(3.236.231.61) 您好!臺灣時間:2021/05/15 23:53
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:林建安
研究生(外文):Jian-An Lin
論文名稱:應用支持向量迴歸與粒子族群演算法於空調系統最佳化運轉
論文名稱(外文):Applying Support Vector Regression and Particle Swarm Algorithm on Optimal Operation of HVAC
指導教授:張永宗張永宗引用關係
口試委員:陳清良陳武星鄭泉泙張永宗
口試日期:2016-06-28
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:能源與冷凍空調工程系碩士班
學門:工程學門
學類:其他工程學類
論文種類:學術論文
論文出版年:2016
畢業學年度:104
語文別:中文
中文關鍵詞:粒子族群演算法支持向量迴歸冰水主機系統最佳化運轉
外文關鍵詞:Particle Swarm AlgorithmSupport Vector RegressionChillerSystem Optimal Operation
相關次數:
  • 被引用被引用:5
  • 點閱點閱:141
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
近年來受全球暖化及能源危機的影響,節能減碳是未來世界各國必須共同面臨的課題,為了提高生活品質及科技的進步造成用電量大幅增加,夏季空調總用電佔一般大樓用電約35%~55%,在所有設備中空調耗電量所佔的比例為最大,因此對於空調系統具有節能效果的設備及方法受到廣泛討論。
本研究使用了迴歸分析、類神經網路及支持向量迴歸這三種方法,分別建立冰水主機耗電量模型、區域冰水泵耗電量模型及空調箱送風機耗電量模型,分析及比較三種建模方法的準確性與誤差,針對空調系統中冰水主機、空調箱、水泵結合粒子族群演算法搜尋出冰水出水溫度、空調箱送風量和冰水水量的最佳設定點,並且滿足室內負載需求的條件下達到最低耗電量。研究結果顯示,運用此蒐尋最佳化運轉設定點的方法,整體耗電量可降低22%,與未調整前相比較節能效果極佳,顯示本研究方法可以有效達到節省能源的目的,減少能源的浪費。
In recent years people were affected by the energy crisis and global warming. Energy Saving and Carbon Reduction are the issues to be faced by all the world in the future. In order to improve the quality of life, the power consumption of electrical equipment has increased dramatically. The power consumption of air conditioners in summer is 35% ~ 55% of the total power consumption of general buildings. The power consumption from air-conditioning accounts the largest part in all the equipment. Therefore, different kinds of air conditioning systems with high efficiency to reduce power consumption heed concerned.
There are three methods applied in this study: linear regression, neural network and Support Vector Regression. They were used to establish the power consumption model of chiller, regional water pump power consumption model and fan power consumption model respectively. After that, the simulate results are compared and the analysis shows the accuracy and the error by using three methods under the same baseline. Particle Swarm Algorithm was to find optimum settings point of chilled water temperature, supply air flow of air handling unit, and chilled water flow, under the condition of indoor loading demand to achieve lowest power consumption. The results show that the power consumption can be reduced by 22%, and that this research methods can be effectively achieves the purpose of saving energy.
目錄
摘要 i
ABSTRACT ii
誌謝 iv
表目錄 vi
圖目錄 vii
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 6
1.4 論文架構 8
第二章 空調系統概述 9
2.1 中央空調系統簡介 9
2.2 冰水系統架構 11
2.3 空調系統設備簡介 19
第三章 研究分析演算方法 23
3.1 線性迴歸 23
3.2 類神經網路 26
3.3 支持向量迴歸 29
3.4 粒子族群演算法 35
第四章 實驗結果分析與討論 42
4.1 實驗系統設備介紹 42
4.2 模型建立與結果分析 46
4.3 空調系統運轉設定點最佳化模擬與分析 58
4.4 運轉最佳化結果比較 65
第五章 結論與展望 68
5.1 結論 68
5.2 展望 69
參考文獻 70
符號彙編 74
[1]台灣電力公司,統計資料 http://www.taipower.com.tw/
[2]經濟部能源局,油價資訊管理與分析系http://www.moeaboe.gov.tw/oil102/
[3]台灣電力公司,歷年電價表http://www.taipower.com.tw/UpFile/ClauseFile/avg_price.pdf
[4]維基百科-京都議定書http://zh.wikipedia.org/wiki/%E4%BA%AC%E9%83%BD%E8%AE%AE%E5%AE%9A%E4%B9%A6
[5]維基百科-各國二氧化碳排放量列表https://zh.wikipedia.org/wiki/%E5%90%84%E5%9B%BD%E4%BA%8C%E6%B0%A7%E5%8C%96%E7%A2%B3%E6%8E%92%E6%94%BE%E9%87%8F%E5%88%97%E8%A1%A8#cite_note-cd910-
[6]聯合國-氣候變化框架公約http://unfccc.int/resource/docs/2015/cop21/chi/l09c.pdf
[7]經濟部能源局、台灣綠色生產力基金會、辦公大樓節約手冊,2009。
[8]Lu Lu, Wenjian Cai, Yeng Soh Chai, Lihua Xie, “Global optimization for overall HVAC systems–Part I, problem formulation and analysis”, Energy Conversion and Management,Vol.46,pp.999-1014,2005。
[9]張春豐,中央空調系統最佳化分析,碩士論文,台北科技大學,2009。
[10]Yao-Wen Wang, Wen-Jian Cai, Yeng-Chai Soh, Shu-Jiang Li, Lu Lu, Lihua Xie, “A simplified modeling of cooling coils for control and optimization of HVAC systems”, Energy Conversion and Management, vol.45, pp.2915-2930, 2004。
[11]段春雷,變頻氣冷式冰水主機節能耗電分析,碩士論文,國立國立臺北科技大學能源與冷凍空調工程系,2012。
[12]張朝元、陳麗,一種新的支持向量迴歸預測模型,大理學院學報,第6卷第6期,2007。
[13]呂思賢,以支持向量回預測空調主機支性能分析,碩士論文,國立國立臺北科技大學能源與冷凍空調工程系,2015。
[14]姜大駿,混合平行基因演算法與支持向量機作短期負載預測,碩士論文,國立國立臺北科技大學電機工程系,2014。
[15]黃郁勝,應用粒子族群演算法於空調冰水系統最佳化運轉之研究,國立國立臺北科技大學能源與冷凍空調工程系,2010。
[16]林龍杰,粒子族群演算法應用於冰水主機負載分配最佳化,國立國立臺北科技大學能源與冷凍空調工程系碩士論文,2007。
[17]Wei-Chiang Hong. “Chaotic particle swarm optimization algorithm in a support vector regression electric load forecasting model”, Energy Conversion and Management, vol.50,2009,pp. 105–117
[18]龔仲寬,粒子族群演算法應用於室內溫水游泳池熱泵系統最佳化分析設計,國立國立臺北科技大學能源與冷凍空調工程系碩士論文,2007。
[19]翁景洲,建築設備,空氣調節設備-2 。http://civil.nju.edu.tw/weng/BuildingEquipment/2.%E7%A9%BA%E6%B0%A3%E8%AA%BF%E7%AF%80%E8%A8%AD%E5%82%99-2.pdf
[20]王文博、胡興邦,冷凍空調原理上冊,承美科技圖書,1995。
[21]李信蔚,模糊進化規劃法於空調負載預測之應用,碩士論文,國立台北科技大學,2010。
[22]楊哲明,渦卷式冷媒壓縮機壓縮室熱流場特姓之數值模擬分析,國立台北科技大學能源與冷凍空調工程系碩士論文,民98。
[23]劉立,流體力學泵與風機,第二版,中國電力出版社,民96,第十章。
[24]林坦蔚,鋁合金渦卷式壓縮機渦卷之應力與動力分析,國立交通大學機械系碩士論文,民91。
[25]許其清、陳聰明,冷凍空調原理Ⅱ, 大中國圖書公司,2001。
[26]王文博,冷凍工程上冊 ,大中國圖書公司,1999。
[27]風機之特性,國立臺灣大學生物產業機電工程系。http://www.bime.ntu.edu.tw/~dsfon/FluidMachinery/chapter1-3.htm
[28]李俊賢,應用模擬退火法於空調系統運轉之最佳化,碩士論文,國立台北科技大學,2010。
[29]何承懌,基於類神經網路耗電模式之基因演算法最佳負載分配,碩士論文,國立台北科技大學能源與冷凍空調工程系,2010。
[30]空調設備工程品質管理實務,行政院公共工程委員會。http://www.pcc.gov.tw/pccap2/BIZSfront/upload/article/Electromechanical_device_12.pdf
[31]董致宏,應用類神經網路與類免疫演算法於空調系統最佳化運轉,碩士論文,國立台北科技大學能源與冷凍空調工程系,2014
[32]H.T. Lin, C.J. Lin, 2003, A study on sigmoid kernels for SVM and the training of non-PSD kernels by SMO-type methods, Technical report, Department of Computer Science & Information Engineering, National Taiwan University.
[33]范成瑞, 以非線性獨立成份分析、粒子群最佳化及支持向量,碩士論文,國立台北科技大學,2010 。
[34]S. R. Gunn, 1998, Support Vector Machines for Classification and Regression. Technical Report, Image Speech and Intelligent Systems Research Group, University of Southampton.
[35]YAN Jun-wei, Zhou Yu, ZHOU Xuan,Study on Operation Energy Efficiency Model of Chiller Based on SVR,Control and Decision Conference (2014 CCDC), The 26th Chinese,2014.
[36]Chih-Jen Lin's Home Page.
http://www.csie.ntu.edu.tw/~cjlin/index.html
[37]R. C. Eberhart. and J. Kennedy 1995 “A new Optimizer Using Particle Swarm Theory” Proceedings Sixth International Symposium on Micro Machine and Human Science, Nagoya, Japan.
[38]陳清良,應用類神經網路與粒子群演算法於冰水主機負載分配最佳化,博士論文,國立國立臺北科技大學能源與冷凍空調工程系,2014年。
[39]郭信川、張建仁、劉清祥,粒子群演算法於最佳化問題之研究,第一屆台灣作業研究學會學術研討會暨2004年科技與管理學術研討會,2004,pp.419-432。
[40]粒子群最佳化法(Particle Swarm Optimization)簡介。http://blog.xuite.net/metafun/life/58295146
[41]Y. Shi, R.C. Eberhart, “A modified particle swarm optimizer”, IEEE International Conference on Evolutionary Programming, Alaska, May 4-9, 1998.
[42]張澤文,應用進化策略演算法於冰水系統運轉參數設定最佳化,碩士論文,國立國立臺北科技大學能源與冷凍空調工程系,2007。
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top