首页|采用中心平衡优化的表冷系统预测控制研究

采用中心平衡优化的表冷系统预测控制研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
根据室外温度和相对湿度环境变量,采用极限学习机(extreme learning machine,ELM)搭建空调表冷系统室内温湿度预测模型,解决了空调表冷阀门协调控制问题,采用斐波拉契(Fibonacci)搜索算法优化了极限学习机的隐含层节点数,提出了斐波拉契极限学习机(FELM),从而提高了预测模型的精度.传统的平衡优化算法(EO)收敛速度慢,且容易陷入局部极小,将K中心聚类算法(KMedoids)嵌入到平衡优化算法中,提高了优化算法的性能.利用中心平衡优化算法(KEO)滚动优化得到表冷系统3个阀门的控制量,即主表冷阀、副表冷阀和电动三通阀的开度.仿真实验表明:与传统的ELM预测控制算法相比,KEO-FELM预测控制具有更高的稳定性和跟踪性,以及更好的节能效果.
Research on predictive control of the surface cooling system using KMedoids equilibrium optimization

卢志敏、饶伟、江琳、严德龙、王华秋、向力

展开 >

龙岩烟草工业有限责任公司,福建龙岩 364021

重庆理工大学两江人工智能学院,重庆 401135

重庆太和空调自控有限公司,重庆 400030

空调表冷系统 斐波拉契搜索 极限学习机 预测控制 中心平衡优化算法

教育部科技项目科技改造项目

2018YFB1700803FJZYJH2021YB011

2023

10.3969/j.issn.1674-8425(z).2023.03.024

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(6)
  • 1
  • 4