基于最小二乘支持向量机的空调负荷预测应用研究

基于最小二乘支持向量机的空调负荷预测应用研究

ID:34875621

大小:5.37 MB

页数:83页

时间:2019-03-13

基于最小二乘支持向量机的空调负荷预测应用研究_第1页
基于最小二乘支持向量机的空调负荷预测应用研究_第2页
基于最小二乘支持向量机的空调负荷预测应用研究_第3页
基于最小二乘支持向量机的空调负荷预测应用研究_第4页
基于最小二乘支持向量机的空调负荷预测应用研究_第5页
资源描述:

《基于最小二乘支持向量机的空调负荷预测应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、工程硕士学位论文基于最小二乘支持向量机的空调负荷预测应用研究作者姓名候鹏工程领域控制工程校内指导教师胥布工教授校外指导教师李信洪工程师所在学院自动化科学与工程学院论文提交日期2015年3月AirconditioningloadpredictionalgorithmbasedonsupportvectormachineADissertationSubmittedfortheDegreeofMasterCandidate:HouPengSupervisor:Prof.XuBugongSouthChinaUnivers

2、ityofTechnologyGuangzhou,China分类号:TU831学校代号:10561学号:201221014504华南理工大学硕士学位论文基于最小二乘支持向量机的空调负荷预测应用研究作者姓名:候鹏指导教师姓名、职称:胥布工教授申请学位级别:工程硕士工程领域名称:控制工程论文形式:□产品研发□工程设计■应用研究□工程/项目管理□调研报告研究方向:空调负荷预测论文提交日期:2015年3月16日论文答辩日期:2015年3月22日学位授予单位:华南理工大学学位授予日期:年月日答辩委员会成员:主席:匡付华委员

3、:胥布工黎善斌彭达洲华南理工大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:候m响日期:⒛lJ年‘月犭△学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向

4、国家有关部门或机构送交论文的复印件和电子版,允许学位论文被查阅(除在保密期内的保密论文外);学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于:□保密,¨年解密后∷适用本授权书。日木保密,同意在校园网上发布,供校内师生和与学校有共享协议的单位浏览;同意将本人学位论文提交中国学术期刊(光盘版)电子杂志社全文出版和编入CNKI《中国知识资源总库》,传播学位论文的全部或部分内容。(请在以上相应方框内打“√”)冫f作者签扈

5、:候腼尊日期:叨∫J·‘。指导教师签名:日期刀/r.g。亻作者联系电话:电子邮箱:联系地址(含邮编):摘要水蓄冷空调系统是在晚间低谷电价时段蓄冷,而在用电高峰时段释冷。要想比较精确的控制蓄冷罐的释冷和放冷,就需要通过有效的空调负荷预测手段来预测未来一天的总冷负荷来决定蓄冷罐的蓄冷量,同时根据未来一天逐时负荷情况来提前设定好最优的空调运行策略,以达到最大化地节省运行电费和节省使用电量。然而现有的建筑物空调负荷预测算法的精确性、可操作性和速度都往往难以解决水蓄冷空调系统的最优化运行和节能控制需求。针对这种情况,本文将

6、利用支持向量机强大的非线性映射能力构建滚动式的负荷预测模型,并应用于水蓄冷中央空调系统的最优化控制中。论文的主要研究应用工作包括:(1)为进一步提高建筑物空调负荷预测的精度,本文将预测参数分块化处理。将室外逐时温度结合气象参数单独预测,将预测出来的室外温度用于建筑物逐时冷负荷预测。将每一个时段构建一个支持向量机预测模型,通过精细化每个模型输入,减少每个模型的输出,来提高负荷预测精度。(2)在室外逐时温度预测算法中,对前人通过指数平滑法来改进的ASHRAE系数温度预测法来做进一步的改进。在进一步改进的ASHRAE系

7、数法中,采用逐时和逐日双重修正温度系数和逐时修正预测温度。温度系数和预测温度是基于时间越近权值系数越大和预测偏差来逐时修正,而温度系数的逐日修正是通过指数平滑来更新。(3)为进一步提高建筑物空调负荷预测的精度,本文将采用滚动式和加权算法改善单个支持向量机的模型。通过滚动式的算法,把每过一个小时的实际数据来修正预测模型和更新预测数据;通过加权算法,来加强近期实际数据的影响,削弱时间比较久远的实际数据的影响。关键词:空调负荷预测;支持向量机滚动预测算法;室外温度预测;OnlineLS-SVR;滚动LS-SVRIAbs

8、tractChilledwaterstorageairconditioningsystemstoragechilledwateratthelowpriceperiodsintheevening,andreleaseitduringpeakperiods.Inordertopreciselycontrollingthestoragetanktostorageandrelea

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。