基于多目标回归的空调负荷预测方法

TU83%TU111; 针对空调为二次泵变流量系统时,考虑分区域供冷工况下,采用多目标回归方式解决负荷预测问题将有利于提高负荷预测准确性的情况,提出了两种多 目标回归的中央空调负荷预测模型,即多目标支持向量回归(support vector regression,SVR)负荷预测模型和多 目标长短期记忆(long short term memory,LSTM)神经网络负荷预测模型,利用上海市某医院的二次泵变流量系统数据对两个模型进行训练和预测,并与单目标回归预测模型进行比较.研究结果表明:相较单目标回归预测模型,两种多目标预测模型的预测精度更高;多目标SVR负荷预测模型较多目标LSTM负荷预测...

Full description

Saved in:
Bibliographic Details
Published in江苏大学学报（自然科学版） Vol. 45; no. 4; pp. 470 - 475
Main Authors 丛琳, 张勇
Format Journal Article
LanguageChinese
Published 东南大学能源热转换及其过程测控教育部重点实验室,江苏南京 210096 01.07.2024
Subjects
长短期记忆神经网络
support vector regression
多输出
支持向量机回归
空调系统
air conditioning system
load forecasting
负荷预测
multi-output
long short term memory neural network
Online AccessGet full text
ISSN1671-7775
DOI10.3969/j.issn.1671-7775.2024.04.014

Cover

More Information
Summary:TU83%TU111; 针对空调为二次泵变流量系统时,考虑分区域供冷工况下,采用多目标回归方式解决负荷预测问题将有利于提高负荷预测准确性的情况,提出了两种多 目标回归的中央空调负荷预测模型,即多目标支持向量回归(support vector regression,SVR)负荷预测模型和多 目标长短期记忆(long short term memory,LSTM)神经网络负荷预测模型,利用上海市某医院的二次泵变流量系统数据对两个模型进行训练和预测,并与单目标回归预测模型进行比较.研究结果表明:相较单目标回归预测模型,两种多目标预测模型的预测精度更高;多目标SVR负荷预测模型较多目标LSTM负荷预测模型的预测准确性更高.
ISSN:1671-7775
DOI:10.3969/j.issn.1671-7775.2024.04.014