李光皓:建筑物热负荷预测算法比较
论论资讯 | 2024-04-29 |
34热度
Energy
Explore content
About the journal
Publish with us
Comparison of algorithms for heat load prediction of buildings
Wang Y.; Zhan C.; Li G.; Ren S.
Published:2024-06-15
DOI:10.1016/j.energy.2024.131318
研究背景
当谈到智能供暖系统时,精确预测建筑物的动态热负荷至关重要。然而,目前研究领域存在一个紧迫的问题,即如何提高预测动态热负荷的准确性。这一问题一直困扰着学者们,因为它直接关系到智能供暖系统的效率和节能性。
研究内容
该项研究旨在比较不同算法在建筑物热负荷预测中的表现。研究采用了机器学习和回归算法,结合了数据时间步自适应策略、物理引导损失函数以及热传递的基本原理。通过数学优化算法对长短期记忆(LSTM)和多层感知器(MLP)模型进行参数微调,形成了Pelican优化算法(POA)-LSTM模型,该模型在办公楼热负荷预测准确性方面表现出色。研究结果显示,POA-LSTM模型的平均绝对百分比误差(MAPE)仅为2.3%和1.3%,明显优于其他模型,如线性回归模型。
研究意义
这项研究的创新之处在于提出了一种新的优化算法结合物理引导模型的方法,以改进供暖系统中的热负荷预测。通过比较不同算法的表现,研究为提高供暖系统的热负荷预测提供了有力支持,有望为未来智能供暖系统的发展提供新的思路和方法。
希望这篇简明易懂的文章可以帮助你更好地了解建筑物热负荷预测领域的最新研究进展!
学术热榜
查看全部
相关资讯
换一批