×
王宏伟;屠方文;屠宝峰;冯国辉;袁光明;任浩;董嘉荣

基于神经网络的集中供热系统负荷预测与约束控制。 （英语） Zbl 1426.93152号

数学。问题。工程师。 2018年，文章ID 2908608，14 p.（2018）.
摘要：提出了一种基于神经网络的供热系统负荷预测与控制方案。与传统的基于物理原理的负荷计算方法不同，将多层神经网络与选定的输入特征相结合，并对其进行训练以预测供热负荷以及供热回路中所需的供水温度。通过这种方式，可以用简单但有效的数据驱动方案取代复杂的负荷计算模型，并可以提高对室外温度变化的响应时间。此外，为了处理阀门开度控制任务中的输入和输出约束，以达到所需的供水温度，引入了Barrier-Lyapunov候选函数和腋窝系统技术。采用附加的神经网络来逼近系统传递函数，具有可靠的精度。通过严格的数学分析，保证了系统的稳定性。新型控制相对于传统PID的优良性能通过广泛的模拟研究进行了验证。还进行了定量案例研究，以验证所提出的负荷预测策略的灵活性和有效性。

MSC公司：

93C40型 自适应控制/观测系统
93立方厘米 控制理论中的非线性系统
PDF格式BibTeX公司 XML格式引用
\textit｛H.Wang｝等人，数学。问题。Eng.2018，文章ID 2908608，14 p.（2018；Zbl 1426.93152）
全文： 内政部

参考文献：

[1] 王，M。；田强，利用粒子群优化算法优化的支持向量回归进行动态供热预测，工程数学问题，2016（2016）·doi:10.1155/2016/3968324
[2] 阿迪纳尔普，M。；Ugursal，V.I。；Fung，A.S.，使用神经网络对住宅部门的空间和家用热水供暖能耗进行建模，应用能源，79，2159-178（2004）·doi:10.1016/j.apenergy.2003.12.006
[3] Wojdyga，K.，《气候条件对区域供热系统热量需求的影响》，《能源与建筑》，第40、11、2009-2014页（2008年）·doi:10.1016/j.enbuild.2008.05.008
[4] 尼尔森，H.A。；Madsen，H.，使用灰箱方法模拟区域供热系统的热耗，《能源与建筑》，38，1，63-71（2006）·doi:10.1016/j.enbuild.2005.05.002
[5] Pinson，P。；尼尔森，T.S。；尼尔森，H.A。；新泽西州鲍尔森。；Madsen，H.，《区域供热系统临界点温度预测》，《欧洲运筹学杂志》，194,1163-176（2009）·Zbl 1158.93380号 ·doi:10.1016/j.ejor.2007.11.065
[6] Kusiak，A。；李，M。；Zhang，Z.，《建筑物蒸汽负荷预测的数据驱动方法》，应用能源，87，3，925-933（2010）·doi:10.1016/j.apenergy.2009.09.004
[7] 李，L。；Zaheeruddin，M.，直接区域供热系统能量优化运行的控制策略，《国际能源研究杂志》，28，7，597-612（2004）·doi:10.1002/er.987
[8] Ljubenko，A。；波雷多什，A。；Zager，M.，《区域供热系统中热水管道改造的影响》，Strojniski Vestnik：《机械工程杂志》，57，11，834-842（2011）·doi:10.5545/sv-jme.2010.227
[9] 刘，D。；杨，X。；王，D。；Wei，Q.，输入约束下连续时间不确定非线性系统基于强化学习的鲁棒控制器设计，IEEE控制论汇刊，45，7，1372-1385（2015）·doi:10.1109/tcyb.2015.2417170
[10] 杨，X。；刘，D。；马，H。；Xu，Y.，未知约束输入非线性连续时间系统HJI方程的在线近似解，信息科学，328435-454（2016）·兹比尔1391.49053 ·doi:10.1016/j.ins.2015.09.001
[11] 孟晓凤。；Wang，Y。；Lv，M.-L.，带死区或齿隙输入非线性的多转向飞机自适应NN控制，工程数学问题，2017（2017）·Zbl 1426.93141号 ·doi:10.115/2017/4684303
[12] 陈，M。；Ge，S.S。；Ren，B.，具有输入约束的不确定MIMO非线性系统的自适应跟踪控制，Automatica，47，3，452-465（2011）·Zbl 1219.93053号 ·doi:10.1016/j.automatica.2011.01.025
[13] 图，F。；Ge，S.S。；Choo，Y.S。；Hang，C.C.，《多约束住宿船舶的自适应动态定位控制》，IET控制理论与应用，11，3，329-340（2017）·doi:10.1049/iet-cta.2016.0766
[14] 莫达雷斯，H。；刘易斯，F.L。；Naghibi-Sistani，M.-B.，部分未知约束输入连续时间系统自适应最优控制的积分强化学习和经验回放，Automatica，50，1，193-202（2014）·Zbl 1298.49042号 ·doi:10.1016/j.automatica.2013.09.043
[15] 文，G。；Ge，S.S。；图，F。；Choo，Y.S.，基于人工电位的住宿船舶自适应h∞同步跟踪控制，IEEE工业电子学报，64，7，5640-5647（2017）·doi:10.1109/TIE.2017.2677330
[16] Bechlioulis，C.P。；Rovithakis，G.A.，控制非线性系统中多输入多输出仿射的规定性能自适应控制，电气和电子工程师学会自动控制汇刊，55，5，1220-1226（2010）·Zbl 1368.93288号 ·doi:10.1109/TAC.2010.2042508
[17] Xiang，W。；李，N。；Sun，Y.，一类具有未知死区输入的不确定非线性系统的模糊自适应规定性能控制，工程数学问题，2017（2017）·Zbl 1426.93166号 ·doi:10.1155/2017/4386515
[18] D.Q.梅恩。；罗林斯，J.B。；Rao，C.V。；Scokaert，P.O.M.，约束模型预测控制：稳定性和优化，Automatica，36，6，789-814（2000）·Zbl 0949.93003号 ·doi:10.1016/S0005-1098（99）00214-9
[19] 吉尔伯特，E。；Kolmanovsky，I.，《状态和控制约束下的非线性跟踪控制：广义参考调速器》，Automatica，38，12，2063-2073（2002）·Zbl 1046.93020号 ·doi:10.1016/S0005-1098（02）00135-8
[20] 三通，K.P。；Ren，B。；Ge，S.S.，具有时变输出约束的非线性系统的控制，Automatica，47，11，2511-2516（2011）·Zbl 1228.93069号 ·doi:10.1016/j.automatica.2011.08.044
[21] 刘义杰。；Li，J.等人。；唐，S。；Chen，C.L.，带全状态约束非线性系统的基于神经网络控制的自适应学习设计，IEEE神经网络和学习系统汇刊，27，7，1562-1571（2016）·doi:10.1109/TNNLS.2015.2508926
[22] 他，P。；Sun，G。；王凤，《采暖工程》（1993），北京：中国建筑工业出版社，北京·doi:10.108057/IJASC.2016年12月4日。
[23] Kurkova，V.，Kolmogorov定理相关，神经计算，3，4，617-622（1991）·doi:10.1162/neco.1991.3.4.617
[24] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，《通过反向传播错误学习表征》，《自然》，3236088533-536（1986）·Zbl 1369.68284号 ·数字对象标识代码：10.1038/323533a0
[25] Ge，S.S。；Lee，T.H。；Harris，C.J.，机器人操作器的自适应神经网络控制，19（1998），《世界科学》
[26] QI，L.C.W。；朱霞，基于典型信号响应的热工对象最小二乘建模研究，哈尔滨工业大学学报，14，1，1-4（2007）
[27] Krstic，M.，《非线性控制中补偿长执行器延迟》，2008年美国控制会议论文集，ACC·Zbl 1367.93437号 ·doi:10.1109/ACC.2008.4586939
[28] 北卡罗来纳州夏尔马。；巴辛，S。；王，Q。；Dixon，W.E.，输入延迟不确定EulerLagrange系统的基于预测的控制，Automatica，47，11，2332-2342（2011）·Zbl 1228.93065号 ·doi:10.1016/j.automatica.2011.03.016
[29] 费舍尔，N。；丹妮，A。；北卡罗来纳州夏尔马。；Dixon，W.E.，输入时滞不确定非线性系统的饱和控制，Automatica，49，6，1741-1747（2013）·Zbl 1360.93495号 ·doi:10.1016/j.automatica.2013.02.013
[30] 三通，K.P。；Ge，S.S.公司。；Tay，E.H.，输出约束非线性系统控制的Barrier Lyapunov函数，Automatica，45，4，918-927（2009）·Zbl 1162.93346号 ·doi:10.1016/j.automatica.2008.11.017
[31] 赵，Z。；He，W。；Ge，S.S.，具有多输出约束的全驱动海上水面船舶的自适应神经网络控制，IEEE控制系统技术汇刊，22，4，1536-1543（2014）·doi:10.10109/TCST.2013.2281211
[32] Ge，S.S。；Wang，C.，一类非线性系统的直接自适应神经网络控制，IEEE神经网络和学习系统汇刊，13，1，214-221（2002）·数字对象标识代码：10.1109/72.977306
[33] 三通，K.P。；Ge，S.S.，使用一类前馈近似器控制全驱动海面船舶，IEEE控制系统技术汇刊，14，4，750-756（2006）·doi:10.1109/TCST.2006.872507
[34] 德穆思，H.B。；Beale，M.H。；De Jess，O。；Hagan，M.T.，神经网络设计（2014），Martin Hagan
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。