|
|||||
|
|
| 基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测 | |
| 引用本文： | 王新雨,郭振伟,于丹,刘益民,崔治国.基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测[J].暖通空调,2023(3):138-142+160. |
| 作者姓名： | 王新雨 郭振伟 于丹 刘益民 崔治国 |
| 作者单位： | 1. 中国城市科学研究会;2. 北京建筑大学;3. 中国建筑科学研究院有限公司 |
| 摘 要： | 为了准确预测供热负荷，提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型。首先利用主成分分析法融合影响热负荷的特征指标，消除指标之间的冗余性和相关性；同时采用粒子群算法优化BP神经网络的初始权值和阈值，克服了BP神经网络容易陷入局部最优的缺陷，提高了BP神经网络的预测精度。基于北京某居住建筑供热系统的实际运行数据，对模型的性能进行了验证。仿真结果表明，改进的模型预测精度提高了4.07%。 |
| 关 键 词： | 供热负荷 预测模型 BP神经网络 主成分分析(PCA) 粒子群算法(PSO) 特征变量 |