摘要: 工业用户的空调冷热负荷预测对于有目的的节能减排有重要作用。由于用户的冷热负荷数据具有非线性、外界干扰多且呈日周期性的特点,采用传统的ARMA和SVR方法不能取得良好的预测效果。因此提出一种利用日周期性特点的组合ARMA模型和SVR模型的预测方法:首先结合原始数据的日周期性特点,采用ARMA模型进行线性预测;对于ARMA模型的预测残差中保留的原始数据的非线性特征,利用SVR模型对残差进行非线性部分的预测,修正原来的预测结果,得到最终的预测值。采用真实数据的实验结果显示,新提出的预测方法可以显著改善预测效果。
甘中学, 喻想想, 许裕栗, 李德伟. 基于周期性ARMA-SVR模型的空调冷热负荷预测[J]. 控制工程, 2020, 27(02): 380-385.
GAN Zhong-xue, YU Xiang-xiang, XU Yu-li, LI De-wei. Air-conditioning Cooling and Heating Load Prediction Based on Periodic ARMA-SVR Model[J]. Control Engineering of China, 2020, 27(02): 380-385.