基于神經(jīng)網(wǎng)絡(luò)和粒子群算法的建筑能耗預(yù)測

1.76萬字 41頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘要 隨著社會的不斷發(fā)展，能源問題越來越受到人們的關(guān)注，以電能為主的建筑能耗問題逐漸突顯出來。在電能管理系統(tǒng)中，有效的電能預(yù)測是進行整體的負荷規(guī)劃和節(jié)能優(yōu)化的基礎(chǔ)。本文研究了小時級建筑能耗的預(yù)測算法利用人工神經(jīng)網(wǎng)絡(luò)（ANN）和粒子群算法(PSO)各自的優(yōu)點，建立基于PSO優(yōu)化ANN參數(shù)的建筑能耗預(yù)測模型。首先，針對局部尋優(yōu)問題，介紹了BP神經(jīng)網(wǎng)絡(luò)（BPNN）的基本原理，利用BPNN良好的局部收斂性能尋找局部最優(yōu)解。其次，針對全局尋優(yōu)問題，介紹了PSO的基本原理，并提出了三種改進粒子群算法(IPSO)。利用基本測試函數(shù)對PSO和IPSO進行尋優(yōu)性能測試和對比，證明了IPSO具有更加優(yōu)越的全局搜索能力。最后，通過結(jié)合BPNN和PSO，即利用PSO優(yōu)化BPNN的參數(shù)（權(quán)值和閾值）。將兩種算法的優(yōu)點進行互補結(jié)合，提高了神經(jīng)網(wǎng)絡(luò)的模糊學(xué)習(xí)能力，為了驗證本文方法的優(yōu)越性，利用美國采暖、制冷與空調(diào)工程師學(xué)會(ASHRAE)提供的建筑能耗數(shù)據(jù)進行仿真實驗。分別基于基本ANN、PSO-ANN、IPSO-ANN建立建筑能耗預(yù)測模型并進行對比，仿真結(jié)果表明了本文提出的IPSO-ANN具有更好的預(yù)測精度，可結(jié)合現(xiàn)有的建筑能量采集系統(tǒng)，應(yīng)用于建筑未來能耗的預(yù)測和分析。

關(guān)鍵詞：建筑能耗預(yù)測 人工神經(jīng)網(wǎng)絡(luò) 粒子群算法 改進粒子群算法