臺灣博碩士論文加值系統

在大型空調系統之中，冰水主機通常都是最耗能之元件，各冰水主機初置時雖說容量與能力相同，但在運轉一段時間後，由於不同之水量分配、安裝之位置差異、水泵供給之效率、冰水主機啟動順序與運轉時間等…會使各台冰水主機運轉性能上漸漸產生差異，為清楚了解冰水主機運轉之特性，就必須知道冰水主機於不同設定之下，運轉之情況及溫度之設定，並且利用相關之參數，建立起冰水主機之耗電量模型，所以能夠清楚的掌握空調系統之中各冰水主機運轉之特性，並且在滿足空調負載需求，調度冰水主機，使各台冰水主機運轉在其最佳工作點上，就可使系統消耗之電量達到最低。
本研究使用類神經網路與迴歸分析法建立各台案例中之冰水主機耗電量特性模型，並比較其R2與平均誤差百分率，模型建立完成之後，使用基因演算法執行最佳化負載分配，求解之過程透過基因演算法之複製、交配、突變以及參數之編碼與解碼之運算過程，在滿足空調負載之情況下，求解出冰水主機調度之最低耗電量組合，研究結果顯示，使用類神經網路建立冰水主機耗電量模型，較迴歸分析法建立之冰水主機模型精確外，在基因演算法執行最佳化負載分配時，收斂之世代數與結果也呈現出較佳之表現。

In large HVAC systems, the chiller is usually the most power-consuming component. Although different chillers have similar capacities and performance at the initial stage of operation, due to factors such as varying amount of water distribution, different installation locations, pump supply efficiency, chiller initiation sequence, operating time and so forth after specific amount of operation time, different chillers gradually exhibit varying levels of operational performance. In order to determine the characteristics of chiller operation, one must monitor the status of operation and temperature settings for chillers under different configurations while using relevant parameters to build the power consumption models for chillers. With sufficient understanding of the characteristics of various chiller operation in HVAC systems, it is possible to minimize power consumption by the system by keeping various chillers operating at optimal working conditions through chiller control whilst satisfying the required cooling load.
In this research, the author has adopted a neural network and regression analysis to construct models of power consumption for chillers in various case studies in order to compare their R2 and average error. With the models completed, appropriate genetic algorithms were applied to compute the optimal load distribution; through the reproduction, crossover, mutation of the genetic algorithms and the coding/decoding of relevant parameters during the computation process, the author was able to derive the combination of the lowest power consumption for the chiller control (under the premise of satisfying the cooling load requirements). Results of the research revealed that chiller power consumption model constructed from neural network turned out to offer better accuracy compared to model constructed from regression analysis. Not only that, the chiller power consumption model constructed from the neural network also offered better number of converging generations and results in the computation of optimized load distribution using a genetic algorithm.

摘　要 I
ABSTRACT II
誌 謝 IV
目 錄 V
表目錄 VIII
圖目錄 X
第一章 緒 論 1
1.1研究背景與動機 1
1.2研究目的 4
1.3文獻回顧 5
1.4論文架構 7
第二章 中央空調冰水系統 8
2.1 中央空調冰水系統簡介 8
2.1.1 基本循環架構 8
2.1.2 多台冰水主機並聯系統 10
2.1.3 蒸發器 13
2.1.4 壓縮機 15
2.1.5 冷凝器 16
2.1.6冷媒控制器 18
2.2中央空調冰水系統設備概述 20
2.2.1變頻器 20
2.2.1.1變頻器之工作原理 20
2.2.1.2變頻器之控制種類 21
2.2.2水泵浦 24
2.2.3送風機 25
2.2.4冷卻水塔 27
第三章 類神經基因演算法 29
3.1類神經網路介紹 29
3.1.1 類神經網路之分類 29
3.1.2 類神經網路之優點 30
3.1.3 類神經網路之基本架構 31
3.1.3.1 類神經網路架構 33
3.1.4 倒傳遞類神經網路 37
3.1.5 倒傳遞類神經網路之訓練過程 40
3.2基因演算法之介紹 42
3.2.1 基因演算法之特性 42
3.2.2 基因演算法之初始族群 43
3.2.3基因演算法之編碼與解碼方式 44
3.2.4 基因演算法之適應度的計算 45
3.2.5 基因演算法之基本運算子 45
3.2.5.1 複製運算子 46
3.2.5.2 交配運算子 46
3.2.5.3 突變運算子 49
3.2.6 基因演算法之終止條件 49
第四章 結果與分析 50
4.1研究方法與流程 50
4.2冰水主機耗電量模型之建立 50
4.2.1迴歸分析建立冰水主機耗電量模型 51
4.2.2類神經網路建立冰水主機耗電量模型 57
4.2.3傳統平均負載法(ELD)執行負載分配之結果 63
4.2.4迴歸基因演算法(LRGA)執行最佳化負載分配之結果 65
4.2.5類神經基因演算法(NNGA)執行最佳化負載分配之結果 74
4.3分析與比較 82
第五章 結論與建議 84
5.1結論 84
5.2 建議 85
參考文獻 86
符號說明 89

[1]經濟部能源局，“能源統計”，http://www.moeaboe.gov.tw/。
[2]台電灣電力公司，“公務統計”，http://www.taipower.com.tw/。
[3]J.E. Braun, S.A. Klein, J.W. Mitcell and W.A. Beckman, "Applications of Optimal Control to Chilled Water Systems without Storage," ASHRAE Transactions, vol. 95(1), 1989, pp. 663-675.
[4]J.E. Braun, "Methodologies for the Design and Control of Central of Cooling Plants, Ph.D. Dissertation, " University of Wisconsin, 1988.
[5]R.J. Hackner, J.W. Mitcell and W.A. Beckman, "HVAC System Dynamaics and Energy Use in Buildings－Part I," ASHRAE Transactions, vol. 90, 1984, pp.523-535.
[6]鄭文雄，進化策略及其在化工上之應用，碩士論文，台灣大學，1995。
[7]張永宗，「冰水主機節能調度」，冷凍與空調雜誌，OCT，2002。
[8]趙慶松，空調主機群之最佳負載分配，碩士論文，台北科技大學，2002。
[9]涂煌秋，冰水主機負載分配最佳化效能之提昇，碩士論文，台北科技大學，2003。
[10]林家田，應用線性規劃法於半導體廠冰水主機負載分配之最佳化，碩士論文，台北科技大學，2003。
[11]林瑞昆，應用基因演算法於冰水主機負載分配之最佳”，碩士論文，台北科技大學，2003。
[12]童慶斌、李宗祐，應用遺傳規劃法建立櫻花鉤吻鮭對環境反應函數，啟發式演算法與水資源管理，pp. 193-207。
[13]許聰海，積木型遺傳規劃法於最佳化組合之應用，碩士論文，台北科技大學，2003。
[14]陳志豪，應用類神經網路預測空調負載，碩士論文，台北科技大學，2004
[15]陳建進，應用進化策略演算法於冰水主機負載分配之最佳化，碩士論文，台北科技大學，2006。
[16]陳冠中，應用基因演算法於空調系統之最佳化運轉，碩士論文，台北科技大學，2009。
[17]張永宗，林家田，林瑞昆，「冰水主機最佳排序」，冷凍空調，第17期，2002年。
[18]蔡瑞益，廠務空調系統冰水主機水側溫度節能實務分析，碩士論文，中原大學，2004。
[19]ASHRAE Handbook, Liquid Chilling System, CH. 38, 2000.
[20]廖偉廷，應用基因規劃法於冰水系統運轉最佳化，碩士論文，台北科技大學，2009。
[21]王文博，冷凍工程 上冊 ，大中國圖書公司，1999。
[22]王文博、胡興邦，冷凍空調原理上冊，承美科技圖書，1995。
[23]冷凍空調原理Ⅱ 許其清、陳聰明 大中國圖書公司。
[24]變頻器應用Q＆A節能技術手冊，經濟部能源局指導，財團法人台灣綠色生產力基金會編印。
[25]羅國杰，變頻器驅動技術，全華科技，1999。
[26]實用泵浦技術指南，馮紀恩，科技圖書股份有限公司。
[27]泵與風機，王朝暉，中國石化出版社，2007。
[28]洪顥庭，高轉速離心鼓風機設計參數對性能影響，國立台灣大學機械工程所
[29]王文博，冷凍工程 下冊 ，大中國圖書公司，1997。
[30]類神經網路-MATLAB的應用，羅華強，高立圖書有限公司，1995。
[31]林永青，應用類神經網路與基因演算法於飛行時間之研究，國立台北科技大學工業工程與管理系碩士論文，中華民國94年。
[32]http://www.slidefinder.net/類/類神經網路簡介_主講人_巫沛倉博士_義守大學工業工程系碩士班/11103875。
[33]機器學習:類神經網路、模糊系統以及基因演算法則，張孝德，蘇木春，拳華科技圖書股份有限公司，1999。
[34]W.A. Little and G.L. Shaw, "A statistical theory of short and long term memory" ,Behavioral Biology, vol. 14, 1975, pp.115-133.。
[35]莊虔毅，以基因演算法求解含凹凸特性曲線之冰水主機最佳負載分配，國立台北科技大學工業工程與管理系碩士論文，中華民國94年。