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
尊敬的用户，本篇文章需要2元，点击支付交费后阅读
限时优惠福利：领取VIP会员
全年期刊、VIP视频免费!
全年期刊、VIP视频免费!
1068
15
15