营造的典型监测场景逐一进行修复方法应用,一方面对方法处于不同场景下的可行性进行检验,另一方面通过对各场景修复效果与参数采集成本的综合考量,从修复精度角度为系统监测点位布置方案提出不同层级的建议。本文提出的修复方法体系有望全面应对中央空调设备电耗监测数据的质量问题:问题数据的辨识与修复方法基于电耗相关因素,充分考虑了中央空调设备的复杂物理特性,具有很好的普适性;基于对修复效果与监测成本的综合评估研究,为数据质量驱动的建筑能耗监测系统优化设计和改造提供了参考。本文研究成果对改善监测数据质量,支撑数据驱动的中央空调系统能效诊断与节能改造工作具有重要意义。
洪天佑[7]（2020）在《基于GA和LSTM-RNN的楼宇空调能耗在线优化系统的研究与实现》文中认为楼宇节能一直是节能领域研究的重点方向。相对于其他能耗,中央空调系统所用的能耗占据了楼宇总能耗的最大部分,现今楼宇系统的智能化带给我们很多便利。在使用楼宇自控系统（Building Automation System,BAS）监控、管理楼宇设备的同时,产生了大量的中央空调日常运行数据。在不加装任何物理硬件以及其他额外成本的前提下,如何有效利用这一部分数据,从大量数据本身中挖掘出隐藏信息,达到中央空调节能的目的。现有的建筑中央空调节能方法大多数是首先基于建筑结构、空调设备建立机理模型,再利用该机理模型模型对空调能耗预测。由于建筑结构、空调设备以及外界的环境干扰,这类传统的机理模型是在诸多假设的条件下建立的,存在建模难度大、模型不精确,难以真实的反映系统的真实状况等缺陷,难以应用于实际的中央空调系统。同时,能耗优化涉及到多个目标,如何将复杂的多目标优化的不确定性问题有效转化为在实际生产中切实可用的单目标优化问题,是工程实践中亟待解决的问题。本文结合工程实际应用,主要针对楼宇中央空调的能耗预测建模、目标能耗优化等方面存在的问题开展了研究,主要内容如下:（1）针对数据缺少特征属性及建模精度不足等问题,本文提出了应用基于LSTM-RNN的数据驱动建模的方法进行能耗预测建模。该方法首先对数据进行预处理,增加并提取出关键数据属性;再结合LSTM-RNN算法对中央空调能耗建模。相比于其他算法方法,本文提出的方法在训练和测试精度均有了较大幅度的提升。经三个实际工程数据测试,该方法训练集和测试集的错误率均控制在1%左右。（2）针对冷量需求无法预测,冷却水系统存在的多目标优化不确定性等问题,提出融合遗传算法结合空调能耗预测模型的方法对空调能耗进行优化。首先对中央空调的冷却水系统、以及优化可行性进行了分析;再针对遗传算法的不足、以及空调的特性,融合三种遗传算法策略,并增加约束条件,使得优化更符合实际工程需求。其他算法对比显示,融合遗传算法不仅能提供更好的优化效果,且在速度上有一定优势,更适合于工程的精度和实时性实际需求。（3）本文开发了一套面向中央空调能耗优化的人机交互系统软件。该系统与BAS无缝衔接,由模型管理、模型训练、模型预测等模块组成,通过云服务器集成了空调建模、方案优化、能耗预测等功能。通过云服务器实现跨地域的中央空调节能调度,既解决了本地计算机计算能力受限的问题,又能跨地域为中央空调提供有效的能耗优化。
朱申琳[8]（2020）在《中央空调水系统运行优化控制策略研究》文中进行了进一步梳理为解决集中空调系统的能耗问题,提高建筑能源利用效率,引起社会广泛的研究。目前,大型公共建筑中使用集中空调水系统大多无法实现制冷量与冷负荷的完全匹配。通过理论分析与实验研究,本文建立空调系统中各个主要设备的数学模型与能耗模型,使用TRNSYS软件对空调系统进行一体化仿真模拟,并搭建了空调水系统仿真实验平台进行空调变水量系统不同优化控制策略的能耗模拟与节能分析。本文首先建立了中央空调冷冻水系统设备模型,为冷冻水系统运行能效优化研究奠定了基础。并对组成集中空调冷冻水系统的关键设备进行参数分析,主要包括:冷水机组、变频水泵、阀门等。应用TRNSYS软件搭建空调水系统仿真平台时,在己有模块能量特性和控制特性的基础上,分析各模块的水力特性,确定压力、流量和扬程等参数间的关系,为后续在TRNSYS软件中创建模块与编程提供了理论基础。提出了中央空调水系统冷冻水泵变频控制的策略,重点考虑了变流量系统的温差及压差控制策略。空调水系统采取两种不同的控制策略,其控制参数分别是供水和回水管道之间的压差和冷冻水出口及冷冻水系统供回水总管的温度差,以此作为变频控制器的采样输入信号,按照预先设定的控制算法计算出偏差,并产生输出信号控制冷冻水泵电机的频率或转速,从而通过改变冷冻水泵的供水量等参数来适应空调负荷的变化。使用TRNSYS软件搭建集中空调变流量水系统的仿真平台,进行节能优化策略的模拟分析,针对某综合楼集中空调水系统为研究对象进行数据收集,对集中空调变流量系统的动态负荷模型和设备运行工况进行了系统的实验研究。采用并分析了中央空调变流量系统在定温差和定压差两种控制策略下,系统中各个部件的耗能情况。仿真试验结果表明,采取定温差控制策略,可使系统节能率达到26.37%,建筑全年耗电量降低8.07 k W·h/㎡;采取定压差控制策略,系统节能率达到9.28%,建筑全年耗电量降低2.8 k W·h/㎡。定温差控制相对于定压差控制系统总能耗可降低约18.7%。证明了定温差控制方法具有一定的可行性。
谭子豪[9]（2020）在《医院建筑能耗调查与空调节能分析》文中指出医院建筑是24小时运行、提供多功能服务的特殊性建筑,其能耗比一般公共建筑高,相比一般公共建筑具有更大节能潜力。良好的暖通空调对于预防医院呼吸内科疾病交叉感染发挥着巨大作用,经过抗击新型冠状病毒“战疫”后,随着医院对就诊环境要求的提高,医院空调系统能耗将会不断增长,因此对医院建筑特别是医院空调系统进行节能研究具有重要意义。本文采用问卷调查、访谈、实地调研等方式对湖南省衡阳市三家大中型综合医院建筑的能耗现状进行调查研究,了解了三家医院的建筑围护结构、冷热源现状、能源管理现状、计量表安装现状等情况,从调研结果来看,三家医院在这些方面均有一定的节能潜力。三家医院的平均单位面积综合能耗强度为20.45kWh/（m3·a）,其中以建筑老化、能耗最高、节能管理较落后的A医院节能潜力最大,其年综合能耗强度达到了B医院的1.62倍,故选择A医院作为典型医院进行重点研究。通过对A医院进行了不同类型能耗分析、不同楼宇能耗分析、不同科室能耗分析,并寻找了医院的高能耗区域。结果指出:医院空调能耗占比最大,其对医院的能源结构起着决定作用;通过分析A医院各不同功能建筑的能耗,其能耗密度依次为:内科楼宇〉外科楼宇〉检验楼宇〉一般住院楼〉门诊〉办公楼〉学生宿舍楼〉急诊楼;科室属性对科室能耗强度起主要影响。此外,总结了现阶段医院节能改造和节能管理现状,并提出了节能管理建议与措施。以A医院能耗占比最大的病房楼的25个科室为样本,使用SPSS软件对病房科室能耗的9个影响因素进行了相关性分析,结果表明:科室建筑面积和床日数是能耗的主要影响因素。参照湖南省地方标准对医院能耗水平进行评价,结合相关性分析结果和医院实际情况对标准提出的3种能耗指标的合理性进行分析。通过对A医院中央空调系统的用能现状、内科楼中央空调系统的使用状况进行分析,提出了节能改造措施,并对其节能改造效果进行了分析,为医院能源管理和空调系统节能改造工作提供参考。
张瑞[10]（2020）在《建筑室内舒适与节能优化控制研究》文中进行了进一步梳理随着人们在室内度过的时间日益增多,对室内舒适性和空气质量的要求也在不断提高。办公建筑中的中央空调系统是实现上述要求的重要手段,但由于其设备群体庞大、系统运行复杂,在营造舒适与健康环境的同时,消耗了大量的能源,其能耗在建筑能耗中占比达50%以上。因此,在兼顾室内环境舒适性与空气质量的同时,降低室内环境控制系统能源消耗的研究具有重要意义。传统的同时满足建筑室内舒适与节能目标的研究中大多以单一变量或单个设备的能量平衡来建立模型,缺乏准确数学模型来作为优化基础;节能优化方法单一,效果不理想;舒适性-能耗目标研究多采用帕累托方法,具有一定局限性;因此,论文针对目前建筑室内舒适与节能环境中存在的问题,建立了数学模型,针对节能优化方法、舒适性-能耗目标优化策略以及室内舒适与节能环境控制方法三个问题进行了研究。首先,建立了由空气处理单元调节的建筑室内空间动态模型,该模型分析了室内空间以及空气处理单元的质量、能量平衡关系,采用实例对其有效性和可行性进行验证。在该模型的基础上,以关键自由度取值范围和空气处理单元正常运行条件为约束,以最小能耗为目标,提出了基于舒适区的节能优化方法。为证明所提优化方法的普遍性,分别对冬季工况和夏季工况下的耗能情况进行仿真实验,并与传统的设置点追踪方法进行对比。仿真实验结果表明:所提方法可在满足舒适性的条件下实现更好的节能效果,相较于传统方法,可节省能耗70%左右。其次,基于所建立的模型研究了舒适性-能耗目标优化,提出了折衷点追踪优化策略。该策略通过求解在可行域内与极限性能距离最近的点的坐标来获得权重。仿真实验表明:折衷点追踪优化策略能够较好的解决舒适性和节能之间的冲突,无需计算帕累托前沿,计算时间较短,且能有效处理陡峭的帕累托峰。该策略适用于建筑能源的实时管理以及多种组合的多目标优化问题。最后,研究了建筑室内舒适与节能环境控制问题,提出了热舒适度模糊控制方法。以所建立的动态模型为基础,采取热舒适度控制策略结合模糊控制算法对所提基于舒适区的节能优化方法的决策结果进行控制实现,结果表明:采用热舒适度模糊控制的空调系统,其调节时间和超调都较小,且能够保持舒适度在±0.2的范围内波动。该控制器结构简单,无需过多改造成本,便于实现。
二、中国中央空调的节能潜力预测（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、中国中央空调的节能潜力预测（论文提纲范文）
（1）基于ZigBee的楼宇智能化系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景意义 |
| 1.2 研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本文主要工作 |
| 1.4 本文结构安排 |
| 第2章 总体方案设计 |
| 2.1 智能化控制系统总体方案设计 |
| 2.1.1 照明子系统 |
| 2.1.2 风控子系统 |
| 2.2 无线通信技术 |
| 2.2.1 ZigBee 技术 |
| 2.2.2 ZigBee组网技术以及应用 |
| 2.2.3 ZigBee协议栈 |
| 2.3 智能照明技术 |
| 2.3.1 应用特点 |
| 2.3.2 调光技术 |
| 2.4 空调PMV控制技术 |
| 2.5 空调制冷系统 |
| 2.6 本章小结 |
| 第3章 基于PMV的风控系统设计 |
| 3.1 PMV指标控制影响参数分析 |
| 3.2 PMV指标控制方法 |
| 3.3 智能热湿环境解决方案 |
| 3.4 风控模块的设计 |
| 3.5 模糊自适应整定PID控制器设计优化 |
| 3.6 基于PMV指标的模糊自适应整定PID控制器的仿真研究 |
| 3.7 本章小结 |
| 第4章 基于最优模型的照明系统设计 |
| 4.1 照明系统总体结构设计 |
| 4.2 数据流 |
| 4.3 硬件节点结构和通讯接口 |
| 4.3.1 硬件设计 |
| 4.3.2 硬件节点结构 |
| 4.3.3 通讯接口 |
| 4.4 最优化模型的改进方案 |
| 4.4.1 智能照明算法的选择与优化 |
| 4.4.2 硬件节点 |
| 4.5 节点管理模块设计 |
| 4.5.1 节点管理 |
| 4.5.2 数据传输模块 |
| 4.6 数据库设计 |
| 4.6.1 逻辑设计 |
| 4.6.2 数据库表设计 |
| 4.7 最优化算法的改进与设计 |
| 4.8 实验验证 |
| 4.9 本章小结 |
| 第5章 基于全局能耗的中央空调系统设计 |
| 5.1 中央空调系统目标函数优化 |
| 5.2 独立变量的优化控制 |
| 5.3 目标函数求解的优化约束条件 |
| 5.3.1 部件的物理约束 |
| 5.3.2 部件间的相互约束 |
| 5.4 中央空调系统运行参数优化 |
| 5.4.1 优化算法 |
| 5.4.2 实验结果及其分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 1 总结 |
| 2 展望 |
| 参考文献 |
| 研究生期间发表论文及参加项目情况 |
| 致谢 |
（2）基于负荷预测的空调冷冻水系统节能优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 空调负荷预测研究现状 |
| 1.2.2 中央空调冷冻水系统优化控制研究现状 |
| 1.3 主要研究内容 |
| 2 中央空调冷冻水系统变流量控制 |
| 2.1 中央空调系统 |
| 2.2 中央空调水系统 |
| 2.3 冷冻水系统变流量研究 |
| 2.4 冷冻水系统温差控制策略分析 |
| 2.4.1 冷冻水泵变频节能原理 |
| 2.4.2 冷冻水变温差控制策略分析 |
| 2.5 本章小结 |
| 3 中央空调负荷预测 |
| 3.1 TRNSYS负荷模拟 |
| 3.1.1 能耗模拟软件 |
| 3.1.2 空调负荷模拟仿真 |
| 3.2 数据处理 |
| 3.2.1 输入输出确定 |
| 3.2.2 数据归一化处理 |
| 3.3 最小二乘支持向量机负荷预测 |
| 3.3.1 最小二乘支持向量机 |
| 3.3.2 LS-SVM核函数选择 |
| 3.3.3 误差评价指标选择 |
| 3.3.4 LS-SVM负荷预测流程 |
| 3.3.5 LS-SVM负荷预测仿真 |
| 3.3.6 LS-SVM负荷预测模型的不足 |
| 3.4 基于改进遗传算法的 LS-SVM 负荷预测 |
| 3.4.1 遗传算法 |
| 3.4.2 遗传算法改进 |
| 3.4.3 基于改进遗传算法的LS-SVM负荷预测流程 |
| 3.4.4 基于改进遗传算法的LS-SVM负荷预测仿真 |
| 3.5 本章小结 |
| 4 冷冻水系统建模 |
| 4.1 建模的方法与意义 |
| 4.2 冷冻水泵能耗模型建立 |
| 4.3 冷水机组能耗模型建立 |
| 4.4 冷冻水系统控制对象模型建立 |
| 4.5 本章小结 |
| 5 冷冻水系统能耗优化及控制仿真 |
| 5.1 冷冻水系统节能优化 |
| 5.1.1 目标函数建立 |
| 5.1.2 目标函数约束条件 |
| 5.1.3 基于改进遗传算法的能耗优化流程 |
| 5.1.4 能耗优化结果 |
| 5.2 基于改进遗传算法的无模型自适应控制 |
| 5.2.1 无模型自适应控制简介 |
| 5.2.2 无模型自适应控制算法推导 |
| 5.2.3 适应度函数选取 |
| 5.2.4 基于改进遗传算法的MFAC参数寻优流程 |
| 5.3 冷冻水系统控制优化仿真 |
| 5.3.1 控制算法改进效果验证 |
| 5.3.2 基于负荷预测的冷冻水系统控制优化仿真 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 在读期间研究成果 |
| 附录 图表索引 |
| 致谢 |
（3）基于群智能的航站楼空调冷却水系统节能控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于群智能的分布式算法及其应用研究 |
| 1.2.2 中央空调冷却水系统节能控制研究 |
| 1.3 研究内容 |
| 2 基于群智能的航站楼空调冷却水控制系统 |
| 2.1 群智能建筑自动控制系统 |
| 2.1.1 群智能系统的能量流 |
| 2.1.2 群智能系统的信息流 |
| 2.1.3 群智能系统的优势 |
| 2.2 群智能仿真实验平台与工程案例 |
| 2.2.1 仿真实验平台 |
| 2.2.2 工程案例 |
| 2.3 小结 |
| 3 航站楼空调冷却水系统节能优化模型的建立 |
| 3.1 机电设备能耗模型的建立方法 |
| 3.2 冷水机组设备能耗模型的建立 |
| 3.3 冷却塔设备能耗模型的建立 |
| 3.3.1 冷却塔风机能耗模型 |
| 3.3.2 冷却塔排热量简化模型 |
| 3.4 冷却水泵设备能耗模型的建立 |
| 3.5 中央空调冷却水系统节能优化模型的建立 |
| 3.5.1 目标函数 |
| 3.5.2 关联约束条件 |
| 3.5.3 边界约束条件 |
| 3.5.4 节能优化模型建立 |
| 3.6 中央空调冷却水系统两类优化问题的分析 |
| 3.7 小结 |
| 4 基于群智能的冷却水系统运行参数节能优化算法研究 |
| 4.1 冷却水系统运行优化参数的选取 |
| 4.2 冷却水系统扩散优化问题描述 |
| 4.2.1 扩散优化问题 |
| 4.2.2 基于算子分裂的局部优化问题 |
| 4.3 群智能运行参数节能优化算法设计 |
| 4.3.1 分布式交替方向乘子法 |
| 4.3.2 分布式优化算法设计 |
| 4.4 案例研究与结果分析 |
| 4.4.1 算例背景 |
| 4.4.2 参数测试 |
| 4.4.3 结果分析 |
| 4.5 小结 |
| 5 基于群智能的冷却水系统设备节能控制算法研究 |
| 5.1 冷却水系统分配优化问题描述 |
| 5.1.1 分配优化问题 |
| 5.1.2 并联冷却水泵的优化运行控制问题 |
| 5.1.3 并联冷却塔风机频率优化控制问题 |
| 5.2 分布式算法设计 |
| 5.2.1 ADMM-GBS算法 |
| 5.2.2 高斯罚函数改进ADMM-GBS算法 |
| 5.3 基于ADMGG的并联水泵节能优化控制算法 |
| 5.3.1 算法初始化 |
| 5.3.2 ADMGG正向预测 |
| 5.3.3 ADMGG反向矫正 |
| 5.3.4 迭代停止条件 |
| 5.4 并联水泵优化控制算法仿真验证 |
| 5.4.1 算例背景 |
| 5.4.2 参数测试 |
| 5.4.3 结果分析 |
| 5.5 基于ADMGG的并联冷却塔风机频率优化控制算法 |
| 5.6 小结 |
| 6 基于群智能的冷却水系统仿真实验及能效分析 |
| 6.1 群智能系统控制方案设计 |
| 6.1.1 实验路线 |
| 6.1.2 实验对比方案 |
| 6.1.3 仿真实验输入参数 |
| 6.2 结果分析与算法对比 |
| 6.3 小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读硕士期间发表的学术论文及成果 |
| 附录 |
| 致谢 |
（4）基于负荷预测的酒店中央空调水系统运行优化方法及其应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 一次泵变流量系统节能研究 |
| 1.2.2 一次泵变流量系统优化运行研究 |
| 1.2.3 中央空调系统建模方法研究 |
| 1.2.4 基于数据挖掘的中央空调系统负荷预测研究 |
| 1.3 本文的主要研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第二章 基于支持向量回归模型的酒店中央空调运行负荷预测 |
| 2.1 工程概况 |
| 2.1.1 酒店及中央空调系统设备信息 |
| 2.1.2 能耗监测平台介绍 |
| 2.2 基于数据挖掘的空调系统负荷预测方法 |
| 2.2.1 负荷预测流程 |
| 2.2.2 支持向量回归原理 |
| 2.2.3 数据预处理方法 |
| 2.2.4 支持向量回归模型的超参数 |
| 2.2.5 预测结果评价指标 |
| 2.3 负荷预测模型建立 |
| 2.3.1 软件介绍 |
| 2.3.2 求解步骤 |
| 2.4 负荷预测结果与分析 |
| 2.4.1 数据预处理结果 |
| 2.4.2 负荷预测模型总结 |
| 2.4.3 负荷预测结果分析 |
| 2.5 本章小结 |
| 第三章 水系统设备能耗模型建立 |
| 3.1 最小二乘法原理 |
| 3.2 空调水系统模型基础 |
| 3.2.1 冷水机组模型 |
| 3.2.2 变频水泵模型 |
| 3.2.3 冷却塔模型能耗 |
| 3.3 模型参数辨识 |
| 3.3.1 软件介绍 |
| 3.3.2 求解步骤 |
| 3.4 模型辨识与结果分析 |
| 3.4.1 冷水机组能耗模型 |
| 3.4.2 变频水泵能耗模型 |
| 3.5 本章小结 |
| 第四章 水系统设备节能特性研究 |
| 4.1 冷水机组节能特性分析 |
| 4.1.1 离心式冷水机组节能原理 |
| 4.1.2 冷凝温度对冷水机组性能的影响 |
| 4.1.3 蒸发温度对冷水机组性能的影响 |
| 4.1.4 负荷率与进出水温差对冷水机组性能的影响 |
| 4.2 水泵节能特性分析 |
| 4.2.1 水泵性能曲线与水泵相似定律 |
| 4.2.2 水泵调速策略对水泵能耗的影响 |
| 4.3 冷却塔节能特性分析 |
| 4.3.1 冷却塔热力过程分析 |
| 4.3.2 冷却塔热力模型分析 |
| 4.3.3 冷却塔性能评价指标 |
| 4.4 分析与讨论 |
| 4.4.1 冷水机组运行参数对其性能的影响 |
| 4.4.2 水泵调速方式对其能耗的影响 |
| 4.4.3 冷却塔冷却效率影响因素分析 |
| 4.5 本章小结 |
| 第五章 水系统节能控制优化研究 |
| 5.1 水系统能耗优化函数 |
| 5.1.1 优化控制参数 |
| 5.1.2 优化函数约束条件 |
| 5.2 优化函数求解 |
| 5.2.1 软件介绍 |
| 5.2.2 求解步骤 |
| 5.3 酒店空调系统单日优化分析 |
| 5.3.1 运行参数优化结果 |
| 5.3.2 水系统能耗分析 |
| 5.3.3 各设备用能分析 |
| 5.3.4 冷水机组与水系统能效分析 |
| 5.4 酒店空调系统不同负荷率优化分析 |
| 5.4.1 运行参数优化结果 |
| 5.4.2 水系统能耗分析 |
| 5.4.3 冷水机组与水系统能效分析 |
| 5.4.4 优化策略节能率与空调系统负荷率 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究总结 |
| 6.2 论文创新之处 |
| 6.3 研究展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（5）基于自抗扰迭代学习控制的中央空调控制策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 中央空调水系统研究现状 |
| 1.2.2 末端变风量系统控制现状 |
| 1.3 现阶段研究存在的问题 |
| 1.4 本文主要研究内容 |
| 第二章 基于自抗扰的迭代学习控制算法 |
| 2.1 迭代学习控制 |
| 2.2 自抗扰控制 |
| 2.3 迭代扩张状态观测器 |
| 2.4 自抗扰迭代学习控制算法 |
| 2.5 本章小结 |
| 第三章 中央空调负荷预测 |
| 3.1 中央空调结构组成 |
| 3.2 空调负荷预测方法 |
| 3.2.1 空调负荷预测研究现状 |
| 3.2.2 负荷预测法基本原理 |
| 3.3 多元线性回归预测 |
| 3.4 基于自抗扰迭代学习的线性回归预测 |
| 3.5 建筑冷负荷模型建立 |
| 3.6 冷负荷线性回归预测 |
| 3.6.1 线性回归预测模型建立 |
| 3.6.2 冷负荷预测结果 |
| 3.7 本章小结 |
| 第四章 中央空调水系统节能控制 |
| 4.1 冷水机组控制策略 |
| 4.1.1 冷水机组参数设计 |
| 4.1.2 基于冷冻水温度的冷机群控策略 |
| 4.1.3 基于效率与负荷率动态匹配的冷机群控策略 |
| 4.2 冷冻泵控制策略 |
| 4.3 冷却泵控制策略 |
| 4.4 水系统节能控制仿真 |
| 4.4.1 群控策略仿真 |
| 4.4.2 冷冻水变流量控制仿真 |
| 4.4.3 系统节能效果分析 |
| 4.5 本章小结 |
| 第五章 基于自抗扰迭代学习的变风量系统控制 |
| 5.1 变风量系统原理 |
| 5.2 变风量系统工作原理 |
| 5.2.1 变风量系统组成设备 |
| 5.2.2 变风量系统分类 |
| 5.3 变风量系统的控制 |
| 5.3.1 室内温度控制 |
| 5.3.2 风机转速控制 |
| 5.3.3 送风温度控制 |
| 5.3.4 新风量控制 |
| 5.4 变风量末端系统控制仿真 |
| 5.4.1 变风量末端系统建模 |
| 5.4.2 变风量系统特性分析 |
| 5.4.3 算法控制结果 |
| 5.5 本章小结 |
| 第六章 中央空调智能管理系统设计 |
| 6.1 系统硬件设备 |
| 6.2 数据采集系统 |
| 6.3 系统控制逻辑设计 |
| 6.4 系统能效评价 |
| 6.5 空调智能管理系统界面设计 |
| 6.5.1 系统总览 |
| 6.5.2 远程控制及参数设置 |
| 6.5.3 能效评价及运行诊断 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士/硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）中央空调设备电耗监测数据修复方法体系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景与意义 |
| 1.2.1 公共建筑节能监管平台的发展 |
| 1.2.2 建筑能耗监测数据的重要性 |
| 1.2.3 研究意义 |
| 1.3 能耗监测数据应用研究进展 |
| 1.3.1 基于监测数据的建筑能耗分析研究进展 |
| 1.3.2 监测数据质量评价与保障研究进展 |
| 1.3.3 基于监测数据的中央空调用电特征研究进展 |
| 1.4 问题能耗监测数据辨识与修复工作进展 |
| 1.4.1 问题能耗监测数据辨识工作研究进展 |
| 1.4.2 基于物理特性模型的修复方法研究进展 |
| 1.4.3 基于数据驱动的修复方法研究进展 |
| 1.5 研究动态分析 |
| 1.6 研究内容与架构 |
| 2 基于获取参数丰富度的监测场景分析 |
| 2.1 电耗相关因素提取 |
| 2.1.1 气象参数 |
| 2.1.2 运行参数 |
| 2.2 监测拓扑结构分类 |
| 2.2.1 电表对应用能设备 |
| 2.2.2 电表对应同类设备 |
| 2.2.3 电表对应制冷机房 |
| 2.3 监测场景分析 |
| 2.3.1 制冷机组监测场景 |
| 2.3.2 冷冻水泵、冷却水泵监测场景 |
| 2.3.3 冷却塔风机、空气处理机组监测场景 |
| 2.3.4 制冷机房监测场景 |
| 2.4 本章小结 |
| 3 问题电耗监测数据的辨识方法研究 |
| 3.1 电耗监测数据类型划分 |
| 3.2 辨识方法设计 |
| 3.2.1 数据降维-主成分分析 |
| 3.2.2 能耗模式分类-k均值聚类 |
| 3.2.3 隐性异常数据辨识方法 |
| 3.3 问题电耗监测数据辨识流程 |
| 3.4 本章小结 |
| 4 问题电耗监测数据的修复方法研究 |
| 4.1 待修复电耗监测数据类型明确 |
| 4.2 修复方法设计 |
| 4.2.1 间断分布的问题数据修复 |
| 4.2.2 连续分布的问题数据修复 |
| 4.3 问题电耗监测数据修复流程 |
| 4.4 本章小结 |
| 5 电耗监测数据修复方法应用 |
| 5.1 某高校科研办公建筑案例分析 |
| 5.1.1 建筑与能耗监测系统概况 |
| 5.1.2 问题电耗监测数据修复结果 |
| 5.1.3 修复结果对比分析 |
| 5.2 基于e-QUEST能耗模拟数据的某高校科研办公建筑案例分析 |
| 5.2.1 建筑能耗模型概况 |
| 5.2.2 能耗模拟结果校核 |
| 5.2.3 问题电耗模拟数据修复结果 |
| 5.2.4 修复结果对比分析 |
| 5.3 某酒店建筑案例分析 |
| 5.3.1 建筑与能耗监测系统概况 |
| 5.3.2 问题电耗监测数据修复结果 |
| 5.3.3 修复结果对比分析 |
| 5.4 某政府机关办公建筑案例分析 |
| 5.4.1 建筑与能耗监测系统概况 |
| 5.4.2 问题电耗监测数据修复结果 |
| 5.4.3 修复结果对比分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（7）基于GA和LSTM-RNN的楼宇空调能耗在线优化系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 空调系统能耗建模技术研究 |
| 1.2.2 空调系统能耗优化技术研究 |
| 1.3 本文主要挑战和创新点 |
| 1.4 论文结构 |
| 第二章 中央空调系统建模及优化方法的相关理论 |
| 2.1 LSTM-RNN介绍 |
| 2.2 遗传算法介绍 |
| 2.3 本章小结 |
| 第三章 中央空调系统建模方案 |
| 3.1 中央空调系统介绍 |
| 3.2 数据收集和预处理 |
| 3.2.1 数据收集 |
| 3.2.2 数据预处理 |
| 3.2.3 数据预处理有效性验证 |
| 3.3 空调模型建立 |
| 3.3.1 LSTM-RNN参数设置 |
| 3.3.2 LSTM-RNN训练与测试 |
| 3.4 本章小结 |
| 第四章 中央空调系统能耗优化方案 |
| 4.1 中央空调优化目标和方法 |
| 4.2 融合遗传算法参数设置和优化目标函数建立 |
| 4.3 融合遗传算法优化效果对比 |
| 4.4 融合遗传算法优化结果 |
| 4.5 本章小结 |
| 第五章 中央空调能耗在线优化系统实现 |
| 5.1 引言 |
| 5.2 系统总体架构 |
| 5.2.1 系统概述 |
| 5.2.2 系统结构 |
| 5.3 系统服务器端开发 |
| 5.4 系统客户端设计开发 |
| 5.4.1 客户端与BAS通信设计开发 |
| 5.4.2 系统界面以及功能详细设计开发 |
| 5.5 实验结果与分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 发明专利 |
| 学位论文数据集 |
（8）中央空调水系统运行优化控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.1.1 课题研究的来源 |
| 1.1.2 公共建筑空调系统运行现状与存在的问题 |
| 1.2 中央空调系统优化控制研究与应用进展 |
| 1.2.1 空调系统优化控制研究现状 |
| 1.2.2 空调系统模拟技术的发展 |
| 1.3 主要研究内容 |
| 第二章 中央空调水系统各设备建模 |
| 2.1 冷水机组建模 |
| 2.1.1 冷水机组数学模型 |
| 2.1.2 冷水机组能耗模型 |
| 2.2 变频水泵建模 |
| 2.2.1 单台水泵运行模型 |
| 2.2.2 多台水泵并联运行的模型 |
| 2.2.3 变频调速水泵的模型 |
| 2.2.4 变频调速水泵能耗模型 |
| 2.3 水阀数学模型 |
| 2.4 管网阻力数学模型 |
| 2.5 本章小结 |
| 第三章 空调水系统优化控制方法介绍与对比分析 |
| 3.1 中央空调水系统变流量节能分析 |
| 3.1.1 变流量系统概述 |
| 3.1.2 冷冻水系统变流量 |
| 3.1.3 冷却水系统变流量 |
| 3.2 冷冻水泵变频控制策略 |
| 3.2.1 系统的温差控制 |
| 3.2.2 系统的压差控制 |
| 3.3 本章小结 |
| 第四章 空调冷冻水系统仿真平台的建立 |
| 4.1 软件介绍 |
| 4.2 建筑能耗模型的建立 |
| 4.2.1 建筑概况 |
| 4.2.2 建筑仿真平台的建立及参数设置 |
| 4.2.3 建筑负荷模拟计算 |
| 4.3 TRNSYS中空调冷冻水系统仿真模型的建立 |
| 4.4 本章小结 |
| 第五章 空调水系统能耗运行调节及分析 |
| 5.1 变频模块开发 |
| 5.2 传统中央空调系统能耗分析 |
| 5.3 定温差控制策略 |
| 5.3.1 温差控制参数的确定 |
| 5.3.2 定温差控制系统能耗分析 |
| 5.4 定压差控制策略 |
| 5.4.1 压差控制参数的确定 |
| 5.4.2 定压差控制系统能耗分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（9）医院建筑能耗调查与空调节能分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 研究现状总结 |
| 1.3 研究思路与研究内容 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.4 研究目的与研究意义 |
| 第2章 湖南省衡阳市三家综合型医院能耗现状对比 |
| 2.1 衡阳市三家医院概况 |
| 2.1.1 气候条件 |
| 2.1.2 医院概述 |
| 2.2 衡阳市三家医院能耗现状调查 |
| 2.2.1 主要调查方式 |
| 2.2.2 医院建筑基本信息 |
| 2.2.3 医院建筑冷热源系统 |
| 2.2.4 医院建筑节能管理现状 |
| 2.3 衡阳市三家医院医院能耗对比分析 |
| 2.4 本章小结 |
| 第3章 衡阳市A医院能耗现状分析 |
| 3.1 A医院概况和能耗水平 |
| 3.1.1 医院概况 |
| 3.1.2 医院能耗水平 |
| 3.2 A医院不同种类能耗分析 |
| 3.2.1 用电分析 |
| 3.2.2 用气分析 |
| 3.2.3 用水分析 |
| 3.3 A医院不同楼宇能耗分析 |
| 3.4 A医院住院部不同科室能耗分析 |
| 3.5 A医院节能管理现状 |
| 3.6 A医院节能建议 |
| 3.7 本章小结 |
| 第4章 衡阳市A医院建筑病房科室能耗影响因素分析 |
| 4.1 A医院住院部科室能耗影响因素分析 |
| 4.1.1 研究方法 |
| 4.1.2 数据来源 |
| 4.1.3 研究结果 |
| 4.2 A医院能耗水平评价 |
| 4.3 本章小结 |
| 第5章 衡阳市A医院空调系统能耗分析与节能研究 |
| 5.1 A医院中央空调能耗特征分析 |
| 5.1.1 A医院中央空调系统基本信息 |
| 5.1.2 A医院中央空调系统能耗分项计量 |
| 5.1.3 A医院中央空调系统年能耗特征分析 |
| 5.1.4 A医院中央空调系统周能耗特征分析 |
| 5.2 A医院内科楼空调系统概况 |
| 5.3 A医院内科楼空调系统用电分析 |
| 5.4 A医院内科楼空调系统用气分析 |
| 5.5 A医院内科楼空调系统运行记录分析 |
| 5.6 A医院节能改造建议 |
| 5.6.1 项目概况 |
| 5.6.2 改造方案 |
| 5.7 A医院中央空调系统改造 |
| 5.7.1 中央空调主机清洗与清洗效果分析 |
| 5.7.2 中央空调冷却水泵变频改造效果分析 |
| 5.8 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 工作展望 |
| 参考文献 |
| 附录1 A医院能耗调查表 |
| 附录2 A医院中央空调信息 |
| 附录2-1 A医院中央空调主机一览表 |
| 附录2-2 A医院中央空调设备(水泵)一览表 |
| 附录3 B医院中央空调信息 |
| 附录4 C医院中央空调信息 |
| 附录4-1 C医院中央空调和生活热水主机一览表 |
| 附录4-2 C医院中央空调和生活热水水泵一览表 |
| 附录4-3 C医院中央空调末端设备一览表 |
| 附录5 A医院近年能耗数据 |
| 附录6 B医院近年能耗数据 |
| 附录7 C医院近年能耗数据 |
| 附表8 A医院科室能耗及医疗活动信息 |
| 附表9 水泵各参数的变化关系 |
| 作者在攻读学位期间的科研成果 |
| 致谢 |
（10）建筑室内舒适与节能优化控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文主要研究内容 |
| 2 建筑室内环境模型 |
| 2.1 中央空调系统原理 |
| 2.1.1 中央空调系统构成 |
| 2.1.2 中央空调系统工作原理 |
| 2.2 室内环境模型 |
| 2.3 室内环境模型验证结果及分析 |
| 2.4 本章小结 |
| 3 基于舒适区的节能优化方法研究 |
| 3.1 热舒适度影响因素及评价 |
| 3.1.1 热舒适度影响因素 |
| 3.1.2 室内环境舒适度评价指标 |
| 3.2 基于舒适区的节能优化方法 |
| 3.3 仿真结果及分析 |
| 3.3.1 夏季工况下结果及分析 |
| 3.3.2 冬季工况下结果及分析 |
| 3.4 本章小结 |
| 4 折衷点追踪优化策略 |
| 4.1 多目标优化问题描述 |
| 4.2 舒适性-能耗问题求解方案 |
| 4.3 折衷点追踪优化策略 |
| 4.4 仿真结果及分析 |
| 4.5 本章小结 |
| 5 室内环境热舒适度模糊控制研究 |
| 5.1 控制策略分析与确定 |
| 5.1.1 温度控制 |
| 5.1.2 热舒适度控制 |
| 5.2 控制方式分析与确定 |
| 5.2.1 控制变量分析 |
| 5.2.2 控制方式分析 |
| 5.3 控制算法分析与确定 |
| 5.3.1 模糊控制基本原理 |
| 5.3.2 模糊控制算法特点 |
| 5.3.3 热舒适度模糊控制算法 |
| 5.4 仿真实验及结果分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 全文总结 |
| 6.2 创新点 |
| 6.3 未来展望 |
| 参考文献 |
| 硕士研究生学习阶段研究成果及获奖情况 |
| 致谢 |
四、中国中央空调的节能潜力预测（论文参考文献）
- [1]基于ZigBee的楼宇智能化系统设计[D]. 徐旻政. 扬州大学, 2021(08)
- [2]基于负荷预测的空调冷冻水系统节能优化研究[D]. 李丙辉. 西安建筑科技大学, 2021
- [3]基于群智能的航站楼空调冷却水系统节能控制策略研究[D]. 陈时羽. 西安建筑科技大学, 2021(01)
- [4]基于负荷预测的酒店中央空调水系统运行优化方法及其应用研究[D]. 汪凯文. 安徽工业大学, 2020(07)
- [5]基于自抗扰迭代学习控制的中央空调控制策略研究[D]. 陆诗莹. 华南理工大学, 2020(02)
- [6]中央空调设备电耗监测数据修复方法体系研究[D]. 柴竹玥. 大连理工大学, 2020
- [7]基于GA和LSTM-RNN的楼宇空调能耗在线优化系统的研究与实现[D]. 洪天佑. 浙江工业大学, 2020(02)
- [8]中央空调水系统运行优化控制策略研究[D]. 朱申琳. 石家庄铁道大学, 2020(04)
- [9]医院建筑能耗调查与空调节能分析[D]. 谭子豪. 南华大学, 2020(01)
- [10]建筑室内舒适与节能优化控制研究[D]. 张瑞. 西安建筑科技大学, 2020