文献类型：期刊文章

作　　者：张梦成[1,2] 刘兆辉[1,2] 谭洪卫[1,2,3]

ZHANG Mengcheng;LIU Zhaohui;TAN Hongwei(School of Mechanical Engineering, Tongji University, Shanghai 201804, China;Research Center of Green Building and New Energy, Tongji University, Shanghai 200092, China;UNEP-Tongji Institute of Environment for Sustainable Development, Tongji University, Shanghai 200092, China)

机构地区：[1]同济大学机械与能源工程学院,上海201804 [2]同济大学绿色建筑及新能源研究中心,上海2000922 [3]联合国环境规划署-同济大学环境与可持续发展学院,上海200092

出　　处：《建筑科学》

基　　金：国家重点研发计划"基于运行数据的建筑能耗建模及优化技术"(2017YFC0704204)

年　　份：2018

卷　　号：34

期　　号：6

起止页码：23-30

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：空调负荷预测对于优化空调系统运行具有重要指导价值,本文针对传统神经网络在预测空调负荷时精度较低、泛化能力弱和物理意义不明晰的缺点,建立了模糊C均值算法(Fuzzy C-means)优化的BP神经网络复合模型。模型先采用FCM算法对输入参数进行聚类,针对不同类建立BP神经网络预测模型,将待测样本分类后进行预测,最后使用决策树算法筛选预测结果中聚类不佳的部分进行加权优化。以珠海某办公楼空调系统实际运行数据为例验证了模型,结果显示随机负荷样本预测的精度指标即标准差率(Coefficient of Variance)为0.191相较于不聚类神经网络提高了51.4%;典型工作日、休息日日均负荷样本预测标准差率为0.08和0.14相对于不聚类神经网络则分别提高了73.0%和39.7%。

关 键 词：负荷预测 FCM算法 BP神经网络  决策树算法 加权优化  

分 类 号：TU831.2]