基于遗传神经网络的空调房间送风量预测研究

摘要

随着社会经济的发展以及人民生活水平的提高，宾馆、商场和办公大楼中空调系统要求也日益提高，电力供需矛盾进一步加剧。减少空调系统的能量消耗，缓解用电压力已经迫在眉睫，这也是保护环境的需要。在电力供应日益紧张的情况下，变风量空调、冰蓄冷空调系统在经过一段时间的萧条期后，被人们重新所接受，在越来越多的工程中得到应用。但这两种空调形式因为其自身系统形式的原因，在控制方面也存在着一些问题，所以一些高校、企业和科研机构也加强了在这方面的研究。本文所做的对空调房间需求送风量的预测对促进总风量控制方法在变风量空调系统中的应用以及实现对冰蓄冷空调蓄冷量的精确控制具有很直接的作用。 本文首先分析了传统的一些建模方法在建立空调房间需求送风量预测模型方面存在的弊端，然后引出了人工神经网络建模的思想。在阐明了BP算法所固有的收敛速度慢、容易陷入局部极小点等缺点的基础上，将遗传算法和BP算法结合起来，先利用遗传算法全局寻优的特性，对BP神经网络的权值和阈值进行遗传搜索，在满足中止条件后，转入BP算法进行局部寻优，从而达到收敛速度快，预测结果精确的目的。 利用DeST强大的分析计算功能，模拟了南京某办公建筑空调系统一整年的相关负荷数据。经过与实际气象情况的对比分析后，我们认为所得到的数据具有一定的可信性，可以作为所建立的建筑物空调房间需求送风量预测神经网络模型的训练样本和测试样本。 通过比较BP算法和GA-BP算法在空调房间日平均送风量预测模型中的预测效果，证明了GA-BP算法比BP算法具有较快的收敛速度和较高的预测精度。然后阐述了用一个统一的逐时送风量预测模型来预测8:00-21:00中每个时刻的送风量是导致预测精度不高的原因。进而根据分段建模的思想，将14个小时分为正常工作时间和晚上加班时间两个时段，采用不同的子神经网络模型分别进行预测，得到了较好的预测效果，平均相对误差由原来的10.27％降为7.24％。 最后，通过这几个模型的预测效果可以得出结论：GA-BP算法对BP神经 网络权指和阈值的优化，达到了加快收敛速度，提高预测精度的目的。根据这种思路所建立的神经网络模型在空调房间送风量预测方面的应用是成功的、可行的。