基于改进型BP神经网络的大型CCHP系统负荷预测研究

摘要：

为了解决BP神经网络在预测空调负荷时存在的学习速度慢、维数灾难、容易陷入局部收敛及无法保证全局收敛最优解等问题,首先采用Spearman秩相关系数分析冷负荷的主要影响因素,确定了动态冷负荷预测模型的输入参数,然后构建复合遗传算法的改进型GA-BP神经网络预测模型,并分别利用BP和GA-BP神经网络模型对位于上海的某大型区域CCHP系统进行了冷负荷预测.结果显示:利用Spearman秩相关系数分析,可缩短模型训练时间,规避维数灾难,提高预测精度;相对BP神经网络预测结果,GA-BP神经网络避免了局部收敛,明显提高了模型的预测精度.

关键词：CCHP系统、负荷预测、GA-BP神经网络、Spearman秩相关系数、影响因素

所属期刊栏目：51

在线出版日期：2021-03-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：128-133,127