基于DE—BP算法的空调负荷预测研究.pdfVIP

四川建筑科学研究 第 36卷 第 5期 268 SichuanBuildingScience 2010年 1O月 基于 DE—BP算法的空调负荷预测研究 冀卫兴 ，陈忠海 ，方 筝 (1．河北建筑工程学院城建系，河北 张家 口 075024； 2．天津大学热能研究所，天津 300371) 摘 要：建立了基于BP神经网络理论的空调系统负荷预测模型。针对BP神经网络参数优化过程中容易陷入局部最优的缺 陷，采用差异演化算法(differentialevolutionalgofthm，DE)对其进行优化，以提高预测精度。结合具体实例进行空调冷负荷预 测，并与采用遗传算法、蚁群算法、粒子群算法对BP神经网络进行参数优化的仿真实验结果对比表明，由DE—BP算法所具有 较好 的预测性能。 关键词：BP神经网络；差异演化；空调负荷；预测 中图分类号：TU83t；TP183 文献标识码：A 文章编号：1008—1933(2010)05—268—03 Airconditioningloadpredictionbased on DE— BP algorithm JIWeixing ，CHENZhonghai，FANGZheng (1．CityConstructionDepartment，HebeiInstituteofArchitectureCivilEngineering，Zhan~iakou 075024，China； 2．ThermalEnergyResearchInstitute，TianjinUniversity，Tianjin 300371，China) Abstract：BasedonBP neural networktheory，themodeltopredictairconditioningloadwasestablished．In ordertooptimizethe behaviorofBP neuralnetwork．DE algorithm wasintroducedintoclassicBP neural network．Usingt}lisalgorithm topredictareal exampleandcomparewithBPmodeloptimizationmethodbasedonGA(GeneticAlgorithm)，Aco(AntColonyOptimization)nadPOS (PartialSwarmOptimization)demonstrateanimprovementofgeneralizationperfomrance． Keywords：BPneuralnetwork；DE；airconditioningload；prediction 化算法，构造DE—BP神经网络预测模型，利用实际 0 引 言 数据进行仿真实验，并与 BP神经网络、GA—BP神 对房问空调负荷进行准确预测是推动我国建筑 经网络模型预测结果进行了对比，以期为混凝土碳 节能的一项重要技术 ，也是保证室内空气质量的一 化深度预测提供一条新的途径。 个重要手段。目前，空调负荷预测方法主要有线性 本文将采用 BP神经网络对空调负荷进行预 回归法、指数平滑法、传递函数法等_1引。这些方法 测，将 DE算法用于 BP神经网络参数 自动选取，以 共同的特点是必须写出常规的数学模型，由于模型 期望为空调负荷预测提供一种更加高效的解决途 多具有很强的非线性，并且需要人为地确定一些参 径。 数，因此建模和求解的难度较大，预测精度不高。 1 BP神经网络模型 BP神经网络由于其 自身的结构特点，能够 良好 地逼近对非线性问题的最优解，预测精度 良好，在各 BP神经网络预测模型由3层神经元 (输入层、