中央空調系統中，冰水主機是提供制冷來源的主要設備，其耗電量約佔中央空調系統耗電40%。影響冰水主機系統之效率，主要參數為冷卻水泵頻率、外氣濕球溫度、冷卻水塔風扇運轉頻率、壓縮機高壓壓力及冷卻水入水溫度。如何將參數利用類神經網路整合、訓練、模擬，進而建立出節能模式，為本研究重要課題。
本研究為因應現場負載變化，將現場感測器所收集之數據，利用類神經網路與MATLAB分析、模擬，調整冷卻水塔風扇運轉頻率，並建立預測冷卻水入水溫度有效模組，尋求冰水主機負載分配最佳化，以減低冰水主機在部分負載情況下運轉所耗電量，達到冰水主機節能之目標。

The water chiller is the major component of a central air conditioning system, requiring about 40% of the total power consumption of a central air conditioning system. The major parameters that influence the efficiency of a water chiller system are the cooling water pump frequency, the outside air wet bulb temperature, the operating frequency of the cooling tower fan, the high pressure of the compressor and the cooling inlet water temperature. This study investigated how to use a neural network to integrate, train and simulate these parameters in order to create the optimal energy-saving mode.
This study used a neural network and MATLAB to analyze the data collected by the field sensor according to the field load changes, simulated and adjusted the operating frequency of the cooling tower fan, and finally set up an effective module for predicting the cooling inlet water temperature and optimizing the water chiller load allocation, so as to reduce the power consumption of the water chiller in partial load runs and save energy.

目錄
摘 要 ii
誌 謝 v
表目錄 viii
圖目錄 ix
第1章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 1
1.2.1 類神經網絡特點 2
1.3 文獻回顧 2
1.4 論文架構 4
第2章 空調系統原理分析 6
2.1 冰水主機的功能及種類 6
2.1.1 冰水主機的功能 6
2.1.2 冰水主機之種類 7
2.2冰水主機節能 10
2.3 冰水主機冷卻水側與冰水側節能方式 11
2.3.1 冰水側節能方式 11
2.3.2 冷卻水側節能方式 11
第3章 類神經原理與實驗步驟 13
3.1 類神經網路概述 13
3.2 倒傳遞類神經網路模式架構 13
3.3 倒傳遞類神經網路之應用 14
3.3.1 倒傳遞類神經網路學習過程 15
3.3.2 倒傳遞類神經網路回想過程 17
3.4 倒傳遞類神經網路原理 18
3.5 Levenberg-Marquardt演算法 19
3.6 類神經網路模組之建構 20
第4章 結果與討論 22
4.1 水塔風扇馬達頻率 22
4.1.1 模組訓練之結果 22
4.1.2 調整水塔風扇頻率模擬結果 23
4.2 使用模擬風扇馬達頻率模擬溫差 24
4.3 冷卻水入水溫度之預測 25
4.3.1 第一天模擬第二天模組驗證結果 26
4.3.2 第二天模擬第三天模組驗證結果 27
4.3.3 第三天模擬第四天模組驗證結果 29
4.3.4 第四天模擬第五天模組驗證結果 31
4.3.5 第五天模擬第六天模組驗證結果 33
4.3.6 第六天模擬第七天模組驗證結果 35
4.3.7 第七天模擬第八天模組驗證結果 37
4.3.8 第八天模擬第九天模組驗證結果 39
4.3.9 第九天模擬第十天模組驗證結果 41
4.3.10 第十天模擬第十一天模組驗證結果 43
4.3.11 第十一天模擬第十二天模組驗證結果 45
4.3.12 第十二天模擬第十三天模組驗證結果 47
第5章 結論與建議 50
5.1 結論 50
5.2 建議 51
第6章 參考文獻 51

[1] 經濟部能源局，2010年能源產業技術白皮書，2010。
[2] 朱正宇，應用灰色系統理論於冰水主機耗電量預測，國立台北科技大學能源與冷凍空調工程系碩士論文，2007。
[3] 施宜輝，廠務空調系統冰水主機水側溫度節能實務分析，中原大學機械工程學系碩士論文，2004。
[4] 羅華強，類神經網路-MATLAB的應用，高立圖書有限公司，2005。
[5] Babak Solati, Radu Zmeureanu , Fariborz Haghighat, Correlation based models for the simulation of energy performance of screw chillers , Energy Conversion and Management 2003,Vol.44 pp.1903~1920.
[6] Yiqiang Jiang, Yang Yao, Shiming Deng, Zuiliang Ma,Applying grey forecasting to predicting the operating energy performance of air cooled water chillers, International Journal of Refrigeration ,2004,Vol 27, pp.385~392.
[7] Oludele Awodele, Olawale Jegede,. Neural Networks and Its Application in Engineering,.2009.
[8] 陳森煌，以現場實用測量結果作冰水主機部分負載知性能分析，國立台北科技大學碩士學位論文，2001。
[9] 江建樺，應用模擬退火演算法於冰水主機負載分配之最佳化，國立台北科技大學能源與冷凍空調工程系碩士論文，2005。
[10] 陳建中，高科技廠房機電空調中央監控系統，國立成功大學電機工程學系碩士論文，2005。
[11] 柯明村、戴邦文、鄭聰哲，應用於節能績效保證合約之冰水主機性能驗證方法，中華水電冷凍空調月刊，2006，Vol 5，PP 1~8 。
[12] 姚賀騰、郭昭霖、林國豪、吳政龍，應用LabVIEW7.1 於網路化電力監控系統之人機介面研製，遠東學報，2007，Vol 24，No 4，PP 379~387。
[13] 張躍進，類神經網絡系統的穩定性分析與狀態估計，曲阜師範大學碩士學位論文，2008。
[14] 許祺清、陳聰明，冷凍空調原理Ⅱ，大中國圖書公司，2000。
[15] 梁正穎，建築耗能系統節能改善策略分析與應用，國立中山大學機械與機電工程研究所碩士論文，2008。
[16] 張永宗、林家田、林瑞昆，冰水主機最佳排序，冷凍與空調，2002，Vol 17。
[17] 葉怡成，類神經網路模式應用與實作，儒林圖書有限公司，2001。
[18] 黃裕煒、黃浩榮，空調系統應用模糊控制達成舒適性與節能之研究，中國冷凍空調雜誌，1999，Vol 39，pp 132~140。
[19] 葉懷仁，類神經網路應用於引擎聲訊之辨識，國立中山大學物理研究所碩士論文，2003。
[20] 莊雅蓁，資料倉儲的技術與發展，美國資訊科學學會台北學生分會會訊，1998 年，11 期，頁79-99。