کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4914208 1644938 2017 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Improved particle filter based soft sensing of room cooling load
ترجمه فارسی عنوان
بهبود حسگر فیلتر ذرات بر روی خنک کننده اتاق
کلمات کلیدی
بار خنک کننده، یادگیری عمیق، حفاظت انرژی، فیلتر ذرات، سنجش نرم،
ترجمه چکیده
مقدار دقیق بار خنک کننده اتاق، اطلاعات پایه ای برای صرفه جویی در انرژی و پاسخ تقاضا در فرآیند عملیات تهویه مطبوع است. متاسفانه، روش های محاسبه سنتی برای بار خنک کننده اتاق بسیار پیچیده و وقت گیر است تا نیاز به کنترل زمان واقعی را برآورده سازند. حسگر نرم یک تکنولوژی جذاب است، اما بار خنک کننده اتاق را نمی توان مستقیما اندازه گیری کرد، بنابراین شناسایی پارامتر برای مدل حساسیت نرم افزاری براساس داده های نمونه نمی تواند تحقق یابد. در این مقاله با هدف بررسی مشکل تنگنا در سنجش حسگر بار خنک کننده اتاق، یک روش مبتنی بر فیلتر مبتنی بر ذره بهبود یافته است. در ابتدا، یک مدل برای سنجش حسگر بار خنک کننده اتاق با تحلیل معادله تعادل انرژی اتاق ساخته شده است. سپس تجزیه دامنه فرکانس برای اندازه گیری خشن استفاده می شود و یادگیری عمیق برای پیش بینی استفاده می شود. در نهایت، فیلتر ذره بهبود یافته برای تحقق تخمین وضعیت زمان واقعی بار خنک کننده اتاق استفاده می شود. در فرآیند فیلتر ذرات، الگوریتم ماهیگیری ماهی مصنوعی معرفی شده است تا غلبه بر مشکل فقر نمونه از روش سنتی نمونه برداری مجدد. آزمایشات شبیه سازی و آزمایش های واقعی نشان می دهد که روش پیشنهادی می تواند سرعت و کارآیی حسگر نرم افزاری خنک کننده خنک را تحقق بخشد. این روش همچنین برای ارزیابی نرم افزاری دیگر غیر قابل اندازه گیری متغیرها ارائه می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
بهبود حسگر فیلتر ذرات بر روی خنک کننده اتاق
چکیده انگلیسی
Accurate value of room cooling load is the basis data for energy conservation and demand response in the air conditioning operating process. Unfortunately, traditional calculation methods for room cooling load are too complex and time-consuming to meet the demand of real-time control. Soft sensing is an attractive technology, however the room cooling load cannot be measured directly, so the parameter identification for soft sensing model cannot be realized based on the sample data. Aiming at the bottleneck problem in room cooling load soft sensing, an improved particle filter based method is presented in this article. Firstly, a model for room cooling load soft sensing is built with analysis of room energy balance equation. Then frequency domain decomposition is employed for rough measurement, and deep learning is employed for prediction. Finally, the improved particle filter is employed to realize the real-time state estimation of room cooling load. In the process of particle filter, the artificial fish swarm algorithm is introduced to overcome the sample impoverishment problem of traditional Re-sample method. The simulation experiments and real-test experiments show that the proposed method can realize the soft sensing of room cooling load quickly and efficiently, which method also provide references for the soft sensing of other un-measurable variables.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy and Buildings - Volume 142, 1 May 2017, Pages 56-61
نویسندگان
, ,