某工业厂房多尺度空调冷负荷预测模型

本文建立了提前1-4小时的空调冷负荷预测模型。使用相关性分析选择模型输入参数,使用ARX和ANN建立冷负荷预测模型,并对两种模型的预测精度做出对比。预测结果表明,当数据量大、变量维度小时,ANN模型无法发挥其优势,预测效果和ARX模型基本相同。考虑到ARX模型的简单性,选取ARX对未来时刻的冷负荷进行预测。提前1-4小时的ARX预测模型的CV-RMSE分别是11.6%、15.8%、18.9%和20.7%,各时间尺度下的预测精度都能够满足工程需求。

基于深度学习LSTM模型的短期空调负荷预测

通过预测空调负荷,提前改变空调运行状态可以有效提高空调系统的运行效率、改善室内热环境。本文提出基于深度学习LSTM模型短期空调负荷预测方法,对某建筑空调冷负荷进行预测,结果证明相对于传统预测模型,LSTM模型的误差更低,预测效果更好。