论文部分内容阅读
通信业因其支柱性产业特点已成为全社会节能减排的重要推手,而通信基站因其能耗巨大成为通信行业的节能重点。面向通信基站节能降耗技术研究,如智能时隙关断、机房通风与热交换节能、新能源新材料节能等,已成功应用于基站节能工程,而节能效率的评鉴仍严重依赖于人工离线分析方法,成为制约通信基站节能降耗整体推进的技术瓶颈。因此,基于基站空调能效比的实时节能量计算方法的研究已成为热点课题。本文系统地分析了通信基站节能现状与策略,综述了基站节能的技术方法和节能效益评测体系,客观地评价了现有通信基站节能效率人工离线评价方法的缺陷,指出了实时节能量自动在线计算的发展趋势,提出了基于粒子群算法的空调能效比EER模型参数辨识与优化方法。为此,本文针对粒子群优化算法易于陷入局部最优和后期收敛速度慢等缺陷,提出了基于种群熵的自适应爬山粒子群算法和基于非线性共轭梯度法的粒子群小波神经网络,采用小波神经网络辨识EER模型参数,并用改进粒子群算法优化小波神经网络权值,从而达到提高模型有效性和准确性的目的。在算法研究的基础上,本文以某市通信运营商安装新风节能系统和电池恒温柜的12个测试基站为对象,采集了部分时段的能耗数据与相关参数,并将传统最小二乘法拟合模型与改进粒子群算法拟合模型进行比较。通过对采集的部分数据进行测试,结果表明:本文采用的改进粒子群算法辨识空调能效比EER模型比传统的最小二乘法拟合模型更精准,且在采用空调能效比计算基站基准能耗的过程中,表现出更高的准确度,从而验证了本文改进粒子群算法在系统参数辨识应用中的有效性与可行性。