网络与BP网络在空调负荷预测中的应用对比研究

前馈神经网络在空调负荷预测中的应用——空调系统负荷是一个典型的具有动态性、不确定性等随机特性的非线性模型,传统方式难以实现准确、快速地预测空调系统动态负荷。人工神经网络具有高度的非线性运算能力和很强的容错能力,其中最为广泛的是前馈神经网络和采用...

空调系统负荷是一个典型的具有动态性、不确定性等随机特性的非线性模型。传统方式难于实现准确、快速地预测空调系统动态负荷。人工神经网络ann具有高度的非线性运算能力和较强的容错能力,其中使用最为广泛的是误差反向传播ebp算法。研究结果表明,用ebp神经网络预测空调负荷和计算结果能较好地吻和。

空调系统负荷是一个典型的具有动态性、不确定性等随机特性的非线性模型,传统方式难以实现准确、快速地预测空调系统动态负荷。人工神经网络具有高度的非线性运算能力和很强的容错能力,其中最为广泛的是前馈神经网络和采用误差反向传播算法来计算网络权值。本文讨论当误差不为零或者不为线性函数,即二阶项s(w)不能忽略时的hesse矩阵的近似计算,进而训练网络。研究结果表明,用该种神经网络预测空调负荷和计算的结果会较好地吻合。

前馈神经网络在空调负荷预测中的应用——本文讨论当误差不为零或者不为线性函数，即二阶项s(w)不能忽略时的hesse矩阵的近似计算，进而练网络。研究结果表明，用该种神经网络预测空调负荷和计算的结果会较好地吻合。

基于小波变换的思想建立了递归bp网络模型来预测空调负荷,改进了网络权值、阈值的修改算法,引入了折扣系数法以提高近期预测精度,结合一实例进行了空调逐时冷负荷预测,结果表明该方法预测精度高,适用于空调负荷预测。

本文针对bp模型收敛速度慢、易陷入局部极小点等缺点,基于遗传算法的思想,对训练算法进行了改进,提高了收敛速度和预测精度。应用表明这种改进模型在空调系统的负荷预测方面是有效的、可行的。

在bp神经网络的相关理论的基础上,介绍了其在建筑物空调负荷预测中的应用,指出bp神经网络是一种有效的建筑物空调负荷预测方式;最后还介绍了当前bp神经网络算法的改进研究,并指出了下一步亟待开展的工作。

空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系,且这种关系具有动态性,因而传统方法的预测精度不高。而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点,建立了基于elman型神经网络的空调负荷预测模型,并进行了实例预测。文中还比较了elman网络和bp网络结构的建模效果,仿真实验证明了elman神经网络具有动态特性好、逼近速度快、精度高等特点,说明elman网络是一种新颖、可靠的负荷预测方法。

介绍了神经网络的基本原理,编制了通用神经网络程序,并用此程序对一实际工程空调负荷进行了预测,预测结果与计算值相吻合,说明神经网络是一种新颖、可靠的负荷预测方法

从空调负荷预测的目的出发,详细介绍了一种基于神经网络的混沌优化方法,对误差函数及搜索方法作了适当的改进,建立了一个混沌神经网络模型。并用此改进的模型对一实例进行了空调负荷预测,结果表明该方法简便、足够准确可靠。

综述了人工神经网络的发展历史及优缺点,阐述了人工神经网络模型的改进及在暖通空调负荷预测方面的应用,并展望了进一步的研究方向。

本文针对神经网络方法进行负荷预测时存在的泛化能力较差的缺点,提出了对历史数据进行相关性分析和输入数据主成分分析以提高神经网络泛化能力。实例分析结果表明:历史数据的相关性分析为空调负荷预测神经网络模型输入参数的合理选择提供了依据,主成分分析方法在降低神经网络模型输入维数、提高该方法泛化能力方面有较好的作用。

电力系统短期负荷预测是能量管理系统的重要组成部分，不但为电力系统的安全、经济运行提供保障，也是电力市场环境下编排调度计划、供电计划、交易计划的基础。因此，短期负荷预测方法的研究一直为人们所重视。

电力系统短期负荷预测是能量管理系统的重要组成部分，不但为电力系统的安全、经济运行提供保障，也是电力市场环境下编排调度计划、供电计划、交易计划的基础。因此，短期负荷预测方法的研究一直为人们所重视。

采用理论分析的方法,通过分析国内外在该方面的研究成果,剖析了人工神经网络在空调系统负荷预测中的应用,指出了利用人工神经网络(ann)具有的高度的并行处理和可完成复杂的输入输出的非线性映射能力,进行空调系统负荷预测精度高、准确度好。ann是一种有效的空调负荷预测手段。

空调负荷是近年来增长较快的一类负荷,其特性对电网的电压稳定性影响很大。夏季影响空调负荷的因素主要是温度和湿度的变化。为了更好的预测空调降温负荷,研究了温度和湿度对空调负荷的影响。利用bp人工神经网络对电网空调负荷进行了预测,经过分析把日平均湿度量化成4段,和日平均湿度实际数值的模型进行计算比较,结果显示考虑日最高温度和日平均湿度量化为4段能更好的模拟温度、湿度和空调负荷之间的非线性关系,能更好的对电网空调负荷进行预测。

电力系统负荷预测的重要性、分类和主要预测方法,bp神经网络算法的基本理论和预测过程,建立基于bp神经网络的短期负荷预测模型,以加州24h的电力负荷预测为例进行matlab仿真,结果显示预测精度符合电力系统要求。

用vb编制了人工神经网络的通用bp算法程序。根据西安参考年气象参数,采用动态模拟程序计算了某办公楼4月至9月逐时冷负荷,结果显示利用神经网络的预测值与计算值吻合。

在分析比较各种负荷预测方法的基础上,给出了一个基于互联网的应用神经网络方法进行负荷预测的方案。该方法通过互联网以“准在线”的方式可同时满足较高的逐时负荷预测精度和模型调整的要求,并已在实际工程中使用,取得了一定的效果。

基于神经网络的空调负荷实时预测模型——文章针对暖通空调系统优化和预测控制，研究了利用神经网络进行空调负荷预测的方法。

基于rbf神经网络的建筑逐时空调负荷预测模型——分别用径向基函数(rbf)神经网络模型和bp神经网络模型对广州市一栋办公楼和一栋图书馆在夏季不同月份的逐时冷负荷进行训练和预测，发现rbf神经网络模型预测的均方根误差和平均相对误差都仅是bp神经网络方法的64％...

基于小波神经网络冰蓄冷空调负荷预测——为了节省冰蓄冷中央空调系统的运行费用，准确地预测空调冷负荷是必不可少的。采用dbl小波对冰蓄冷空调冷负荷序列进行分解，分别对低频和高频序列采用bp网络进行预测，将预测结果进行叠加得到最终预测值。结合实例进行了...