重庆理工大学学报(自然科学) ›› 2023, Vol. 37 ›› Issue (3): 212-221.
卢志敏,饶 伟,江 琳
摘要: 根据室外温度和相对湿度环境变量,采用极限学习机(extremelearningmachine, ELM)搭建空调表冷系统室内温湿度预测模型,解决了空调表冷阀门协调控制问题,采用斐波拉 契(Fibonacci)搜索算法优化了极限学习机的隐含层节点数,提出了斐波拉契极限学习机 (FELM),从而提高了预测模型的精度。传统的平衡优化算法(EO)收敛速度慢,且容易陷入局 部极小,将 K中心聚类算法(KMedoids)嵌入到平衡优化算法中,提高了优化算法的性能。利用 中心平衡优化算法(KEO)滚动优化得到表冷系统 3个阀门的控制量,即主表冷阀、副表冷阀和 电动三通阀的开度。仿真实验表明:与传统的 ELM预测控制算法相比,KEOFELM预测控制具 有更高的稳定性和跟踪性,以及更好的节能效果。
中图分类号: