網(wǎng)絡(luò)與BP網(wǎng)絡(luò)在空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用對(duì)比研究

前饋神經(jīng)網(wǎng)絡(luò)在空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用——空調(diào)系統(tǒng)負(fù)荷是一個(gè)典型的具有動(dòng)態(tài)性、不確定性等隨機(jī)特性的非線性模型,傳統(tǒng)方式難以實(shí)現(xiàn)準(zhǔn)確、快速地預(yù)測(cè)空調(diào)系統(tǒng)動(dòng)態(tài)負(fù)荷。人工神經(jīng)網(wǎng)絡(luò)具有高度的非線性運(yùn)算能力和很強(qiáng)的容錯(cuò)能力,其中最為廣泛的是前饋神經(jīng)網(wǎng)絡(luò)和采用...

空調(diào)系統(tǒng)負(fù)荷是一個(gè)典型的具有動(dòng)態(tài)性、不確定性等隨機(jī)特性的非線性模型。傳統(tǒng)方式難于實(shí)現(xiàn)準(zhǔn)確、快速地預(yù)測(cè)空調(diào)系統(tǒng)動(dòng)態(tài)負(fù)荷。人工神經(jīng)網(wǎng)絡(luò)ann具有高度的非線性運(yùn)算能力和較強(qiáng)的容錯(cuò)能力,其中使用最為廣泛的是誤差反向傳播ebp算法。研究結(jié)果表明,用ebp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)空調(diào)負(fù)荷和計(jì)算結(jié)果能較好地吻和。

空調(diào)系統(tǒng)負(fù)荷是一個(gè)典型的具有動(dòng)態(tài)性、不確定性等隨機(jī)特性的非線性模型,傳統(tǒng)方式難以實(shí)現(xiàn)準(zhǔn)確、快速地預(yù)測(cè)空調(diào)系統(tǒng)動(dòng)態(tài)負(fù)荷。人工神經(jīng)網(wǎng)絡(luò)具有高度的非線性運(yùn)算能力和很強(qiáng)的容錯(cuò)能力,其中最為廣泛的是前饋神經(jīng)網(wǎng)絡(luò)和采用誤差反向傳播算法來(lái)計(jì)算網(wǎng)絡(luò)權(quán)值。本文討論當(dāng)誤差不為零或者不為線性函數(shù),即二階項(xiàng)s(w)不能忽略時(shí)的hesse矩陣的近似計(jì)算,進(jìn)而訓(xùn)練網(wǎng)絡(luò)。研究結(jié)果表明,用該種神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)空調(diào)負(fù)荷和計(jì)算的結(jié)果會(huì)較好地吻合。

前饋神經(jīng)網(wǎng)絡(luò)在空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用——本文討論當(dāng)誤差不為零或者不為線性函數(shù)，即二階項(xiàng)s(w)不能忽略時(shí)的hesse矩陣的近似計(jì)算，進(jìn)而練網(wǎng)絡(luò)。研究結(jié)果表明，用該種神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)空調(diào)負(fù)荷和計(jì)算的結(jié)果會(huì)較好地吻合。

基于小波變換的思想建立了遞歸bp網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)空調(diào)負(fù)荷,改進(jìn)了網(wǎng)絡(luò)權(quán)值、閾值的修改算法,引入了折扣系數(shù)法以提高近期預(yù)測(cè)精度,結(jié)合一實(shí)例進(jìn)行了空調(diào)逐時(shí)冷負(fù)荷預(yù)測(cè),結(jié)果表明該方法預(yù)測(cè)精度高,適用于空調(diào)負(fù)荷預(yù)測(cè)。

本文針對(duì)bp模型收斂速度慢、易陷入局部極小點(diǎn)等缺點(diǎn),基于遺傳算法的思想,對(duì)訓(xùn)練算法進(jìn)行了改進(jìn),提高了收斂速度和預(yù)測(cè)精度。應(yīng)用表明這種改進(jìn)模型在空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方面是有效的、可行的。

在bp神經(jīng)網(wǎng)絡(luò)的相關(guān)理論的基礎(chǔ)上,介紹了其在建筑物空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用,指出bp神經(jīng)網(wǎng)絡(luò)是一種有效的建筑物空調(diào)負(fù)荷預(yù)測(cè)方式;最后還介紹了當(dāng)前bp神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)研究,并指出了下一步亟待開(kāi)展的工作。

空調(diào)系統(tǒng)的負(fù)荷與諸多影響因素之間是一種多變量、強(qiáng)耦合、嚴(yán)重非線性的關(guān)系,且這種關(guān)系具有動(dòng)態(tài)性,因而傳統(tǒng)方法的預(yù)測(cè)精度不高。而動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)能更生動(dòng)、更直接地反映系統(tǒng)的動(dòng)態(tài)特性。針對(duì)這個(gè)特點(diǎn),建立了基于elman型神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測(cè)模型,并進(jìn)行了實(shí)例預(yù)測(cè)。文中還比較了elman網(wǎng)絡(luò)和bp網(wǎng)絡(luò)結(jié)構(gòu)的建模效果,仿真實(shí)驗(yàn)證明了elman神經(jīng)網(wǎng)絡(luò)具有動(dòng)態(tài)特性好、逼近速度快、精度高等特點(diǎn),說(shuō)明elman網(wǎng)絡(luò)是一種新穎、可靠的負(fù)荷預(yù)測(cè)方法。

介紹了神經(jīng)網(wǎng)絡(luò)的基本原理,編制了通用神經(jīng)網(wǎng)絡(luò)程序,并用此程序?qū)σ粚?shí)際工程空調(diào)負(fù)荷進(jìn)行了預(yù)測(cè),預(yù)測(cè)結(jié)果與計(jì)算值相吻合,說(shuō)明神經(jīng)網(wǎng)絡(luò)是一種新穎、可靠的負(fù)荷預(yù)測(cè)方法

從空調(diào)負(fù)荷預(yù)測(cè)的目的出發(fā),詳細(xì)介紹了一種基于神經(jīng)網(wǎng)絡(luò)的混沌優(yōu)化方法,對(duì)誤差函數(shù)及搜索方法作了適當(dāng)?shù)母倪M(jìn),建立了一個(gè)混沌神經(jīng)網(wǎng)絡(luò)模型。并用此改進(jìn)的模型對(duì)一實(shí)例進(jìn)行了空調(diào)負(fù)荷預(yù)測(cè),結(jié)果表明該方法簡(jiǎn)便、足夠準(zhǔn)確可靠。

綜述了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史及優(yōu)缺點(diǎn),闡述了人工神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)及在暖通空調(diào)負(fù)荷預(yù)測(cè)方面的應(yīng)用,并展望了進(jìn)一步的研究方向。

本文針對(duì)神經(jīng)網(wǎng)絡(luò)方法進(jìn)行負(fù)荷預(yù)測(cè)時(shí)存在的泛化能力較差的缺點(diǎn),提出了對(duì)歷史數(shù)據(jù)進(jìn)行相關(guān)性分析和輸入數(shù)據(jù)主成分分析以提高神經(jīng)網(wǎng)絡(luò)泛化能力。實(shí)例分析結(jié)果表明:歷史數(shù)據(jù)的相關(guān)性分析為空調(diào)負(fù)荷預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型輸入?yún)?shù)的合理選擇提供了依據(jù),主成分分析方法在降低神經(jīng)網(wǎng)絡(luò)模型輸入維數(shù)、提高該方法泛化能力方面有較好的作用。

電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是能量管理系統(tǒng)的重要組成部分，不但為電力系統(tǒng)的安全、經(jīng)濟(jì)運(yùn)行提供保障，也是電力市場(chǎng)環(huán)境下編排調(diào)度計(jì)劃、供電計(jì)劃、交易計(jì)劃的基礎(chǔ)。因此，短期負(fù)荷預(yù)測(cè)方法的研究一直為人們所重視。

電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是能量管理系統(tǒng)的重要組成部分，不但為電力系統(tǒng)的安全、經(jīng)濟(jì)運(yùn)行提供保障，也是電力市場(chǎng)環(huán)境下編排調(diào)度計(jì)劃、供電計(jì)劃、交易計(jì)劃的基礎(chǔ)。因此，短期負(fù)荷預(yù)測(cè)方法的研究一直為人們所重視。

采用理論分析的方法,通過(guò)分析國(guó)內(nèi)外在該方面的研究成果,剖析了人工神經(jīng)網(wǎng)絡(luò)在空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)中的應(yīng)用,指出了利用人工神經(jīng)網(wǎng)絡(luò)(ann)具有的高度的并行處理和可完成復(fù)雜的輸入輸出的非線性映射能力,進(jìn)行空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)精度高、準(zhǔn)確度好。ann是一種有效的空調(diào)負(fù)荷預(yù)測(cè)手段。

空調(diào)負(fù)荷是近年來(lái)增長(zhǎng)較快的一類負(fù)荷,其特性對(duì)電網(wǎng)的電壓穩(wěn)定性影響很大。夏季影響空調(diào)負(fù)荷的因素主要是溫度和濕度的變化。為了更好的預(yù)測(cè)空調(diào)降溫負(fù)荷,研究了溫度和濕度對(duì)空調(diào)負(fù)荷的影響。利用bp人工神經(jīng)網(wǎng)絡(luò)對(duì)電網(wǎng)空調(diào)負(fù)荷進(jìn)行了預(yù)測(cè),經(jīng)過(guò)分析把日平均濕度量化成4段,和日平均濕度實(shí)際數(shù)值的模型進(jìn)行計(jì)算比較,結(jié)果顯示考慮日最高溫度和日平均濕度量化為4段能更好的模擬溫度、濕度和空調(diào)負(fù)荷之間的非線性關(guān)系,能更好的對(duì)電網(wǎng)空調(diào)負(fù)荷進(jìn)行預(yù)測(cè)。

電力系統(tǒng)負(fù)荷預(yù)測(cè)的重要性、分類和主要預(yù)測(cè)方法,bp神經(jīng)網(wǎng)絡(luò)算法的基本理論和預(yù)測(cè)過(guò)程,建立基于bp神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)模型,以加州24h的電力負(fù)荷預(yù)測(cè)為例進(jìn)行matlab仿真,結(jié)果顯示預(yù)測(cè)精度符合電力系統(tǒng)要求。

用vb編制了人工神經(jīng)網(wǎng)絡(luò)的通用bp算法程序。根據(jù)西安參考年氣象參數(shù),采用動(dòng)態(tài)模擬程序計(jì)算了某辦公樓4月至9月逐時(shí)冷負(fù)荷,結(jié)果顯示利用神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值與計(jì)算值吻合。

在分析比較各種負(fù)荷預(yù)測(cè)方法的基礎(chǔ)上,給出了一個(gè)基于互聯(lián)網(wǎng)的應(yīng)用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行負(fù)荷預(yù)測(cè)的方案。該方法通過(guò)互聯(lián)網(wǎng)以“準(zhǔn)在線”的方式可同時(shí)滿足較高的逐時(shí)負(fù)荷預(yù)測(cè)精度和模型調(diào)整的要求,并已在實(shí)際工程中使用,取得了一定的效果。

基于神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷實(shí)時(shí)預(yù)測(cè)模型——文章針對(duì)暖通空調(diào)系統(tǒng)優(yōu)化和預(yù)測(cè)控制，研究了利用神經(jīng)網(wǎng)絡(luò)進(jìn)行空調(diào)負(fù)荷預(yù)測(cè)的方法。

基于小波神經(jīng)網(wǎng)絡(luò)冰蓄冷空調(diào)負(fù)荷預(yù)測(cè)——為了節(jié)省冰蓄冷中央空調(diào)系統(tǒng)的運(yùn)行費(fèi)用，準(zhǔn)確地預(yù)測(cè)空調(diào)冷負(fù)荷是必不可少的。采用dbl小波對(duì)冰蓄冷空調(diào)冷負(fù)荷序列進(jìn)行分解，分別對(duì)低頻和高頻序列采用bp網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，將預(yù)測(cè)結(jié)果進(jìn)行疊加得到最終預(yù)測(cè)值。結(jié)合實(shí)例進(jìn)行了...

本文從分析空調(diào)系統(tǒng)運(yùn)行歷史數(shù)據(jù)出發(fā),結(jié)合空調(diào)系統(tǒng)工作的環(huán)境參數(shù)影響,提出一種基于溫度檢測(cè)和神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測(cè)方法。實(shí)驗(yàn)表明這種方法可以比較有效地預(yù)測(cè)空調(diào)系統(tǒng)的運(yùn)行負(fù)荷