文献类型：期刊文章

作　　者：甘中学[1] 喻想想[2] 许裕栗[1] 李德伟[2]

GAN Zhong-xue;YUXiang-xian;XU Yu-li;LI De-wei(ENN Science&Technology Development Co.Ltd,Langfang 065001,China;Department of Automation,Shanghai Jiao Tong University,Shanghai 200240,China)

机构地区：[1]新奥科技发展有限公司,河北廊坊065001 [2]上海交通大学自动化系,上海200240

出　　处：《控制工程》

基　　金：国家重点基础研究发展计划(973计划)(2014CB249200)。

年　　份：2020

卷　　号：27

期　　号：2

起止页码：380-385

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、JST、ZGKJHX、核心刊

摘　　要：工业用户的空调冷热负荷预测对于有目的的节能减排有重要作用。由于用户的冷热负荷数据具有非线性、外界干扰多且呈日周期性的特点,采用传统的ARMA和SVR方法不能取得良好的预测效果。因此提出一种利用日周期性特点的组合ARMA模型和SVR模型的预测方法:首先结合原始数据的日周期性特点,采用ARMA模型进行线性预测;对于ARMA模型的预测残差中保留的原始数据的非线性特征,利用SVR模型对残差进行非线性部分的预测,修正原来的预测结果,得到最终的预测值。采用真实数据的实验结果显示,新提出的预测方法可以显著改善预测效果。

关 键 词：自回归移动平均  支持向量机 空调冷负荷

分 类 号：TP18]