基于模糊聚类的冷热源设备运行环境分区研究的中期报告_第1页
基于模糊聚类的冷热源设备运行环境分区研究的中期报告_第2页
基于模糊聚类的冷热源设备运行环境分区研究的中期报告_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于模糊聚类的冷热源设备运行环境分区研究的中期报告【摘要】冷热源设备运行环境分区是建筑能源管理的重要内容，本文基于模糊聚类算法，对冷热源设备运行环境进行分区研究。首先介绍了冷热源设备运行环境的影响因素，然后详细阐述了模糊聚类算法的基本原理和应用步骤。接着，利用实测数据对建筑内不同区域的温度、湿度、噪声等环境参数进行了采样和分析，并通过模糊聚类算法进行了分区处理。结果表明，本文所提出的基于模糊聚类的方法可以有效地对冷热源设备运行环境进行分区处理，为建筑能源管理提供了较为科学的依据。【关键词】冷热源设备；运行环境分区；模糊聚类算法一、研究背景与意义冷热源设备是建筑中的重要能源消耗设备，其运行状态直接关系到建筑内环境的舒适度和能耗水平。为了合理管理冷热源设备，需要对其运行环境进行精细分析和管理。然而，在实际的建筑能源管理中，经常会遇到如下问题：1.建筑内环境参数复杂多变，如何对其进行有效的数据采集和处理？2.基于传统聚类算法，如何有效地对建筑内不同区域的环境进行分区处理？为了解决以上问题，本文提出了基于模糊聚类的冷热源设备运行环境分区方法，旨在提高建筑能源管理的科学性和准确性。二、模糊聚类算法基本原理模糊聚类算法是一种基于模糊理论的聚类算法，其基本思想是将样本点划分到不同的类别中，使得同一类别内的样本点间的差异尽可能小，不同类别间的差异尽可能大。模糊聚类算法的基本原理可以概括为如下步骤：1.初始化隶属度矩阵U2.计算类中心3.更新隶属度矩阵U4.检查停止准则5.输出聚类结果三、模糊聚类算法在冷热源设备运行环境分区中的应用1.数据采集为了有效地采集建筑内不同区域的环境数据，本文利用多个传感器对温度、湿度、噪声等环境参数进行实时监测。采集到的数据经过去噪和平滑处理后，得到了一组稳定可靠的环境数据。2.数据分区基于采集到的数据，本文利用模糊聚类算法对建筑内不同区域的环境进行了数据分区。具体步骤如下：(1)初始化隶属度矩阵U根据采集到的环境数据，先初始化隶属度矩阵U，设定聚类类别数为k。(2)计算类中心利用加权平均法计算k个类别的类中心，并更新隶属度矩阵U。(3)更新隶属度矩阵U根据类中心计算各采样点与不同类别的隶属度，更新隶属度矩阵U。(4)检查停止准则计算当前聚类结果与上次聚类结果之间的差异，并判断是否满足停止准则。(5)输出聚类结果最终输出建筑内不同区域的聚类结果与类别分布情况。3.结果分析根据采集到的环境数据和模糊聚类算法的分析结果，本文对建筑内不同区域的环境进行了分析和比较。具体结果如下：(1)室内温度方面，东南向房间的温度明显高于其他房间；(2)室内湿度方面，北向房间的湿度明显高于其他房间；(3)室内噪声方面，机房噪声最大，其次为中央空调机房和厕所。四、总结与展望本文基于模糊聚类算法对建筑内冷热源设备运行环境进行了分区处理，为建筑能源管

人人文库> 全部分类> 毕业设计 > 开题报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论