-
题名基于长短期记忆网络的短期空调冷负荷预测
被引量：4
- 1
-
-
作者
肖紫薇
刚文杰
袁嘉琦
赵炜哲
-
机构
华中科技大学
武汉大悦城房地产开发有限公司
-
出处
《暖通空调》
2022年第4期132-137,共6页
-
文摘
提出了一种基于长短期记忆网络(LSTM)的短期空调冷负荷预测模型,仅采用历史负荷数据预测未来1 d的逐时冷负荷。通过与传统的BP神经网络模型进行对比,验证其准确性。为了进一步提高模型预测精度,对网络结构(包括输入层、输出层及隐含层神经元数量)与预测策略进行了优化,获得最优的预测模型。结果表明,基于LSTM的预测模型可实现准确的负荷预测,且与BP神经网络模型相比,预测精度更高,均方根误差和均方根误差的变异系数分别降低116 kW和5.42%。对LSTM模型优化的结果表明:利用历史7 d负荷数据预测未来1 d的逐时空调负荷是最佳的输入输出组合选择;隐含层神经元数量为60时,模型精度较高且较为稳定;采用分步输出的预测策略能降低峰值负荷时的预测误差,提高负荷预测精度。
-
关键词
空调
冷负荷预测
预测模型
长短期记忆网络
神经网络
神经元
均方根误差
-
Keywords
air conditioning
cooling load prediction
prediction model
long-short-term memory network
neural network
neuron
root mean squared error
-
分类号
TU831.2
[建筑科学—供热、供燃气、通风及空调工程]
-
