基于SVM的冰蓄冷负荷预测方法

发布时间：2017-11-01 03:16

  本文关键词：基于SVM的冰蓄冷负荷预测方法

  更多相关文章： 冰蓄冷 负荷预测 SVM 多类分

【摘要】：空调系统是重要的用电大户,也是造成电网峰谷负荷差的主要原因。冰蓄冷空调则是解决这个问题的一个有效方法,在夜间用低谷时段使用制冷机运行制冷,利用蓄冷介质将冷量储藏起来,在白天用电高峰时段将冷量释放出来。因此成为实现电网移峰填谷和节省运行费用的很重要的技术措施之一。冰蓄冷中央空调,这一在电力需求侧移峰填谷的重要技术,在二十世纪九十年代初,因峰谷电价的不同政策而重新崛起。冰蓄冷虽然能够节省运行费用,但是目前实际运行策略以主机优先为主,并没有达到运行费用的最小化。唯有采用优化控制才能真正实现运行费用的最小化,其前提是提前24小时准确地预测冷负荷。传统空调系统负荷预测过分追求负荷量的准确数据,需要大量历史数据作为基础,误差率高,大量的研究结果在实际工程应用中无法对工程现场人员起到实际的指导作用。本文讨论一种适用于工程使用的负荷预测标准,即预测未来负荷百分比,再利用按负荷百分比计算的逐时负荷分配的方法来指导实际工程操作人员的工作,并将这种算法集成到云平台应用软件中,实现在线预测的通用方案。本文首先介绍了某冰蓄冷空调系统,采集了此工程运行1年以来的室外温度和冷负荷数据,将这些数据作为建立负荷预测模型的依据。其次,分别介绍冰蓄冷系统负荷预测最常用的BP神经网络、RBF神经网络,分析他们的优劣势。介绍SVM负荷预测的特点,相对于BP网络和RBF网络总结SVM系统的优势。再其次,利用SVM基于二叉树的多类分类方法对系统进行负荷预测,将负荷比例分为100%-80%、80%-60%、60%-40%、40%-20%、20%-0%五个负荷区间进行预测,比较它与传统预测方法误差率以及其对现场工作人员的实际指导意义。
【关键词】：冰蓄冷 负荷预测 SVM 多类分
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB657.2;TP183
，

本文编号：1124993