基于PSO的SVR模型在多联机功耗预测上的应用

• 作者: 刘江岩 李昱瑾 陈焕新
• 来源期刊: 制冷学报
• 学科: 工学
• 关键词: 变制冷剂流量系统 运行功耗 预测模型 粒子群算法 支持向量回归
• 年，卷（期）: 2019,（6）
• 页码范围: 53-61
• 页数: 9页
• 分类号: TB61+1|TQ051.5
• 字数: 5700字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-4339.2019.06.053

摘要

支持向量回归(SVR)模型在多联机系统功耗预测稳定性和精度上存在不足,本文引入粒子群优化(PSO)算法,对SVR预测模型的惩罚系数C和核参数γ进行最优求解,来改善模型预测性能.在制冷剂充注量为95.75％工况下,对多联机组进行运行实验,并对实验数据进行预处理.基于PSO算法建立PSO-SVR模型,对多联机功耗进行预测,并与SVR模型的预测结果和理论公式计算结果进行对比.结果表明:SVR、PSO-SVR、理论公式计算法总体预测误差分别为1.43％、1.08％和1.57％,均方根误差RMSE分别为105.36、88.79、91.37 W,参数寻优结果为惩罚系数C=10000和核参数γ=4.275.粒子群优化算法的引入显著提高了SVR模型的预测精度和稳定性;相较于理论公式计算法,PSO-SVR精度更高,且需要测量的参数数目明显减少,在降低了测量系统复杂性同时更具经济适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈焕新	华中科技大学能源与动力工程学院	150	1067	18.0	25.0
2	刘江岩	华中科技大学能源与动力工程学院	16	118	5.0	10.0
3	李昱瑾	华中科技大学中欧清洁与可再生能源学院	3	1	1.0	1.0