基于小波分析和神经网络的冰蓄冷空调负荷预测研究

冰蓄冷中央空调的应用能够节省运行费用,但是目前主机优先的运行策略没有达到运行费用的最小化。唯有采用优化控制才能真正解决这一问题,但前提是准确地预测冷负荷。因此,准确的空调负荷预测有利于对系统运行进行更经济、更科学的规划、调度和管理,提高系统运行方案的经济性、可靠性。 本文以杭州某冰蓄冷空调系统作为实例研究对象,主要探索了空调负荷的BP神经网络预测和小波-BP网络预测这两种方法。 气象参数的预测直接影响到空调负荷的预测效果,文中首先采用适当的方法对室外温度、湿度和太阳辐射强度进行预测,将预测结果作为后续负荷预测的网络输入。 神经网络具有良好的适应性和自学习性能,可以解决传统方法难以解决的问题。本文采用BP神经网络对某冰蓄冷空调工程的冷负荷进行了预测,达到了比较满意的效果。 被称为“数学显微镜”的小波变换能有效的从信号中提取信息,通过伸缩和平移等运算功能对信号进行多尺度分析,具有时频局部化和多分辨特性。本文利用小波分析对空调冷负荷序列进行分解,提取出低频和高频分量,分别对其采用BP网络进行预测,最后加以合成,通过与BP网络预测的对比,可知小波-BP网络预测的效果更好。