基于室内气象因子的夏季日最大的负荷预测方法的研究

• 作 者: 陈瑜
• 机 构: 东南大学
• 出 处: 东南大学
• 发表日期: 2011年期
• 关键词: 日最大负荷 室内温度 线性回归 RBF神经网络 负荷预测

随着人们对室内舒适度要求的不断提高,空调使用需求也日益增长,夏季日最大负荷在不断升高,其中,空调负荷占总负荷的比重也越来越大。目前夏季短期负荷预测多数是根据负荷与室外温度因子的关系进行预测,但由于空调的使用状况更加取决于人体对室内温度和舒适度的感受情况,夏季日最大负荷与室内的温度因子相关性更大,因此本文对基于室内气象因子的夏季日最大负荷预测方法进行研究。　　
首先研究夏季空调温度设定的参数标准。介绍人体热舒适的概念和影响室内热舒适的环境因素,阐述国内现行室内空气温度标准中对夏季空调房间室内温度、相对湿度参数标准值所作的规定,在此基础上,借鉴国内外关于室内热环境与空调温度的设定的研究成果,建议将室内温度27.5℃作为空调开启的分界点。　　
然后分析南京市夏季室内外温度因子的关系及其与日最大负荷的关系。给出室内温度、相对湿度数据的测量过程及方法,分析室内外温度的关系及变化趋势,在此基础上建立室内温度因子模型,计算并分析室内外温度与日最大负荷的相关系数。　　
最后分别采用线性回归模型和RBF神经网络模型对南京市夏季日最大负荷进行预测。利用线性回归预测方法,基于不同室内外温度因子,对日最大负荷进行预测,并对预测结果进行修正,使得预测精度大大提高。利用RBF神经网络预测方法,基于不同室内外温度因子,通过相似日的选取和网络结构设计这两个阶段,实现对日最大负荷的预测。对基于不同温度因子的负荷预测结果进行比较分析,其结果表明基于室内温度因子的负荷预测效果优于基于室外温度因子的负荷预测。