基于PSO-SA优化的LSSVM空调负荷预测

对空调负荷进行准确预测不仅对优化空调控制的意义重大,也是实现空调经济运行与节能的关键所在。为了提高建筑空调负荷的预测精度,在分析最小二乘支持向量机建模特点的基础上提出了利用PSO-SA优化的一种空调负荷预测算法。该方法利用粒子群—模拟退火方法对最小二乘支持向量机的参数进行优化选择,提高模型的精度和泛化能力。通过空调负荷预测建模的结果表明,该方法具有学习速度快、跟踪性能好以及泛化能力强等优点,为实现空调系统的优化运行奠定了基础。     

基于多元非线性回归法的商场空调负荷预测

提出了一种基于多元非线性回归的商场空调负荷预测快速建模方法,采用实际用能系数描述不同时刻商场空调的负荷特性,建立了空调负荷预测模型,在提高预测建模速度的同时很大程度上避免了由于训练样本不完备而导致的预测精度波动。利用广州某商场空调负荷的实测数据进行了仿真实验,得到空调负荷与其影响因素之间的多元非线性拟合方程。揭示各种因素对空调负荷的影响规律,仿真结果验证了该方法的有效性和可行性。     

建筑空间负荷预测方法

对建筑空间负荷计算方法的研究现状进行了分析总结,归纳出3类主要的负荷计算方法:基于机理建模的计算方法,基于数据学习的逐时预测方法,基于软测量的实时预测方法。基于机理建模的计算方法比较成熟,准确性高,比较适合在建筑空调系统的设计阶段进行模拟分析。后2种方法适用于空调运行阶段的实时调控,具有较大的发展潜力,但基于数据学习的逐时预测方法需要进一步加强模型泛化能力及动态实时性方面的研究,基于软测量的实时预测方法则需要在模型准确性、参数辨识有效性等方向重点关注。     

空调运行负荷的混沌特性分析及GRNN混沌预测方法研究

准确预测空调运行负荷是实际建筑实现空调系统优化控制的关键。本文以海南三亚市2座五星级宾馆的空调运行负荷实测数据为基础,应用混沌理论分析空调运行负荷的混沌特性,利用广义回归神经网络(GRNN)建立混沌预测模型,对提前1 h和提前24 h的短期预测效果进行验证。研究结果表明:2座宾馆的空调运行负荷均具有混沌特性,在不规则的变化趋势中蕴含着内在规律,可以利用混沌预测方法对负荷进行预测;基于GRNN的混沌预测模型具有建模简单、鲁棒性好的优点,提前24 h的多步预测采用迭代法优于直接法,2座宾馆的提前1 h预测的期望偏差百分数(EEP)分别为6.1%和8.2%,提前24 h迭代预测的EEP值分别为8.5%和10.8%,仅基于历史负荷数据就可以实现较满意的预测精度。     

基于Census X12-GM(1,1)模型的在线空调负荷预测

在线空调负荷预测是冰蓄冷空调系统优化控制的前提和基础。本文在对Census X12季节调整和GM(1,1)灰色预测模型特点进行分析的基础上,提出将两者融合用于空调负荷的在线预测。该方法用于一栋采用冰蓄冷系统的商业建筑的空调负荷预测,并与采用X12-ARIMA方法和单独采用GM(1,1)方法的预测结果进行比较,结果表明该建模方法具有较高的预测精度和较好工程适应性。     

基于混沌支持向量回归机的短期空调负荷预测

提出了1种基于混沌分析和支持向量回归机的短期空调负荷预测建模方法。通过研究实际空调负荷序列的混沌特性,确定其混沌特征参数并选取支持向量回归机进行预测。支持向量机建模过程使用粒子群算法进行参数寻优。仿真结果表明,空调负荷序列具有一定的混沌特性,使用混沌支持向量机方法的预测精度比单一支持向量机法预测结果 EEP指标降低了31.4%,预测精度有了明显提升。     

区域能源站空调负荷的实时预测研究

在现有单体建筑空调负荷预测的研究基础之上,分析区域建筑群实时空调负荷的特点,确定了区域建筑群实时空调负荷的影响因子,并对武汉某区域能源站的逐时空调负荷进行了预测。将室外气象参数、不同功能建筑的影响因素作为输入端,把25 d的历史数据作为样本参数进行训练,并对预测日24 h的空调负荷进行预测,将工作日和周末的负荷预测结果进行了对比分析,发现负荷预测值与实际值较吻合,可以作为其他区域能源站的参考。     

区域建筑负荷与能耗预测研究综述

合理的预测区域建筑负荷与能耗是低碳城市建设的重要基础。本文从两方面阐述区域建筑负荷与能耗预测的研究现状:1、影响区域建筑负荷与能耗的因素;2、区域建筑负荷与能耗预测方法。影响区域建筑负荷与能耗的因素包括单体建筑能耗影响因素以及区域特有的影响因素(城市形态与微气候)。预测基本方法有以下三种:自上而下法、自下而上法以及情景分析法。由于没有成熟的区域建筑负荷与能耗预测软件,目前主要有以下两种预测方法:1、采用基本方法建模:如基于实际调研获得的统计模型和利用GIS技术建模等。2、考虑到微气候与城市形态的影响通常是通过能耗模拟软件与其他工具耦合的方法进行模拟。     

人工神经网络在空调系统负荷预测中的应用

采用理论分析的方法，通过分析国内外在该方面的研究成果，剖析了人工神经网络在空调系统负荷预测中的应用，指出了利用人工神经网络（ANN）具有的高度的并行处理和可完成复杂的输入输出的非线性映射能力，进行空调系统负荷预测精度高、准确度好。ANN是一种有效的空调负荷预测手段。     

城市规划阶段建筑空调负荷预测方法

提出一种基于建筑空调负荷指标和气象参数的负荷因子法,分别计算建筑围护结构负荷、新风负荷、人员负荷、照明负荷及设备负荷,逐时叠加获得总的建筑空调负荷。利用正交试验对建筑空调负荷影响因素的显著性进行了分析,得出室外气象条件、室内设计参数及新风标准为建筑空调负荷预测的显著性影响因素。     

空调系统负荷分段预测与研究

为了改善空调系统的能源消耗,根据空调系统实际运行时的环境数据和负荷数据,采用神经网络的方式建立空调系统的负荷预测模型,通过负荷预测得到博物馆所需的空调负荷,以此作为空调系统节能优化的基础。根据BP神经网络具有的非线性特性以及强大的自学习自适应能力,对博物馆的空调负荷进行预测,建立基于BP神经网络的负荷预测模型,分析研究仿真得到结果,发现其不足之处主要体现在准确性上,之后对神经网络后改进进行分段预测,将通过仿真实验预测的结果与实际运行的负荷进行对比,结果表明改进后预测的结果具有较好的准确性。     

基于深度学习LSTM模型的短期空调负荷预测

通过预测空调负荷,提前改变空调运行状态可以有效提高空调系统的运行效率、改善室内热环境.本文提出基于深度学习LSTM模型短期空调负荷预测方法,对某建筑空调冷负荷进行预测,结果证明相对于传统预测模型,LSTM模型的误差更低,预测效果更好.     

空调负荷混沌特性分析与预测

影响空调负荷因素比较多,且难于确定和提取,这就造成空调负荷的拟合和预测精度较低.在对空调负荷时间序列混沌特性分析的基础上,利用嵌人相空间来确定前期影响因子,建立了基于混沌相空间技术的BP神经网络模型.模型既能考虑到影响空调负荷时间序列的动力因子,又能解决网络输入单元数确定的困难,并能利用神经网络超强的非线性映射功能,结合空调负荷实例的拟合与预测,表明其结果合理,预测精度较高.     

四种空调负荷预测方法分析比较

在中央空调优化节能运行之前,准确预测空调负荷具有非常重要的意义。不同的中央空调工程选择不同的空调负荷预测方法可能会有不同的节能效果。介绍回归分析法、灰色预测法、指数平滑法、神经网络法等四种典型性预测方法,并对四种方法做一个大致的比较分析,得出各种方法的优点与缺陷。     

基于大数据的我国公共建筑空调负荷预测的研究进展

公共机构能耗监测平台为大型公共建筑空调节能运行和管理提供了大量数据。冷(热)负荷预测是建筑节能运行的关键环节,是实现建筑空调系统的优化控制的基础。文章从公共机构建筑大数据预处理、负荷预测算法及在空调系统节能运行应用等方面,综述了基于数据的公共机构办公建筑空调负荷预测进展,并进行展望。     

基于电力大数据和人工智能的短期负荷预测

负荷预测是电力系统规划、调度、运行、检修中的一项重要内容,也是D5000和OPEN3000平台的重要模块。在"能源互联网"和"互联网+"的现代背景下,电网负荷受多重复杂因素影响。本文分析了如何挖掘快速增长的电力大数据信息,提取各影响因素的特征参量,将其用于短期电力负荷预测。同时,讨论了如何采用现代人工智能算法,分析各因素对短期负荷的作用机理实现精准预测。最后,指出未来的主要研究方向,并对我国电力负荷预测工作的开展提出了相应建议。     

机理计算与机器学习结合的空调负荷预测

文章提出了一种机理计算与神经网络学习相结合的在线负荷预测方法。利用Python建立了统计学预测模型、支持向量机预测模型、随机森林预测模型。并通过将溧阳某一建筑实际空调负荷数据逐步输入模型之中模拟建筑的实时运行,对1年内和1年后的泛化能力进行分析。模拟结果表明,随着实际负荷数据的逐步增加,通过在线学习逐步完善性能,可以快速建立建筑的空调负荷预测模型。机器学习预测空调负荷的方式扩大了负荷预测的使用范围,提高了冷冻站智能化运行的水平。     

体育建筑非空调区照明与间歇运行对分层空调负荷影响的分析

传统分层空调负荷计算方法的辐射热转移负荷仅考虑非空调区高温壁面对空调区低温壁面辐射引起的负荷,并未考虑非空调区照明设备与空调区之间的辐射热转移负荷,而将非空调区照明得热形成的负荷全数作为非空调区空气得热。为研究非空调区照明设备与空调区之间的辐射热转移后对热转移负荷的影响,以某体育中心比赛大厅为研究对象,在现行大空间分层空调负荷计算方法的基础上,将非空调区照明负荷假想成比赛区非空调区上空一均匀面热源,假定照明灯具均带不透明的灯罩,并近似认为不影响室内气流流动。根据面热源辐射散热比例,通过计算该面热源与空调区地板之间的辐射量并附加一定的修正系数(取1.3)得到空调区辐射热转移量。同时,考虑到体育馆经常为间歇性运行工况,为研究间歇性运行工况与连续性运行工况之间的差别,对研究对象进行了相关调查研究,假想设定了一些通常存在的间歇性工况并基于间歇运行工况进行了照明辐射散热对负荷的影响。研究非空调区照明向空调区转移的辐射热转移负荷发现:在非空调区,与不考虑照明辐射散热相比,考虑非空调区照明总散热中辐射散热占比为50%时,间歇运行对流和辐射总热转移负荷增加了8.8%;考虑照明总散热中辐射散热占比为0%~100%时,间歇运行对流和辐射总热转移负荷增加了0.0%~19.0%。通过分析体育建筑运行及其空调负荷构成特点,提出了针对体育馆间歇运行特征的分层空调负荷计算方法。由论文设定的间歇运行工况计算得出间歇运行负荷是连续运行的92.3%。同时,还得到间歇运行时重型建筑分层空调负荷是轻型建筑的93.3%等结论。     

展会建筑空调负荷特性研究

本文采用数值模拟和空调负荷计算的方法对展会建筑分层空调负荷进行系统研究，研究表明本文采用的研究方法适用于舒适性条件下空调负荷的研究；展会建筑空调负荷的影响因素很多，主要影响因素为内扰密度、建筑材料和建筑体量。分层空调负荷随内扰密度增加而增大；当建筑物材料采用大面积透明材料时，围护结构负荷明显增大，分层空调负荷增大；当建筑面积增加时，分层空调负荷增大；而当展会建筑体型满足分层空调要求时，建筑的长宽比和高度对展会建筑空调负荷的影响不大。     

基于小波分解和支持向量机的办公建筑空调负荷预测

提出了一种基于小波分解-支持向量机(WD-SVM)的办公建筑空调负荷预测建模方法,利用小波分解将具有较强随机性和非线性的空调负荷信号进行分解,然后利用支持向量机对分解后不同频率下的分支数据进行预测建模,从很大程度上避免了由于训练样本不完备而导致的支持向量机预测精度波动。仿真结果表明,WD-SVM方法的预测精度评价指标EEP比单支持向量机法降低33.6%,预测精度有明显提升。