空調(diào)系統(tǒng)負荷預(yù)測方法比較分析

沈岑 郁輝球 章威軍 麻劍鋒 任世琛

杭州哲達科技股份有限公司

空調(diào)系統(tǒng)負荷預(yù)測方法比較分析

沈岑 郁輝球 章威軍 麻劍鋒 任世琛

杭州哲達科技股份有限公司

預(yù)測負荷對設(shè)備的優(yōu)化控制意義重大，利用杭州某醫(yī)院手術(shù)室空調(diào)機組的用電負荷，分別采用改進的季節(jié)性指數(shù)平滑法和徑向基神經(jīng)網(wǎng)絡(luò)方法進行負荷預(yù)測研究。結(jié)果表明，對變化缺乏規(guī)律的負荷進行預(yù)測時，徑向基神經(jīng)網(wǎng)絡(luò)方法的預(yù)測精度略高于改進的季節(jié)性指數(shù)平滑法。

負荷預(yù)測 指數(shù)平滑 徑向基神經(jīng)網(wǎng)絡(luò)

0　引言

空調(diào)系統(tǒng)的負荷預(yù)測，對設(shè)備的高效運行有著重要的意義。在對空調(diào)系統(tǒng)的控制中，可根據(jù)預(yù)測負荷變化趨勢，合理調(diào)整設(shè)備啟停的強烈度；同時，根據(jù)未來的負荷變化曲線，合理安排設(shè)備間的負荷分配。但由于空調(diào)冷（熱）系統(tǒng)負荷具有時變性的特點，受室外氣象參數(shù)、人流量等因素的變化而變化。雖然其中室外氣象參數(shù)往往呈現(xiàn)周期性變化規(guī)律，但是人流量因素卻主要根據(jù)建筑區(qū)域的使用功能而定。而空調(diào)末端設(shè)備的用電負荷與冷（熱）負荷相比，還受設(shè)備效率的影響，但變化趨勢與冷（熱）負荷基本一致。

目前，負荷預(yù)測已成為研究探討的熱點。文獻[1～2]認為利用改進的季節(jié)性指數(shù)平滑法與季節(jié)性指數(shù)平滑法相比，可以進一步提高負荷預(yù)測精度，但同時文獻[2]認為負荷預(yù)測值和實測值的偏差控制在±15%以內(nèi)，就可以在控制中進行利用。文獻[3]利用室外氣象參數(shù)、負荷等數(shù)據(jù)比較分析了多元線性回歸、季節(jié)性指數(shù)平滑法和神經(jīng)網(wǎng)絡(luò)方法，認為多元線性回歸方法在大多數(shù)情況下都不可取，改進的季節(jié)性指數(shù)平滑法可勝任一般的工程應(yīng)用，神經(jīng)網(wǎng)絡(luò)方法的預(yù)測精度高，但建模復(fù)雜程度也最高。

以上文獻在驗證負荷預(yù)測方法時，所利用的建筑負荷變化相對較規(guī)律（辦公樓等），所以除了多元線性回歸外，改進的季節(jié)性指數(shù)平滑法和神經(jīng)網(wǎng)絡(luò)方法的預(yù)測精度均能在10%以內(nèi)。針對負荷變化不規(guī)律，且僅能獲得歷史用電負荷、溫度和濕度的條件下，對改進的季節(jié)性指數(shù)平滑法與神經(jīng)網(wǎng)絡(luò)方法進行比較驗證。

1　實例概況

杭州某醫(yī)院標準潔凈手術(shù)室設(shè)計參數(shù)：溫度22℃，小于23.5℃；相對濕度40%～60%。在2013年6月12日至7月16日期間進行1#手術(shù)室和3#手術(shù)室空調(diào)機組的數(shù)據(jù)采集，主要包含用電量、室外溫度、室外相對濕度和空調(diào)機組送風狀態(tài)等參數(shù)。此外，還獲取了期間每日室外的預(yù)測最高溫度和最低溫度。

2　改進的季節(jié)性指數(shù)平滑法

文獻[1]中提供的改進的季節(jié)性指數(shù)平滑法，與一般的指數(shù)平滑法相比，它需要提供未來時刻的室外日平均溫度（通過氣象臺預(yù)測的最高、最低溫度獲得)，去掉了一個平滑項，并對水平因子進行修正。而其計算過程仍類似于溫特季節(jié)性指數(shù)平滑模型[4]。

分別對1#手術(shù)室和3#手術(shù)室的日用電負荷進行預(yù)測檢驗，得到的結(jié)果如圖1和圖2所示。

圖1　1#手術(shù)室用電負荷預(yù)測-實測對比

圖2　3#手術(shù)室用電負荷預(yù)測-實測對比

圖1和圖2表明，即使空調(diào)機組參數(shù)和室外環(huán)境參數(shù)都是相同的，但由于使用條件不同，3#手術(shù)室比1#手術(shù)室的負荷變化相對平穩(wěn)，結(jié)果3#手術(shù)室日用電負荷預(yù)測值的加權(quán)平均絕對百分比誤差為12%，而1#手術(shù)室達到20%。所以當負荷變化不規(guī)律時，改進的季節(jié)性指數(shù)平滑法的預(yù)測精度就會降低。

其次另一個造成預(yù)測精度變低的原因，是改進的季節(jié)性指數(shù)平滑法輸入是預(yù)測的未來室外日平均溫度，但在測試期間，僅有87%的室外預(yù)測溫度與實測溫度的相對誤差在5%以內(nèi)，意味著利用預(yù)測的室外日平均溫度本身就存在一定的誤差。

3　徑向基神經(jīng)網(wǎng)絡(luò)方法

3.1影響因素分析

利用神經(jīng)網(wǎng)絡(luò)方法對負荷進行預(yù)測，首先需要確定網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)的輸入神經(jīng)元。文獻[2]運用選元技術(shù)，確定了10個輸入?yún)?shù)，分別為實時和提前的室外溫度、太陽輻射值和空調(diào)機組使用數(shù)量等。

但對一般的空調(diào)系統(tǒng)而言，能獲得的參數(shù)主要包含歷史負荷、溫度和濕度等。因此，首先假設(shè)14個負荷影響因素，然后利用測試期間的實測數(shù)據(jù)，通過SPSS17.0對這14個影響因素進行相關(guān)性分析，去掉相關(guān)性＞0.9的因素，實際得到5個影響因素，如表1所示。

表1　負荷影響因素表

3.2徑向基神經(jīng)網(wǎng)絡(luò)方法

由于徑向基（RBF）神經(jīng)網(wǎng)絡(luò)與常用的BP神經(jīng)網(wǎng)絡(luò)相比，網(wǎng)絡(luò)結(jié)構(gòu)簡單、訓(xùn)練速度快、學(xué)習精度高[5]?；诖?，利用RBF神經(jīng)網(wǎng)絡(luò)建立負荷預(yù)測模型[6～7]。其中5個影響因素作為自變量輸入層，則輸出層即t時刻用電負荷。

圖3　3#手術(shù)室逐時用電負荷預(yù)測-實測對比

利用測試期間3#手術(shù)室用電負荷所獲得的共600個樣本進行預(yù)測檢驗，其中將前500個樣本經(jīng)線性插值生成2000個樣本用于訓(xùn)練RBF網(wǎng)絡(luò)，最后用原600個樣本對RBF網(wǎng)絡(luò)建立的模型進行檢驗，檢驗結(jié)果得平均相對誤差為11.7%。

圖3是部分負荷預(yù)測檢驗結(jié)果，由圖3（a）可以看出，當逐時實測負荷變化平穩(wěn)時，逐時預(yù)測負荷與逐時實測負荷基本保持一致，平均相對誤差僅為3.32%。但當逐時實測負荷波動大時，由圖3（b）可以看出，雖然逐時預(yù)測負荷變化趨勢與逐時實測負荷變化趨勢一致，但數(shù)值卻有一定偏離，平均相對誤差達14.17%。

4　結(jié)論

首先，使用的手術(shù)室空調(diào)用電負荷樣本與常規(guī)空調(diào)系統(tǒng)冷（熱）負荷樣本相比，受末端人流量變化影響更大，且其變化無規(guī)律可循，因而預(yù)測負荷的準確性偏低。

其次，RBF神經(jīng)網(wǎng)絡(luò)預(yù)測的是逐時用電負荷，而改進的季節(jié)性指數(shù)平滑法預(yù)測的是日用電負荷。在精度上，無論是負荷平穩(wěn)段或波動段，RBF神經(jīng)網(wǎng)絡(luò)方法精度均略高于改進的季節(jié)性指數(shù)平滑法。

由于RBF神經(jīng)網(wǎng)絡(luò)方法需要利用5個輸入因素，模型結(jié)構(gòu)與只需要1個預(yù)測的日平均溫度輸入的改進的季節(jié)性指數(shù)平滑法相比復(fù)雜得多。因此針對負荷變化平穩(wěn)，有規(guī)律的建筑可選擇改進的季節(jié)性指數(shù)平滑法，而對負荷變化無規(guī)律的建筑還是應(yīng)選用徑向基神經(jīng)網(wǎng)絡(luò)進行負荷預(yù)測，確保相應(yīng)的預(yù)測精度。

最后，根據(jù)兩種方法進行負荷預(yù)測的結(jié)果，雖然在數(shù)值上存在一定的偏差，但是大致的變化趨勢都與實測的變化保持一致。因而均可預(yù)測負荷的變化趨勢，來對設(shè)備的啟停強烈度控制進行修正，并可提前對設(shè)備進行負荷分配。

[1]何大四,張旭.改進的季節(jié)性指數(shù)平滑法預(yù)測空調(diào)負荷分析[J].同濟大學(xué)學(xué)報(自然科學(xué)版),2005,(12):1672-1676

[2]李玉街,蔡小兵,郭林.中央空調(diào)系統(tǒng)模糊控制節(jié)能技術(shù)及應(yīng)用[M].北京:中國建筑工業(yè)出版社,2010:309-311

[3]何大四,張旭,劉加平.常用空調(diào)負荷預(yù)測方法分析比較[J].西安建筑科技大學(xué)學(xué)報(自然科學(xué)版),2006,(1):125-129

[4]楊建南,李萍,李世云.溫特斯線性和季節(jié)性指數(shù)平滑法預(yù)測模型應(yīng)用探討[J].中國數(shù)字醫(yī)學(xué),2010,(11):49-51

[5]陳飛,梁金鳳,高鑄.基于徑向基神經(jīng)網(wǎng)絡(luò)的燃氣日負荷預(yù)測[J].煤氣與熱力,2007,(5):18-19

[6]陳明.MATLAB神經(jīng)網(wǎng)絡(luò)原理與實例精解[Z].北京:清華大學(xué)出版社,2013

[7]楊建強,羅先香.地下水動態(tài)預(yù)測的徑向基函數(shù)法[J].水文,2001,

Comparative analysis of air conditioning load prediction methods

SHEN Cen,YU Hui-qiu,ZHANG Wei-jun,MA Jian-feng,REN Shi-chen Hangzhou ZETA Technology Co.,Ltd.

Load prediction is very important for optimal control of equipment.This paper selects two predictive methods for carrying out load prediction of the hospital’s operating room:Seasonal Exponential Weight Moving Average(SEWMA),and Radial Basis Function(RBF)neural network,the result is that,RBF neural network is more accurate than SEWMA to predict the load varies irregularly.

load prediction,seasonal exponential weight moving average,RBF neural network

1003-0344（2015）06-046-3

2014-8-12

沈岑（1987～），女，碩士，工程師；杭州市西湖區(qū)教工路88號立元大廈6樓（310012）；E-mail:shencentracy@126.com