100 积分
50
评分
4.4 积分- 详情
- 2020-12-27
- 简介
pdf
- 270KB
- 页数 4P
- 阅读 59
- 下载 36
准确预测空调负荷不仅对蓄能空调高效运行意义重大,而且也是冷热电三联产技术发挥优势的关键所在。本文提出一种小波网络应用于空调负荷的预测模型,通过小波分解,把空调负荷序列分解为不同频段的小波系数序列,再将各层的小波系数子序列重构到原尺度上,然后对小波系数序列采用相匹配的BP神经网络模型进行预测,最后合成空调负荷序列的最终预测结果。该预测模型中的低频小波系数a3和中频小波系数d3的神经网络输入变量为前1天小波系数值和对应时刻的温度、相对湿度、风速、总辐射量、天气状况和星期几编码共7个因子,并采用主成分分析法进行输入变量的降维;高频小波系数d2和d1以前几日的小波系数为输入因子。经过对西安市某综合楼的空调负荷进行预测,证明了预测值和实际运行值拟和很好,相对误差为-10%~8%。该预测模型具有预测精度较高、推广能力较强及计算速度较快的优点。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
cap505041***
擅长:
市政 园林 给排水 暖通
- 4.5
服务
- 8
商品
- 413
人气
相关推荐
基于小波变换的神经网络空调负荷预测研究 629KB
EBP神经网络在空调负荷预测中的应用 662KB
基于小波神经网络冰蓄冷空调负荷预测 233KB
基于Elman型神经网络的空调负荷预测模型 587KB
Elman网络与BP网络在空调负荷预测中的应用对比研究 700KB
小波网络应用于空调负荷预测 270KB
利用神经网络预测空调负荷 441KB
应用人工神经网络预测建筑物空调负荷 412KB
基于互联网的神经网络空调负荷预测解决方案 149KB
基于温度检测和神经网络的空调负荷预测 342KB