大连理工大学学报

作者：于军琪,高之坤,赵安军,周敏,虎群

关键词：负荷预测特征提取组合神经网络混合预测模型预测精度

基金：咸阳机场三期扩建工程绿色能源站系统智能管控咨询与顾问项目(20210103)；国家重点研发计划资助项目(2017YFC0704100).

准确的建筑冷负荷预测是实现大型中央空调系统优化运行、节能降耗的关键．为此，提出一种天牛须搜索(BAS)算法优化的广义回归神经网络(GRNN)结合长短时记忆(LSTM)神经网络的混合预测模型(BAS-GRNN&LSTM)，用于建筑冷负荷预测．首先，采用递归特征消除法得到最佳特征数量并结合随机森林算法做特征选择；再将天牛须搜索算法优化后的广义回归神经网络与长短时记忆神经网络组合，构建冷负荷混合预测模型；最后利用某大型建筑的实测数据进行了仿真实验．结果表明：天牛须搜索算法有很好的稳定性和收敛性，适用于广义回归神经网络参数优化；利用随机森林算法结合递归特征消除法提取出的特征能够更好地建立预测模型，有效增加模型预测精度；相比其他预测模型，BAS-GRNN&LSTM的预测效果更为优越，并能对不同月份冷负荷进行有效预测，泛化能力强，适用于建筑冷负荷预测．

来源：2022年第5期

《大连理工大学学报》期刊编辑部

查看大连理工大学学报杂志2022年第5期