一种基于数据驱动的空调负荷预测方法

摘要

空调负荷预测是空调负荷潜力分析和电网空调负荷调控的基础，为了精确地对空调负荷进行预测，文中提出了一种考虑到外界影响因素以及集成优化的空调负荷预测方法.首先，拟定好实验运行方案并采集影响因素数据.其次，使用近邻成分分析(NCA)方法进行特征选择，剔除重要度小的特征.然后使用白鲨优化算法(white shark optimizer, WSO)对支持向量回归(support vector regression, SVR)的正则化参数和核函数的宽度参数进行优化，最后，结合自适应提升算法(adaptive boosting, Adaboost)构建Adaboost-WSO-SVR主模型，检验其精度并与其他方法进行比较.结果表明，提出的Adaboost-WSO-SVR主模型相比于集成优化后的BP,ELM模型精度更高.可知提出的方法在负荷预测方面效果更好，为空调节能优化控制策略提供依据.

关键词

空调负荷 / 负荷预测 / 特征选择 / 白鲨优化算法 / 自适应提升算法 / 支持向量回归