數(shù)據(jù)挖掘在短期空調負荷預測中的應用研究.pdf

1、可靠的空調系統(tǒng)負荷預測是實現(xiàn)空調系統(tǒng)高效節(jié)能的重要基礎?？照{系統(tǒng)負荷預測是根據(jù)空調系統(tǒng)負荷特性的真實情況，利用一定的數(shù)學理論和計算方法，采用合適的模型，取得較為準確的負荷預測效果。實際工作中對空調負荷歷史數(shù)據(jù)的采集通常存在著含有噪聲、并帶有隨機性等問題，此外預測模型自變量的選取往往缺乏依據(jù)。這些問題勢必會影響空調系統(tǒng)負荷預測模型的泛化能力，進而影響該模型的預測精度。為提高預測模型的泛化能力，需要對空調負荷歷史數(shù)據(jù)進行預處理。
　　

2、本文首先針對空調系統(tǒng)信息采集過程產生的離群不良數(shù)據(jù)的問題，構建了不良數(shù)據(jù)清洗模型，采用Kohonen網絡聚類并提取空調負荷特征曲線，采用超圓神經網絡定位并識別不良數(shù)據(jù)點，經過數(shù)據(jù)調整后有效改善了空調負荷歷史數(shù)據(jù)的質量。針對負荷預測的自變量高維度且冗余難以選取的問題，對自變量相關因素進行相關性分析與主成分分析，合理地減少了預測模型的輸入維數(shù)，從而解決了模型預測中的過擬合問題。
　　最后針對傳統(tǒng)神經網絡模型預測容易出現(xiàn)局部收斂且精度較