基于数据挖掘的房间空调器长效性能研究

发布时间：2017-08-28 15:18

  本文关键词：基于数据挖掘的房间空调器长效性能研究

  更多相关文章： 房间空调器 数据挖掘 长效性能 因素分析 运行优化

【摘要】：房间空调器长效性能研究对空调器在实际使用中的持续长久节能有着深远的意义,课题研究房间空调器的长效性能影响因素,对房间空调器的运行模式进行识别,探讨空调器长期运行中的参数设置及控制优化方法,提高空调器在长期运行中的节能潜力。本文采用调查问卷和实验测试的方法收集到大量与房间空调器运行性能相关的数据,用以分析空调器长效性能影响因素。另一方面,长期运行数据是空调器在实际环境中运行状态最直接的反映,为此,本文也通过长期监测的方式收集了空调器长期运行数据,用以分析空调器运行的内在规律。在对上述数据进行分析时,由于数据冗余、存在异常数据等原因,需要采用数据挖掘的方法。首先,在了解数据挖掘原理及对房间空调器长效数据的特点进行分析后,提出了房间空调器长效性能数据挖掘体系,主要包括长效性能数据库及数据挖掘系统。长效性能数据库的建立是为了充分收集房间空调器生命周期中与其性能相关的数据;而数据挖掘系统通过模块化的方式挖掘数据,满足空调器在设计、使用中的不同需求。然后,对收集到的调查数据、实验数据进行分析,探究影响空调器长效性能的直接因素、间接因素。采用聚类算法对45台空调器样本在长期使用后、清洗换热器后、重新灌注制冷剂后这三种状态下的性能变化进行分析,结果表明清洗空调器后其性能都会提升,而重新灌注制冷剂后部分空调器性能上升、部分空调器性能下降,这与空调器的最佳充灌比发生变化有关。采用关联规则挖掘,探究运行环境、用户使用习惯、维护方式对房间空调器结垢程度的影响,结果表明房间空调器结垢是一个受多因素影响的过程,不同参数的搭配、相同参数但取值不同的组合也可能会对空调器结垢程度产生同等的影响。空调器性能发生变化后,已有的优化控制方式可能会失效。为此,对空调器的长期运行数据进行分析,探究空调器长期节能的方法。通过聚类算法对空调器的运行模式进行识别,归纳出三种模式,即上午高负荷模式、下午高负荷模式及低频平稳模式,在制冷季节,上午(下午)高负荷模式在上午(下午)时其室外温度达到峰值,对应的功率及制冷性能系数(Energy Efficiency Ratio,EER)分别达到峰值及谷值,低频平稳模式下由于室外温度并不高,在开机后运行比较稳定,运行参数变化不大。采用统计学及关联规则挖掘对制冷模式下空调器稳定运行时各运行参数间的关系进行分析,结果表明各参数之间有着明确的联系。采用神经网络算法,研究基于空调器送风侧参数预测空调器功率及EER的方法,并建立神经网络预测模型,该方法的预测误差在15%以内,可以通过控制空调器运行时的送风侧参数,达到控制空调器性能的目的。根据以上研究成果,本文提出了房间空调器的运行性能优化方案,结合获取到的运行数据,在识别出当前空调器的使用模式后,结合预测模型及优化算法,得出较优的空调器运行参数设置。
【关键词】：房间空调器 数据挖掘 长效性能 因素分析 运行优化
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM925.12;TP311.13
【目录】：

• 摘要5-7
• Abstract7-12
• 第一章 绪论12-30
• 1.1 课题研究背景和意义12-14
• 1.1.1 研究背景12-13
• 1.1.2 研究意义13-14
• 1.2 数据挖掘研究现状14-23
• 1.2.1 数据挖掘技术在空调器产品中的应用14-18
• 1.2.2 数据挖掘技术在建筑负荷中的应用18-19
• 1.2.3 数据挖掘技术在其它制冷设备中的应用19-21
• 1.2.4 数据挖掘技术在空调器零部件中的应用21-23
• 1.2.5 研究现状总结23
• 1.3 房间空调器长效性能研究现状23-28
• 1.3.1 房间空调器整机长效性能研究23-24
• 1.3.2 房间空调器压缩机长效性能研究24-25
• 1.3.3 房间空调器换热器长效性能研究25-26
• 1.3.4 房间空调器其它部件长效性能研究26-27
• 1.3.5 研究现状总结27-28
• 1.4 课题研究内容28-30
• 第二章 房间空调器长效性能评价模型及数据收集30-39
• 2.1 房间空调器长效性能评价模型30-33
• 2.1.1 长效性能评价指标的选取30-31
• 2.1.2 长效性能评价指标的计算31-33
• 2.2 房间空调器长效性能相关数据收集33-38
• 2.2.1 实验数据收集33-34
• 2.2.2 调查数据收集34-35
• 2.2.3 运行数据收集35-38
• 2.3 本章小结38-39
• 第三章 数据挖掘在房间空调器长效性能中的应用39-52
• 3.1 数据挖掘的一般流程39-40
• 3.2 房间空调器长效性能相关数据分析40-41
• 3.3 基于数据挖掘的房间空调器长效性能研究方法41-50
• 3.3.1 长效性能数据库的搭建41-44
• 3.3.2 长效性能数据挖掘体系的建立44-50
• 3.4 本章小结50-52
• 第四章 房间空调器长效性能影响因素分析52-66
• 4.1 分析方法介绍52-59
• 4.1.1 聚类算法介绍52-55
• 4.1.2 关联规则挖掘算法介绍55-57
• 4.1.3 数据离散化57-59
• 4.2 空调器长效性能直接影响因素分析59-61
• 4.3 空调器长效性能间接影响因素分析61-65
• 4.4 本章小结65-66
• 第五章 房间空调器模式识别及控制优化66-84
• 5.1 房间空调器在线数据收集及处理66-67
• 5.1.1 当前空调器运行状态的判断66-67
• 5.1.2 各天运行参数的时间归一化处理67
• 5.2 空调器运行模式识别67-72
• 5.2.1 空调器全年功率变化模式67-69
• 5.2.2 空调器制冷模式下的运行参数变化模式69-71
• 5.2.3 空调器模式识别的应用71-72
• 5.3 稳定运行时空调器的性能参数与环境参数、运行频率的关系72-76
• 5.3.1 基于统计学的运行参数关系分析72-74
• 5.3.2 基于关联规则的运行参数关系分析74-76
• 5.4 稳定运行状态下空调器的能效预测76-79
• 5.5 房间空调器运行性能优化策略79-82
• 5.6 本章小结82-84
• 结论与展望84-86
• 研究成果84-85
• 研究展望85-86
• 参考文献86-94
• 攻读硕士学位期间取得的研究成果94-95
• 致谢95-96
• 附件96

【相似文献】

中国期刊全文数据库 前10条

1 乌英格;陈宝平;;数据挖掘在客户关系管理中的应用[J];内蒙古科技与经济;2005年24期

2 焦健;王祥;;数据挖掘在美国本土安全中的应用[J];舰船电子工程;2006年01期

3 杨洋;;Web数据挖掘的分析与探讨[J];装备制造技术;2006年05期

4 刘娟;;Web数据挖掘及其在个性化网上购物实现的探讨[J];企业技术开发;2007年07期

5 李世超;麦范金;;数据挖掘在现代企业经营管理中的应用[J];桂林航天工业高等专科学校学报;2008年04期

6 崔永君;;数据挖掘的系统构成与发展趋势[J];硅谷;2009年03期

7 侯晓凌;;浅谈数据挖掘[J];科学之友(B版);2009年04期

8 张涛;;Web数据挖掘现状分析[J];科学之友(B版);2009年06期

9 黄雄伟;陈定方;祖巧红;;Web数据挖掘可视化研究与应用[J];湖北工业大学学报;2009年04期

10 王岩;;数据挖掘领域探索[J];硅谷;2010年05期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪（LAM Wing Ho）;基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

4 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

5 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

6 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

7 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

8 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

9 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

10 安康;基于数据挖掘的商业银行客户关系管理研究[D];兰州交通大学;2014年

，

本文编号：748319