四种空调负荷预测方法分析比较.doc

四种空调负荷预测方法分析比较 赵波峰1文远高1杨恒1侯志坚2 1 武汉科技大学城市建设学院 2 深圳职业技术学院机电学院 摘 要在中央空调优化节能运行之前，准确预测空调负荷具有非常重要的意义。不同的中央空调工程选择不同的空调负荷预测方法可能会有不同的节能效果。介绍回归分析法、灰色预测法、指数平滑法、神经网络法等四种典型性预测方法并对四种方法做一个大致的比较分析，得出各种方法的优点与缺陷。 关键词: 负荷预测回归分析灰色预测指数平滑神经网络 Four ir Conditioning Load Analysis and Comparison of Prediction Methods ZHAO Bo-feng1, WEN Yuan-gao1, YANG Heng1, HOU Zhi-jian2 1 College of Urban Construction, Wuhan University of Science and Technology 2 College of Mechanical and Electrical, Shenzhen Polytechnic Abstract: In optimization of energy-saving central air conditioning running before the air conditioning load prediction accuracy is very important significance. Central air conditioning works a different choice of different air-conditioning load forecasting method may have different energy-saving effect. Introduction regression analysis, the gray prediction method, exponential smoothing, neural network forecasting method such as the four typical, and four ways to make a rough comparison analysis, the advantages and shortcomings of each method. Keywords: load forecasting, regression analysis, grey, exponential smoothing, neural network 收稿日期：2011-4-27 个人简介：赵波峰（1986），男，研究生湖北省武汉市洪山区雄楚大街199号武汉科技大学洪山校区15号信箱430070）；E-mail: zbf107087026@ 0 引言 空调负荷预测是实现空调系统优化节能控制的一个重要环节，也是中央空调系统高效经济运行[1]基础关键所在。其中常用的方法主要有：回归分析法、指数平滑法、灰色预测法以及人工神经网络法[24]。虽然有很多学者针对这几种方法提出过不同的观点，但都有各自的局限性和使用条件。如何根据不同工程应用切实可行的方法，仍然是一个值得探讨和研究的问题。 本论文选用武汉地区某办公楼的建筑冷负荷作为负荷样本，该建筑总建筑面积约为13000 ，总空调面积9415，样本数据来源于清华大学能耗模拟软件DsET，并且在模拟过程中按照《公共建筑节能设计标准》（GB501892005）进行节能参数设置。室内外干球温度、太阳辐射等其他参数选用历史平均数据。在本论文中，以8月1日到6日的数据进行建模，并以8月7日的数据作为检验标准。图1为8月7日某房间800到18:00的逐时样本温度（℃）和逐时样本负荷（W）。 图1 某房间逐时温度和逐时负荷 1四种负荷预测模型建立 1.1回归分析法（Regression Analysis） 回归分析方法是目前应用最广泛一种数据处理方式。将回归分析方法应用于预测领域时，所建立的预测模型是一种解释性模型[5]。若假设空调负荷假设空调负荷和各影响因素之间呈非线性关系，且影响因素只考虑室外干球温度的话，则可以定义为多项式函数关系，用式（1）表示： 式中系数通过数据拟合得到，的根据精度需要选取。 逐时模型一般以一天为一个周期。进行负荷预测时，需要有输入参数和输出参数，输入参数一般选择提前若干时间的室外空气干球温度和提前若干时间的室外太阳辐射，输出参数就是当天的空调系统负荷。 1.2 指数平滑法Exponential Weighted Moving Average） 指数