基于梯度提升回归树的冷水机组能耗预测方法

发布时间：2021-10-07 01:44

　　冷水机组作为空调系统最主要的能耗设备,建立冷水机组能耗预测模型对于节能运行优化具有重要意义。本文针对冷水机组运行参数繁多,能耗预测模型超参数难以调优等特点,提出了基于梯度提升回归树的冷水机组能耗预测方法,并利用冷水机组实测数据对模型进行了训练与验证,同时对比了支持向量回归和决策树模型。结果表明:基于梯度提升回归树的能耗预测模型能够更准确的预测冷水机组能耗。对比其他两种模型,MAE和RMSE分别平均降低了24.5%和45.5%,相关系数达到0.999 7,并且模型对超参数不敏感,能够在较宽泛的范围内比较好地拟合数据,具有较高的实用价值。 

【文章来源】：制冷与空调. 2020,20(11)

【文章页数】：5 页

【部分图文】：

冷水机组示意图

本文以梯度提升回归树算法建立冷水机组能耗模型，建模过程包括数据预处理，特征选择，模型超参调优，模型建立和最后的结果分析对比，具体的建模流程如图2所示。3.1 数据预处理

输入训练集训练GBRT模型，并通过绘制学习曲线来判断是否存在欠拟合或过拟合问题，如图3所示，随着训练样本的增加，训练集的平均绝对误差一直都维持在较低的水平，并且与交叉验证集的差距在不断减小，可见模型能够较好地拟合数据。3.4 模型测试及结果分析对比

【参考文献】：
期刊论文
[1]基于EWMA-BN的冷水机组故障诊断策略[J]. 尚鹏涛,郭亚宾,谭泽汉,陈焕新,丁新磊.  制冷学报. 2019(02)
[2]基于长短期记忆神经网络的暖通空调系统能耗预测[J]. 廖文强,王江宇,陈焕新,丁新磊,尚鹏涛,魏文天,周镇新.  制冷技术. 2019(01)
[3]基于关联规则算法的冷水机组运行性能优化[J]. 周璇,王炳文,闫军威,凡祖兵,石凯.  暖通空调. 2018(12)
[4]基于机器学习的冷水机组能耗模型辨识方法研究[J]. 魏峥,王碧玲.  建筑科学. 2018(06)
[5]梯度渐进回归树在建筑能耗短期预测中的应用[J]. 王尉同,潘毅群,黄治钟.  建筑节能. 2018(03)
[6]大数据在空调领域的应用[J]. 陈焕新,刘江岩,胡云鹏,李冠男.  制冷学报. 2015(04)
[7]基于BP神经网络的冷水机组能效预测方法[J]. 严中俊,闫军威.  制冷与空调(四川). 2013(05)
[8]基于外在参数的冷水机组数学模型[J]. 李威,张昌.  制冷与空调. 2011(06)



本文编号：3421130