基于GIHCMAC神经网络的建筑电负荷预测方法

• 作者: 丁绪东 吴盼红 姬晓娃 尹春杰 段培永 邱钟
• 来源期刊: 计算机系统应用
• 关键词: 建筑电负荷预测 IHCMAC神经网络 GIHCMAC神经网络 遗传算法 蚁群聚类算法
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 142-147
• 页数: 6页
• 字数: 3851字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006952

摘要

随着能源供应与经济快速发展的矛盾日益加剧,建筑节能成为可持续发展战略的一个关键环节,研究一种快速、精准的建筑用电量预测方法是实现建筑节能优化控制的重要前提.本文将遗传算法与蚁群聚类算法相融合,对基于聚类的IHCMAC(Improvement Hyperball CMAC)神经网络的网络节点进行改进,将GIHCMAC(Genetic Algorithm Ant Colony Clustering Algorithm based on IHCMAC)作为建筑电力负荷预测模型,对潍坊某一办公建筑用电负荷进行预测.研究结果表明,该预测模型迭代次数最小、准确度较高,其迭代次数、训练误差、泛化误差分别为9、0.0045、0.0014,较IHCMAC、KHCMAC(K-means Hyperball CMAC)、IKHCMAC(Improvement K-means Hyperball CMAC)模型的收敛速度更快,精度更高,泛化能力更强.