电力科学与技术学报2023,Vol.38Issue(4) :214-221.DOI:10.19781/j.issn.1673-9140.2023.04.023

基于粒子群优化算法的空调负荷灰箱模型辨识

Identification of grey box model for air conditioning load based on particle swarm optimization algorithm

朱明 夏宇栋 常凯 王志梁
电力科学与技术学报2023,Vol.38Issue(4) :214-221.DOI:10.19781/j.issn.1673-9140.2023.04.023

基于粒子群优化算法的空调负荷灰箱模型辨识

Identification of grey box model for air conditioning load based on particle swarm optimization algorithm

朱明 1夏宇栋 1常凯 1王志梁1
扫码查看

作者信息

  • 1. 杭州电子科技大学自动化学院,浙江杭州 310018
  • 折叠

摘要

较高精度的空调负荷模型是开发实施有效空调控制策略的重要依据,其有利于促进减小电力能源消耗以节约用电成本.首先,通过对建筑构造、室内外环境和气象因素等影响分析,搭建可用于预测空调负荷的灰箱模型,即三阶的等效热参数模型以及二阶的等效湿阻模型;接着,通过最小化模型输出室内温湿度数据与室内实测温湿度采样数据之间的误差建立优化目标函数;然后,提出并使用基于粒子群优化算法的参数辨识方法获取灰箱模型关键参数.实验研究表明,辨识得到的等效热阻和湿阻模型能准确地反映室内温湿度分布和变化特性,具有预测空调负荷的实际应用价值.

关键词

灰箱模型/空调负荷建模/系统参数辨识/粒子群优化算法

Key words

grey box model/air conditioning load modeling/system parameter identification/PSO

引用本文复制引用

基金项目

浙江省自然科学基金(LQ19E060007)

浙江省重点研发计划(2020C01164)

出版年

2023
电力科学与技术学报
长沙理工大学

电力科学与技术学报

CSTPCDCSCD北大核心
影响因子:0.85
ISSN:1673-9140
参考文献量12
段落导航相关论文