浅谈景电工程泵站节能增效的途径和方法

景电工程是我国最大的提灌工程,曾被列入＂中华之最＂。该工程自建成以来取得了巨大的经济效益、社会效益和生态效益。但从目前灌区的运行状况来看,景电灌区属高扬程电力提水,能耗大,灌溉用水成本高,需节能增效。而节能增效在泵站只有降低上水成本,减少能耗,提高泵站的提水效率。     

浅谈节能建筑发展之可持续性

随着现代经济迅猛发展,我国人居环境不断提升,对住宅的舒适性要求越来越高,建筑能耗也随之增高。据统计,目前我国建筑能耗约占国民经济总能耗的25%左右,且呈上升趋势。另一方面,随着建筑能耗的增加和大量空调设备的安装,＂城市热岛效应＂日益严重,使环境日益恶化。本文通过对目前国内建筑能耗现状的分析,指出了建筑节能工作的重要性由此阐述了搞好建筑节能工作的具体措施,进而提出我国建筑节能工作的可持续性发展前景。     

密云科技支撑水源地生态沟域经济

北京是一个缺水的城市,水资源人均占有量为世界平均的1／25,我国人均的1／6,水资源短缺已经成为制约北京城市经济发展的主要因素之一。密云水库作为首都的重要地面供水水源,直接关系到首都经济发展和人民生活。     

列车运行能耗与乘客换乘时间协同优化研究

为减少轨道交通系统运营总能耗和乘客换乘时间,以列车的在站停留时间为决策变量,建立了一种协同优化的时刻表优化模型,并设计了求解该模型的遗传算法。应用北京地铁五号线和亦庄线的实际数据展开算例研究,验证模型和算法的有效性。结果表明,该研究较优化前的轨道交通系统总能耗减少5.15%,乘客换时间减少17.66%。     

玻璃幕墙建筑的节能措施

本文简单介绍了玻璃幕墙对节能的影响,并介绍了针对玻璃幕墙建筑的几种节能措施。以某高校玻璃幕墙图书馆为例,分析了玻璃幕墙在实际应用中的一些欠缺,并提出几种节能措施。     

元胞自动机FI交通流模型的能耗研究

在周期边界条件下,通过引入确定(随机)减速过程中动能减少的车辆分布,研究单一交通流元胞自动机Fukui-Ishibashi模型(FI模型)的能耗问题.研究发现,FI交通流模型的能耗在最大流量处发生不连续的变化,急剧减少趋近零,其左右各存在交通能耗极大值.在最大流量处,确定(随机)减速过程中动能减少的车辆分布最小,交通能耗随着车辆最大速度的增大,车辆长度的增长和随机减速概率的增大而增加.     

带睡眠机制的IEEE 802.15.4 MAC协议性能分析

针对IEEE 802.15.4中的周期性睡眠机制,提出了一种IEEE 802.15.4 MAC协议实时应用中完全基于时隙分析的精确建模方法.该方法把IEEE 802.15.4的睡眠机制以及载波侦听多址接入/冲突避免(CSMA/CA)机制同时纳入考虑,将整个超帧以退避时隙为单位进行划分.通过对2个机制精确到时隙的建模,分析了网络负载以及占空比特别是睡眠机制对能耗、吞吐量及平均服务延迟等网络性能的影响.NS-2仿真结果表明,该模型可准确预测实时应用中IEEE 802.15.4网络性能,且在相同数据率条件下占空比适当的睡眠机制可使得能量消耗以及网络吞吐量达到最优值.     

我国典型村镇生活用能现状及影响因素分析

在能源供需日益紧张和大力发展村镇建设的背景下,关注村镇能源系统的建设,对我国严寒地区、寒冷地区、夏热冬冷地区的10个典型性村镇进行实地调查和数据采集,并归纳当地村镇生活用能种类和特征.采用软件M atlab进行数据处理,对村镇能源消费做社会因素分析,得到影响能源消费各个因素的相关性.     

建筑能耗软件协同开发及可靠性技术方法

建筑全性能模拟软件具有功能模块繁多、模块结构各异、独立性强等特征,面对其软件开发的多团队协同、多模块集成、可靠准确验证等需求,本文提出了建筑能耗模拟软件协同开发管理体系,采用GitLab平台进行代码管理、及其协同开发与集成,同时给出了软件可靠性在线检测工具,以及ASHRAE-140标准的软件准确性检验方法,建立了一套多家协同、科学可靠、准确高效的协同开发管理体系,实现了建筑全性能仿真平台内核的开发研制。     

数据分布特性对空调系统能耗预测的影响

空调系统能耗预测是实现智能调控、能源需求管理、系统节能的重要手段和前提之一,当前的空调系统能耗预测主要是基于机器学习算法。诸多机器学习算法的重要理论前提是数据的分布应尽量满足正态分布,然而空调系统的实际运行数据很少能满足正态分布特性,目前的研究鲜有涉及数据分布特性对空调系统能耗预测的影响。首先基于实际项目的空调系统能耗数据,从偏度和峰度两个指标分析了实际能耗数据分布与正态分布呈现出的偏离;然后通过对数变换对能耗数据进行数据变换,使能耗数据更接近于正态分布;接着以常见的4种能耗预测机器学习算法(广义线性回归算法、支持向量回归算法、人工神经网络算法、随机森林算法)对原始数据和经过数据变换后的数据分别进行空调系统能耗预测工作,分析负荷预测结果的RMSE和R~2统计量。结果对比发现,数据的分布特性对能耗预测有着重要的影响,合适的数据变换可以有效地提高空调系统能耗预测机器学习算法模型的预测效果。