本文選題：公共樓宇空調系統(tǒng) + 日前負荷預測��； 參考：《電網(wǎng)與清潔能源》2016年11期

【摘要】：隨著我國城市建設的推進,公共樓宇的用電能耗增長迅速。為加強能耗管理、降低能耗水平,對公共樓宇空調系統(tǒng)日前用電負荷進行預測是工作的基礎。針對當前公共樓宇空調系統(tǒng)日前負荷預測累積誤差大的現(xiàn)象,提出對日前24 h單獨建立負荷預測模型的并行預測策略。然后融合主成分分析和模糊C均值聚類對數(shù)據(jù)進行預處理,形成合適規(guī)模及變量維度的訓練數(shù)據(jù),將其作為支持向量機預測模型的輸入,并通過粒子群算法對SVM的模型參數(shù)進行自適應尋優(yōu)。以實際公共樓宇空調負荷歷史數(shù)據(jù)為基礎,對比分析所提出的算法與串行預測策略及傳統(tǒng)交叉驗證試湊參數(shù)的SVM預測算法,結果表明提出的方法充分利用了公共樓宇空調負荷的特點,預測精度高、速度快。
[Abstract]:With the development of urban construction in China, the power consumption of public buildings is increasing rapidly. In order to strengthen the energy consumption management and reduce the energy consumption level, it is the basis of the work to forecast the daily load of air conditioning system in public buildings. In view of the large accumulated error of daily load forecasting in the air conditioning system of public buildings, a parallel forecasting strategy is proposed to establish the load forecasting model alone for 24 hours before the day. Then the data are preprocessed by combining principal component analysis and fuzzy C-means clustering to form training data of appropriate scale and variable dimension, which are used as input of support vector machine (SVM) prediction model. Particle swarm optimization (PSO) is used to optimize the model parameters of SVM. Based on the historical data of air conditioning load in real public buildings, the proposed algorithm is compared with the serial prediction strategy and the SVM prediction algorithm based on the traditional cross-validation test parameters. The results show that the proposed method makes full use of the characteristics of air conditioning load in public buildings and has high prediction accuracy and high speed.
【作者單位】： 國網(wǎng)江蘇省電力公司;河海大學能源與電氣學院;江蘇省配用電與能效工程技術研究中心;南京河海科技有限公司;
【基金】：國家自然科學基金項目(51577051) 國家電網(wǎng)公司科技項目(SGJS0000YXJS1501044)~~
【分類號】：TU831.2

【相似文獻】

相關期刊論文 前10條

1 鐘慶,吳捷,鐘丹虹;基于系統(tǒng)論的負荷預測集成化方法[J];電力自動化設備;2002年10期

2 張伏生,劉芳,趙文彬,寇強,劉沛津,曹正建;基于Internet/Intranet的負荷預測系統(tǒng)方案[J];電力系統(tǒng)自動化;2003年10期

3 康重慶;牟濤;夏清;;電力系統(tǒng)多級負荷預測及其協(xié)調問題 (一)研究框架[J];電力系統(tǒng)自動化;2008年07期

4 李小銳;黎燦兵;袁彥;;基于下級負荷預測的短期負荷預測新算法[J];江西電力職業(yè)技術學院學報;2008年02期

5 李新煒;王子琦;方鳴;周鵬;王啟明;李同;鞠平;;基于分區(qū)逐時氣象信息的全網(wǎng)負荷預測研究[J];電力系統(tǒng)保護與控制;2009年03期

6 康重慶;趙燃;陳新宇;楊興宇;曹欣;劉梅;;多級負荷預測的基礎問題分析[J];電力系統(tǒng)保護與控制;2009年09期

7 任峰;丁超;;市場環(huán)境下負荷預測誤差風險管理研究[J];現(xiàn)代電力;2009年03期

8 羅鳳章;王成山;肖峻;侯磊;王建民;李亦農(nóng);陳春琴;王賽一;;計及氣溫因素的年度負荷預測修正方法[J];電力系統(tǒng)及其自動化學報;2009年03期

9 楊凱;;如何提高負荷預測的準確率[J];大眾用電;2009年10期

10 李q，

本文編號：1942310