網(wǎng)絡(luò)與BP網(wǎng)絡(luò)在空調(diào)負荷預測中的應用對比研究

前饋神經(jīng)網(wǎng)絡(luò)在空調(diào)負荷預測中的應用——空調(diào)系統(tǒng)負荷是一個典型的具有動態(tài)性、不確定性等隨機特性的非線性模型,傳統(tǒng)方式難以實現(xiàn)準確、快速地預測空調(diào)系統(tǒng)動態(tài)負荷。人工神經(jīng)網(wǎng)絡(luò)具有高度的非線性運算能力和很強的容錯能力,其中最為廣泛的是前饋神經(jīng)網(wǎng)絡(luò)和采用...

空調(diào)系統(tǒng)負荷是一個典型的具有動態(tài)性、不確定性等隨機特性的非線性模型。傳統(tǒng)方式難于實現(xiàn)準確、快速地預測空調(diào)系統(tǒng)動態(tài)負荷。人工神經(jīng)網(wǎng)絡(luò)ann具有高度的非線性運算能力和較強的容錯能力,其中使用最為廣泛的是誤差反向傳播ebp算法。研究結(jié)果表明,用ebp神經(jīng)網(wǎng)絡(luò)預測空調(diào)負荷和計算結(jié)果能較好地吻和。

空調(diào)系統(tǒng)負荷是一個典型的具有動態(tài)性、不確定性等隨機特性的非線性模型,傳統(tǒng)方式難以實現(xiàn)準確、快速地預測空調(diào)系統(tǒng)動態(tài)負荷。人工神經(jīng)網(wǎng)絡(luò)具有高度的非線性運算能力和很強的容錯能力,其中最為廣泛的是前饋神經(jīng)網(wǎng)絡(luò)和采用誤差反向傳播算法來計算網(wǎng)絡(luò)權(quán)值。本文討論當誤差不為零或者不為線性函數(shù),即二階項s(w)不能忽略時的hesse矩陣的近似計算,進而訓練網(wǎng)絡(luò)。研究結(jié)果表明,用該種神經(jīng)網(wǎng)絡(luò)預測空調(diào)負荷和計算的結(jié)果會較好地吻合。

前饋神經(jīng)網(wǎng)絡(luò)在空調(diào)負荷預測中的應用——本文討論當誤差不為零或者不為線性函數(shù)，即二階項s(w)不能忽略時的hesse矩陣的近似計算，進而練網(wǎng)絡(luò)。研究結(jié)果表明，用該種神經(jīng)網(wǎng)絡(luò)預測空調(diào)負荷和計算的結(jié)果會較好地吻合。

基于小波變換的思想建立了遞歸bp網(wǎng)絡(luò)模型來預測空調(diào)負荷,改進了網(wǎng)絡(luò)權(quán)值、閾值的修改算法,引入了折扣系數(shù)法以提高近期預測精度,結(jié)合一實例進行了空調(diào)逐時冷負荷預測,結(jié)果表明該方法預測精度高,適用于空調(diào)負荷預測。

本文針對bp模型收斂速度慢、易陷入局部極小點等缺點,基于遺傳算法的思想,對訓練算法進行了改進,提高了收斂速度和預測精度。應用表明這種改進模型在空調(diào)系統(tǒng)的負荷預測方面是有效的、可行的。

在bp神經(jīng)網(wǎng)絡(luò)的相關(guān)理論的基礎(chǔ)上,介紹了其在建筑物空調(diào)負荷預測中的應用,指出bp神經(jīng)網(wǎng)絡(luò)是一種有效的建筑物空調(diào)負荷預測方式;最后還介紹了當前bp神經(jīng)網(wǎng)絡(luò)算法的改進研究,并指出了下一步亟待開展的工作。

空調(diào)系統(tǒng)的負荷與諸多影響因素之間是一種多變量、強耦合、嚴重非線性的關(guān)系,且這種關(guān)系具有動態(tài)性,因而傳統(tǒng)方法的預測精度不高。而動態(tài)回歸神經(jīng)網(wǎng)絡(luò)能更生動、更直接地反映系統(tǒng)的動態(tài)特性。針對這個特點,建立了基于elman型神經(jīng)網(wǎng)絡(luò)的空調(diào)負荷預測模型,并進行了實例預測。文中還比較了elman網(wǎng)絡(luò)和bp網(wǎng)絡(luò)結(jié)構(gòu)的建模效果,仿真實驗證明了elman神經(jīng)網(wǎng)絡(luò)具有動態(tài)特性好、逼近速度快、精度高等特點,說明elman網(wǎng)絡(luò)是一種新穎、可靠的負荷預測方法。

介紹了神經(jīng)網(wǎng)絡(luò)的基本原理,編制了通用神經(jīng)網(wǎng)絡(luò)程序,并用此程序?qū)σ粚嶋H工程空調(diào)負荷進行了預測,預測結(jié)果與計算值相吻合,說明神經(jīng)網(wǎng)絡(luò)是一種新穎、可靠的負荷預測方法

從空調(diào)負荷預測的目的出發(fā),詳細介紹了一種基于神經(jīng)網(wǎng)絡(luò)的混沌優(yōu)化方法,對誤差函數(shù)及搜索方法作了適當?shù)母倪M,建立了一個混沌神經(jīng)網(wǎng)絡(luò)模型。并用此改進的模型對一實例進行了空調(diào)負荷預測,結(jié)果表明該方法簡便、足夠準確可靠。

綜述了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史及優(yōu)缺點,闡述了人工神經(jīng)網(wǎng)絡(luò)模型的改進及在暖通空調(diào)負荷預測方面的應用,并展望了進一步的研究方向。

本文針對神經(jīng)網(wǎng)絡(luò)方法進行負荷預測時存在的泛化能力較差的缺點,提出了對歷史數(shù)據(jù)進行相關(guān)性分析和輸入數(shù)據(jù)主成分分析以提高神經(jīng)網(wǎng)絡(luò)泛化能力。實例分析結(jié)果表明:歷史數(shù)據(jù)的相關(guān)性分析為空調(diào)負荷預測神經(jīng)網(wǎng)絡(luò)模型輸入?yún)?shù)的合理選擇提供了依據(jù),主成分分析方法在降低神經(jīng)網(wǎng)絡(luò)模型輸入維數(shù)、提高該方法泛化能力方面有較好的作用。

電力系統(tǒng)短期負荷預測是能量管理系統(tǒng)的重要組成部分，不但為電力系統(tǒng)的安全、經(jīng)濟運行提供保障，也是電力市場環(huán)境下編排調(diào)度計劃、供電計劃、交易計劃的基礎(chǔ)。因此，短期負荷預測方法的研究一直為人們所重視。

電力系統(tǒng)短期負荷預測是能量管理系統(tǒng)的重要組成部分，不但為電力系統(tǒng)的安全、經(jīng)濟運行提供保障，也是電力市場環(huán)境下編排調(diào)度計劃、供電計劃、交易計劃的基礎(chǔ)。因此，短期負荷預測方法的研究一直為人們所重視。

采用理論分析的方法,通過分析國內(nèi)外在該方面的研究成果,剖析了人工神經(jīng)網(wǎng)絡(luò)在空調(diào)系統(tǒng)負荷預測中的應用,指出了利用人工神經(jīng)網(wǎng)絡(luò)(ann)具有的高度的并行處理和可完成復雜的輸入輸出的非線性映射能力,進行空調(diào)系統(tǒng)負荷預測精度高、準確度好。ann是一種有效的空調(diào)負荷預測手段。

空調(diào)負荷是近年來增長較快的一類負荷,其特性對電網(wǎng)的電壓穩(wěn)定性影響很大。夏季影響空調(diào)負荷的因素主要是溫度和濕度的變化。為了更好的預測空調(diào)降溫負荷,研究了溫度和濕度對空調(diào)負荷的影響。利用bp人工神經(jīng)網(wǎng)絡(luò)對電網(wǎng)空調(diào)負荷進行了預測,經(jīng)過分析把日平均濕度量化成4段,和日平均濕度實際數(shù)值的模型進行計算比較,結(jié)果顯示考慮日最高溫度和日平均濕度量化為4段能更好的模擬溫度、濕度和空調(diào)負荷之間的非線性關(guān)系,能更好的對電網(wǎng)空調(diào)負荷進行預測。

電力系統(tǒng)負荷預測的重要性、分類和主要預測方法,bp神經(jīng)網(wǎng)絡(luò)算法的基本理論和預測過程,建立基于bp神經(jīng)網(wǎng)絡(luò)的短期負荷預測模型,以加州24h的電力負荷預測為例進行matlab仿真,結(jié)果顯示預測精度符合電力系統(tǒng)要求。

用vb編制了人工神經(jīng)網(wǎng)絡(luò)的通用bp算法程序。根據(jù)西安參考年氣象參數(shù),采用動態(tài)模擬程序計算了某辦公樓4月至9月逐時冷負荷,結(jié)果顯示利用神經(jīng)網(wǎng)絡(luò)的預測值與計算值吻合。

在分析比較各種負荷預測方法的基礎(chǔ)上,給出了一個基于互聯(lián)網(wǎng)的應用神經(jīng)網(wǎng)絡(luò)方法進行負荷預測的方案。該方法通過互聯(lián)網(wǎng)以“準在線”的方式可同時滿足較高的逐時負荷預測精度和模型調(diào)整的要求,并已在實際工程中使用,取得了一定的效果。

基于神經(jīng)網(wǎng)絡(luò)的空調(diào)負荷實時預測模型——文章針對暖通空調(diào)系統(tǒng)優(yōu)化和預測控制，研究了利用神經(jīng)網(wǎng)絡(luò)進行空調(diào)負荷預測的方法。

基于小波神經(jīng)網(wǎng)絡(luò)冰蓄冷空調(diào)負荷預測——為了節(jié)省冰蓄冷中央空調(diào)系統(tǒng)的運行費用，準確地預測空調(diào)冷負荷是必不可少的。采用dbl小波對冰蓄冷空調(diào)冷負荷序列進行分解，分別對低頻和高頻序列采用bp網(wǎng)絡(luò)進行預測，將預測結(jié)果進行疊加得到最終預測值。結(jié)合實例進行了...

本文從分析空調(diào)系統(tǒng)運行歷史數(shù)據(jù)出發(fā),結(jié)合空調(diào)系統(tǒng)工作的環(huán)境參數(shù)影響,提出一種基于溫度檢測和神經(jīng)網(wǎng)絡(luò)的負荷預測方法。實驗表明這種方法可以比較有效地預測空調(diào)系統(tǒng)的運行負荷