基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测

摘要：

为了准确预测供热负荷,提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型.首先利用主成分分析法融合影响热负荷的特征指标,消除指标之间的冗余性和相关性;同时采用粒子群算法优化BP神经网络的初始权值和阈值,克服了 BP神经网络容易陷入局部最优的缺陷,提高了 BP神经网络的预测精度.基于北京某居住建筑供热系统的实际运行数据,对模型的性能进行了验证.仿真结果表明,改进的模型预测精度提高了 4.07％.

关键词：供热负荷、预测模型、BP神经网络、主成分分析(PCA)、粒子群算法(PSO)、特征变量

所属期刊栏目：53

分类号：TM715;TU831.3;TP389.1

资助基金：中国建筑科学研究院青年科研基金项目20200109331030019

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：138-142,160