首页|基于Kmeans-SVR的住宅建筑供热负荷预测方法

基于Kmeans-SVR的住宅建筑供热负荷预测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为提高建筑负荷预测的准确性,方便后续进行建筑能耗优化调整,本文将Kmeans聚类算法与SVR模型相结合构建住宅建筑供热负荷预测模型,并采用冬季采暖工况数据对模型进行验证.结果表明,采用聚类算法对输入特征中相关性较高的特征进行分类,可使负荷预测模型更具针对性;Kmeans-SVR模型的平均绝对百分比误差相比SVR模型降低了62%,均方根误差降低了19%,并且Kmeans-SVR模型预测负荷与实际负荷间的决定系数超过0.9;聚类数目为2 时相比聚类数目为3 时Kmeans-SVR模型有更好的聚类效果,但预测误差却更大;在供热初期和末期,Kmeans-SVR模型的平均绝对百分比误差在15%上下波动;在供暖中期,Kmeans-SVR模型的平均绝对百分比误差在10%左右,整体预测误差小于SVR模型.Kmeans-SVR模型是一种准确高效的供热负荷预测方法,可以为供热空调运行策略调控提供支持,有助于实现建筑节能减排的目的.

郭杰、赵强

展开 >

济南大学物理科学与工程学院,济南 250022

建筑负荷预测 Kmeans-SVR模型 支持向量回归 K均值聚类方法 供热负荷

山东省科技型中小企业创新能力提升工程项目济南市"新高校20条"产业创新载体项目

2022TSGC21352021GXRC116

2024

能源研究与利用
江苏省节能技术服务中心,东南大学热能工程研究所,江苏省能源研究会

能源研究与利用

影响因子：0.204
ISSN：1001-5523
年,卷(期)：2024.(5)
  • 5