基于神经网络和粒子群算法的建筑能耗预测.docx

基于神经网络和粒子群算法的建筑能耗预测

1.76万字 41页 原创作品，已通过查重系统


摘要 随着社会的不断发展，能源问题越来越受到人们的关注，以电能为主的建筑能耗问题逐渐突显出来。在电能管理系统中，有效的电能预测是进行整体的负荷规划和节能优化的基础。本文研究了小时级建筑能耗的预测算法利用人工神经网络（ANN）和粒子群算法(PSO)各自的优点，建立基于PSO优化ANN参数的建筑能耗预测模型。首先，针对局部寻优问题，介绍了BP神经网络（BPNN）的基本原理，利用BPNN良好的局部收敛性能寻找局部最优解。其次，针对全局寻优问题，介绍了PSO的基本原理，并提出了三种改进粒子群算法(IPSO)。利用基本测试函数对PSO和IPSO进行寻优性能测试和对比，证明了IPSO具有更加优越的全局搜索能力。最后，通过结合BPNN和PSO，即利用PSO优化BPNN的参数（权值和阈值）。将两种算法的优点进行互补结合，提高了神经网络的模糊学习能力，为了验证本文方法的优越性，利用美国采暖、制冷与空调工程师学会(ASHRAE)提供的建筑能耗数据进行仿真实验。分别基于基本ANN、PSO-ANN、IPSO-ANN建立建筑能耗预测模型并进行对比，仿真结果表明了本文提出的IPSO-ANN具有更好的预测精度，可结合现有的建筑能量采集系统，应用于建筑未来能耗的预测和分析。

关键词：建筑能耗预测 人工神经网络 粒子群算法 改进粒子群算法