基于改进DDPG的中央空调负荷预测方法研究

摘要

为降低因节假日引起的建筑内部得热对大型中央空调系统负荷预测精度的负面影响，以上海世博园区某办公建筑群作为研究区域，引入新的日期特征DPH,在现有深度确定性策略梯度网络结构的基础上，利用长短期记忆神经网络替换深度确定性策略梯度的全连接神经网络，提出基于循环确定性策略梯度的大型中央空调系统冷负荷预测方法。研究结果表明，考虑DPH日期特征的改进算法预测模型能够捕捉因节假日引起的负荷变化趋势，有效提高预测准确性，预测精度达0.951,误差值为7.08%。