基于模糊信息粒化和支持向量机的空调负荷预测.pdf

uildingEnergy Environment F TuI-J U·● 2017年 2月 B… 、’… … … ，● eb．2017．28-32 文章编号：1003．0344(2017)02．0285 基于模糊信息粒化和支持向量机的空调负荷预测 侯聪 何大四：-c靳晓东 中原工学院能源与环境学院 摘 要：为提高空调负荷预测精度 ，预测空调负荷的平均值和波动范围，本文提出了一种基于模糊信息粒化和支 持向量机相结合的空调负荷组合预测方法。该方法首先对原始数据模糊信息粒化处理，提取各窗口信息，其次应 用支持向量机原理建立模型，采用交叉验证的方法对相应参数进行寻优 ，最后使用优化支持向量机模型对实测空 调负荷进行预测。实例分析结果表明，该预测方法更为精简，可以有效的对空调负荷的平均值和波动范围进行组 合预测。 关键词：空调负荷 组合预测 模糊信息粒化 支持向量机 Com binedAir-conditioning Load Prediction based on Fuzzy Information Granulation and SupportVectorM achine HOU Cong，HEDa-si，JIN Xiao-dong SchoolofEnergyandEnvironment，ZhongyuanUniversityofTechnoloyg Abstract：Inordertoimprovetheforecastaccuracyofairconditioningloadandforecasttheaveragevaluenadthe rangeofair-conditioningload,acombinedpredictionmethodforair-conditioningloadispropose,dwhichbasedonthe FuzzyInformationGranulation(FIG)andSuppo~VectorMachine(SVM)．Thefirststepofthismehtodistoemployhte FIGtogranulateoriginaldataandextractinformationofeachwnidow．Secondly．forecastingmodelisbuiltwithsuppo~ vecotrmachnieandhtenhtecrossvalidafionmehtodisusedtooptimizehteparameters．Finally，theoptimizedSVM modelisusedforforecastnitermsofmeasuredair-conditionnigload．Casestudydemonstratesthathtemehtodisableto makeacombniedforecastofair-conditionnigloadaveragevalueandfluctuationwhichissimpler． Keywords：air-conditionnigload，combinedpredication，fuzzynifomr ationgrnaulation，supportvectormachine，cross validation 空调负荷预测方法大致分两种 ：一是以时间序列 出了一种新的方法，将负荷数据划分窗 口并模糊化，得 法为代表的传统方法[1；二是以人工神经网络法为代 到含有原始数据特点的信息粒，再利用SVM进行回归 表的新型人工智能方法[2-31。前者在精度 、数据适应性 预测，既利用了模糊信息粒化的信息挖掘能力，又结合 方面略有缺陷，后者则易陷入局部极小点且精度不够