[發(fā)明專(zhuān)利]一種基于GA-RBF算法的既有建筑多目標(biāo)優(yōu)化改造決策方法有效
| 申請(qǐng)?zhí)枺?/td> | 202010773071.0 | 申請(qǐng)日: | 2020-08-04 |
| 公開(kāi)(公告)號(hào): | CN111881505B | 公開(kāi)(公告)日: | 2022-06-03 |
| 發(fā)明(設(shè)計(jì))人: | 趙曉峰;葛笛 | 申請(qǐng)(專(zhuān)利權(quán))人: | 河北工業(yè)大學(xué) |
| 主分類(lèi)號(hào): | G06F30/13 | 分類(lèi)號(hào): | G06F30/13;G06F30/27;G06N3/04;G06N3/12;G06F111/06;G06F111/08;G06F111/10 |
| 代理公司: | 天津翰林知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12210 | 代理人: | 付長(zhǎng)杰 |
| 地址: | 300130 天津市紅橋區(qū)*** | 國(guó)省代碼: | 天津;12 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 ga rbf 算法 既有 建筑 多目標(biāo) 優(yōu)化 改造 決策 方法 | ||
1.一種基于GA-RBF算法的既有建筑多目標(biāo)優(yōu)化改造決策方法,其特征在于,該方法包括以下步驟:
步驟1:以制冷能耗、熱舒適、改造成本三者同時(shí)達(dá)到最小作為既有建筑改造優(yōu)化目標(biāo),并構(gòu)建目標(biāo)函數(shù),確定既有建筑多目標(biāo)優(yōu)化改造的決策變量種類(lèi)及數(shù)量P,同時(shí)確定每個(gè)決策變量的優(yōu)化區(qū)間;
步驟2:確定參考建筑,基于建筑結(jié)構(gòu)信息對(duì)參考建筑進(jìn)行既有建筑性能模擬,設(shè)計(jì)正交表,根據(jù)正交表改變決策變量值模擬得相應(yīng)的優(yōu)化目標(biāo)值,將決策變量與其對(duì)應(yīng)的優(yōu)化目標(biāo)值對(duì)應(yīng)作為樣本數(shù)據(jù);
步驟3:建立既有建筑性能模擬RBF神經(jīng)網(wǎng)絡(luò)模型,模型采用三層RBF神經(jīng)網(wǎng)絡(luò);設(shè)定神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)I,中心寬度值S,RBF神經(jīng)網(wǎng)絡(luò)模型輸入數(shù)據(jù)為決策變量值構(gòu)成的向量,輸出數(shù)據(jù)為目標(biāo)函數(shù)值構(gòu)成的向量;訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)模型,獲得最優(yōu)網(wǎng)絡(luò)參數(shù)下的既有建筑性能模擬RBF神經(jīng)網(wǎng)絡(luò)模型;
步驟4:獲得最優(yōu)網(wǎng)絡(luò)參數(shù)下的既有建筑性能模擬RBF神經(jīng)網(wǎng)絡(luò)模型作為建筑結(jié)構(gòu)信息模型的簡(jiǎn)化模型,利用NSGA-Ⅱ算法對(duì)多目標(biāo)優(yōu)化計(jì)算,在每一次迭代中NSGA-Ⅱ算法都調(diào)用RBF神經(jīng)網(wǎng)絡(luò)模型獲得輸出向量矩陣以更新下一次迭代的種群,實(shí)現(xiàn)RBF神經(jīng)網(wǎng)絡(luò)模型與NSGA-Ⅱ算法的動(dòng)態(tài)耦合,獲得帕累托最優(yōu)解集;
步驟5:通過(guò)對(duì)計(jì)算出的帕累托最優(yōu)解集進(jìn)行統(tǒng)計(jì)學(xué)分析,得出決策變量的分布情況,從而獲得所需的最優(yōu)改造措施;
所述步驟2中,按照設(shè)計(jì)正交表在EnergyPlus建筑性能模擬軟件中對(duì)參考建筑進(jìn)行改變各決策變量值的性能模擬,針對(duì)每組決策變量獲得相應(yīng)的制冷能耗、熱不適時(shí)間值,利用目標(biāo)函數(shù)轉(zhuǎn)換為熱不適時(shí)間比;重復(fù)實(shí)驗(yàn)獲得多組包含決策變量與其對(duì)應(yīng)的制冷能耗、熱不適時(shí)間比的實(shí)驗(yàn)數(shù)據(jù);
然后根據(jù)獲得各類(lèi)建材及設(shè)備的平均市場(chǎng)價(jià),對(duì)單價(jià)和相應(yīng)決策變量進(jìn)行回歸分析,獲得正交表相應(yīng)組的對(duì)應(yīng)的成本值,另做一列對(duì)應(yīng)存入之前的實(shí)驗(yàn)數(shù)據(jù)中,最終形成包含所有決策變量與其對(duì)應(yīng)的三個(gè)優(yōu)化目標(biāo)的樣本數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的改造決策方法,其特征在于,所述步驟1中的具體過(guò)程是:
1.1確定決策變量和約束:以一年內(nèi)制冷能耗、熱舒適、改造成本為既有建筑改造優(yōu)化目標(biāo),針對(duì)既有建筑的結(jié)構(gòu)要求確定決策變量為外墻保溫層的傳熱系數(shù)(HTCw)、屋頂保溫層的傳熱系數(shù)(HTCr)、屋頂?shù)耐鈧?cè)太陽(yáng)輻射吸收系數(shù)(SRAC)、外窗玻璃的傳熱系數(shù)(U)、外窗玻璃太陽(yáng)得熱系數(shù)(SHGC)、空調(diào)系統(tǒng)的種類(lèi)(T)和有無(wú)新風(fēng)熱回收機(jī)組(F),共七個(gè)決策變量;
確定決策變量的優(yōu)化區(qū)間,即外墻保溫層的傳熱系數(shù)的優(yōu)化范圍為0.7~1.2W/m2·k,屋頂保溫層的傳熱系數(shù)的優(yōu)化范圍為0.6~0.8W/m2·k,屋頂?shù)耐鈧?cè)太陽(yáng)輻射吸收系數(shù)的優(yōu)化范圍為0~1,外窗玻璃的傳熱系數(shù)的優(yōu)化范圍為1.4~6.4W/m2·k;空調(diào)系統(tǒng)的種類(lèi)優(yōu)化區(qū)間為[1,3],1對(duì)應(yīng)多聯(lián)機(jī),2對(duì)應(yīng)一體機(jī),3對(duì)應(yīng)風(fēng)機(jī)盤(pán)管加新風(fēng)系統(tǒng);有無(wú)新風(fēng)熱回收機(jī)組F的優(yōu)化區(qū)間為[0,1],有新風(fēng)熱回收機(jī)組對(duì)應(yīng)值為1,無(wú)新風(fēng)熱回收機(jī)組對(duì)應(yīng)值為0;
1.2確定優(yōu)化的目標(biāo)函數(shù)及變量約束:
目標(biāo)函數(shù)為:
式中,Q(x)為制冷能耗;R(x)為熱不適時(shí)間比,Cost(x)為改造成本,x為決策變量值構(gòu)成的向量,X為所有決策變量值構(gòu)成的向量的矩陣;
式中,Tpmv>0.7指一年中PMV的絕對(duì)值超過(guò)ISO 7730中較不緊急的舒適類(lèi)別C的上限0.7,即舒適區(qū)域的邊界線的時(shí)間;
Cost(x)=AWal×CWal(x)+AR×CR(x)+CWin(x)+CHVAC(x)
式中:AWal為墻體表面積,單位為m2;CWal(x)是選定的墻體保溫材料的成本,單位為元/m2;AR是屋頂表面積,單位為m2;CR(x)為所選屋面保溫材料的成本,單位為元/m2;CWin(x)是所選窗戶(hù)類(lèi)型的成本,單位為元/扇;CHVAC(x)是所選的暖通空調(diào)系統(tǒng)的成本,單位為元;
變量約束為:
該專(zhuān)利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專(zhuān)利權(quán)人授權(quán)。該專(zhuān)利全部權(quán)利屬于河北工業(yè)大學(xué),未經(jīng)河北工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專(zhuān)利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010773071.0/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專(zhuān)利網(wǎng)。
- 一種基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量測(cè)量方法
- 基于k均值的RBF神經(jīng)網(wǎng)絡(luò)算法的電機(jī)故障診斷方法
- 一種配有RBF網(wǎng)絡(luò)的AGC系統(tǒng)支持的厚度測(cè)量裝置
- RBF?AR模型的新型網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)辨識(shí)方法
- 一種基于FOA優(yōu)化的SOM?RBF的壓力傳感器溫度補(bǔ)償方法
- 基于RBF神經(jīng)網(wǎng)絡(luò)的機(jī)械手運(yùn)動(dòng)學(xué)逆解方法
- 基于PCA-GA-RBF的換熱器污垢生長(zhǎng)預(yù)測(cè)方法
- 基于混合遞階遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)RBF評(píng)價(jià)方法
- 體紋理合成方法、裝置與設(shè)備
- 一種無(wú)需角速度反饋的快速響應(yīng)小衛(wèi)星姿態(tài)控制方法





