基于AK-means聚类算法和BLSTM的中央空调负荷预测研究

摘要

精准的冷负荷预测是中央空调系统节能优化运行的关键前提。为进一步提高冷负荷预测精度，提出一种融合AK-means聚类算法与BLSTM的中央空调负荷预测模型。首先，改进K-means算法，引入动态调整K值策略，形成AK-means算法，以预处理输入数据，提升数据质量；其次，采用白头鹰搜索算法优化LSTM网络参数，构建BLSTM预测模型；最后，将BLSTM模型与BP、CNN、LSTM模型的预测结果进行对比。实验表明，相同数据集与评价指标下，BLSTM模型性能最优，其平均绝对误差较BP、CNN、LSTM模型分别降低了66.12%、78.75%、27.19%。本研究为中央空调系统节能优化与智能调控提供了方法参考。

关键词

中央空调 / 负荷预测 / AK-means聚类算法 / BLSTM / BES算法