- 文献综述（或调研报告）：
冷热源机房快速建模方法文献综述
摘要：当下，随着经济发展与科技水平的提高，越来越多的工厂及公共建筑使用集中式的冷热源系统，而冷热源系统在运行过程中随着室内外工况的变化可能存在诸多问题，本文针对冷热源机房系统，从系统建模、系统性能优化及系统故障诊断三个方面综述了近年来国内外取得的相关成果。
关键词：冷热源系统 建模 优化 故障诊断
Abstract: At present, with the development of economy and the improvement of scientific and technological level, more and more factories and public buildings are using centralized cold and heat source systems, and there may be many problems in the operation of the cold and heat source systems with the changes of indoor and outdoor working conditions, in this paper, the relative achievements in modeling and optimizing the system of the cold and heat source computer room are summarized.
Keywords: Heating and Cooling System; Modeling; Optimization; Fault diagnosis
建筑中制冷采暖所耗费的能源在整个建筑能源的使用中占据的很大的比重，冷热源机组运转在一个稳定高效的工作状态下可以极大的减少不必要的能耗，国内外已有较多关于建筑冷热源机房建模与优化的相关文献，总结来说主要有一下几类：
① 冷热源机房的模型建立
目前主流的冷热源系统建模方法主要有数据驱动模型（黑箱模型）、基于物理模型（白箱模型）以及灰箱模型。
通常来说数据驱动模型完全依赖于输入和输出变量的测量数据，并将其拟合为线性和非线性函数，使其尽可能接近系统的行为。这些模型包括许多已经使用的技术，例如数据挖掘算法（例如ANN和SVM），模糊逻辑模型（例如FAN和ANFIS）以及统计模型（例如ARX，ARMAX和ARIMA）等等[1]。数据驱动模型通常在训练数据上具有很高的准确性，但存在因不同系统形式导致的泛化能力较差等问题。
Kusiak[2]等人使用数据挖掘算法对冷热源机房每日蒸汽负荷进行了建模，测试了包括随机森林、支持向量机、提升树、人工神经网络等多种数据挖掘方法对冷热源系统进行建模。最终确定了具有5个多层感知器的神经网络在建模过程中表现最佳，并使用该方法建立了机房每日蒸汽消耗量的估算和预测模型。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
