基于神经网络的空调系统负荷预测研究

空调 负荷受多种因素的影响 ， 与诸多影响因素之间是一
较不规律的建 筑物 预测效果如何 尚需验证 。
种多变量 、 强耦合 、 严 重非线性 的关系 ， 且这种关 系具有动态 性， 因而传统方法的预 测精度不高 。 由于神经网络具 有并行处
考虑到空调 系统具 有动态性 的特 点 ，而 Ｅ Ｌ ＭＡ Ｎ 回归 神
王雷
（ 北京 中环世纪工程设计有 限责任公司 ， 北京 １ ０ ０ ０ ９ ７ ） ｎ ａ － Ｕｎ ｉ ｏ ｎ Ｄｅ ｓ ｉ ｇ ｎ ａ ｎ ｄ Ｓ ｕ ｐ ｅ ｒ ｖ ｉ ｓ ｉ ｏ ｎＣ ｏ ． Ｌ ｔ ｄ ． ， Ｂｅ ￣ ｉ ｎ ｇ １ ０ ０ ０ ９ ７ ， Ｃ ｈ ｉ ｎ ａ ）
经网络是一种典型 的动态神经元 网络 ， 具有适应 时变特性 的 理、 联想记忆 、 分布式知识存储 、 鲁棒性强等特 点 ， 尤其是它的
自组织、 自适应、 自学习功能， 从而在复杂非线性对象的辨识
ｐｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎａ ｂ ｏ ｕ ｔ ｄ ａ ｉ ｌ ｙｃ ｏ ｏ ｌ ｉ ｎ ｇｌ ｏ ａ ｄ ｓｂ ｓｅ ａ ｄｏ ｎｔ ｈｅＥ ＬＭ ＡＮ ｎ ｅ ｒａ ｕ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋｗａ ｓｍａ ｉ ｎ ｌ ｙｄ ｉｓ ｃ ｕ ｓ ｓ ｅ ｄ． Ｔｈ ｅｉ ｎｆ ｌｕ ｅ ｎ ｃ ｅｄ ｅ ｇ ｒ ｅ ｅｏ ｆ ｈｅｉ ｔ ｎｐ ｕ ｔ ａ ｒ ｇ ｕ ｍｅ ｎ ｔ ｓ ｔ ｏ ｏ ｕｔ ｐ ｕ ｔ ｒ ｅ ｓ ｕｌ ｔ ｓ ｆ ｏ ｒ ｔ ｈ ｅ ｄ ａ ｉ ｌ ｙ ｃ ｏ ｏ ｌ ｉ ｎ ｇ ｌ ｏ ａ ｄ ｎ ｅ ｕ ｒ ａ ｌ ｐ ｒ ｅ ｄｉ ｃ ｔ ｉ ｏ ｎ ｍｏ ｄ ａ ｌ ｗａ ｓ ｎａ ａ ｌｙ ｚ ｅ ｄ ｂ ｙ Ｍｕ ｌ ｉ－ ｔ ｌ ｉ ｎ ｅ ｒ ａ ｒ ｅ ｇ ｒ ｅ ｓ ｓ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ． Ｆ ｉ ｎ ａ ｌ ｌ ｙ ， ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ａ ｌ ｖ ｅ ｒ ｉ ｉｃ ｆ ａ ｔ ｉ ｏ ｎ ， ｔ ａ ｋｉ ｎ ｇｔ ｈ ｅ ａ ｖ ｅ ｒ ａ ｇ ｅｖ ｌｕ ａ ｅａ Ｒｅ ｒ ｍｕ ｌ ｔ ｉ ｐ ｌ ｅｆ ｏ ｒ ｅ ｃ ａ ｓ ｔ ｉ ｎ ｇ ｂａ ｓ ｄ ｏ ｅ ｎｍ ｏ ｒ ｅｔ ｈ ｎ ｔ ａ ｈ ｒ ｅ ｅ ｗｅ ｅ ｋ ｓ ’ ｉｓ ｈ ｔ ｏ ｒ ｉ ｃ ａ ｌ ａｔ ｄ ａ ａ ｓ ｔ ｈ ｅｔ ｒ ａ ｉ ｎ ｉ ｎｇｓ ｅ ｔ ． Ｉ ｔ ｃ ｎ ｇ ａ ｉ ｖ ｅ ｏ ｕ ｔ ｈｅ ｔ
１ 引言
在 节能减 排的大背景下 ， 许 多投入运 行多年的建 筑项 目
从 目前文献来看 ， 关于空调负荷预测的研究大 多采用基 于Ｂ Ｐ 算法的静态 前馈神经 网络来预测空调负荷 。其 中吴杰闭 采用 Ｂ Ｐ 神经网络预测 日冷负荷和逐时冷负荷， 实验数据是实
提 出了节能降耗 的需求 。而对于建筑 中能耗大 户的空调 系统
【 中图分类号】 Ｔ Ｕ ８ ３ １ ． ２ 【 文献标志码】 Ａ 【 文章编号】 １ ０ ０ ７ ． ９ ４ ６ ７ （ ２ ０ １ ４ ） ０ ５ ． ０ ０ ９ ７ ． ０ ３
［ ＤＯ Ｉ ］ Ｏ ． １ ３ ６ １ ６ ／ ｊ ． ｃ ｎ ｋ ｉ ． ｇ ｃ ｊ ｓ ｙ ｓ ｊ ． ２ ０ １ ４ ． ０ ５ ． ０ ０ ２ ４
际工程测试数据 ， 以之为基础作了深入 的预测分析 ， 其预测精 而言 ， 其过往 多年的负荷数据分析和基于此的负荷预测 ， 成 为 度达 到了较 高的水平 ，观 察其研究的工程实例建 筑物是以办 决定节能改造项 目成 败的关键 。 公为主 ， 冷负荷 星期变化较规律 ， 而应用于其它类型， 负荷变化
【 摘 要】 以北京某建筑的空调系统作为实例研究对象， 在所采集的 ３ 年实测数据基础上， 主要探讨了基于 Ｅ Ｌ Ｍ Ａ Ｎ 神经网络的日冷
负荷预测方法和误 差。 用多元线性回归方法分析 了 日 冷 负荷神经网络预测模型输入参数对输 出结果的影响度。 最后经 实验验证， 以
３ 周以上历史数据 为训练 集经多次预测后取平均值 ， 具备较 高的预测精度 ， 同样可以指导工程实际设 计。
ｉｇ ｈ ｈｅ ｒ ｆ ｏ ｒ ｅ ｃ ａ ｓ ｔ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙａ ｎｄ ａ ｌ ｓ ｏ ｂ ｅ ｕ ｓ ｅ ｄ ｔ ｏ ｄ ｉ ｒ ｅ ｃ ｔ ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ｄ ｅ ｓ ｉ ｎ． ｇ
【 关键词】 负荷预测； 神经网络； Ｅ Ｌ Ｍ Ａ Ｎ
【 Ｋ ｅ ｙ ｗ ｏ ｒ ｄ ｓ 】 ｌ ｏ ｄｐ ａ ｒ ｅ ｉ ｄ ｃ ｔ ｉ ｏ ｎ ； ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ； Ｅ Ｌ Ｍ Ａ Ｎ
公用工程设计 Ｉ
Ｐ ｕ ｂ ／ ｋ ： 呲 ｍ Ｊ Ｉ
基 于神经 网络 的空调 系统 负荷预测研 究
Ｓ ｔ ｕ ｄ ｙ ｏ ｎＬ ｏ ａ ｄＰ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎｏ ｆ Ａｉ ｒ Ｃｏ ｎ ｄ ｉ ｔ ｉ ｏ ｎ ｉ ｎ ｇ Ｓ ｙ ｓ ｔ ｅ ｍ Ｂａ ｓ ｅ ｄｏ ｎＮｅ ｕ ｒ ａ ｌ Ｎｅ ｔ ｗｏ ｒ ｋ
【 Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ］ Ａ ｕ ｔ ｈ ｏ ｒ ｕ ｓ ｉ ｎ ｇ ａ ｉ ｒ － ｃ ｏ ｎ ｄ ｉ ｔ ｉ ｏ ｎ ｉ ｎ ｇ ｓ ｙ ｓ ｔ ｅ ｍｏ ｆ ａ ｂ ｕ ｉ ｌ ｄ ｉ ｎ ｇ ｉ ｎ Ｂ ｅ ｉ ｊ ｉ ｎ ｇ ａ ｓ ｎｒ ａ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｂ ｊ ｅ ｃ ｔ ｎ ａ ｄ ｔ ｈ ｅ ａ ｃ ｔ ｕ ａ ｌ ｄ ａ ｔ ａ ｍ ｅ ｓ ａ ｕ ｒ ｅ ｄ ｉ ｎ ｔ ｈ ｒ ｅ ｅ ｙ ｅ ａ ｒ ｓ ， ｈ ｔ ｅ