科研之友
微信
新浪微博
Facebook
分享链接
摘要
文章以建筑中可再生能源系统为研究对象，利用长短期记忆（Long Short-Term Memory,LSTM）神经网络建立变频太阳能-空气源热泵（Variable Frequency Solar Air Source Heat Pump,VFAP）系统，在乌鲁木齐市气象条件下选取一个6层办公楼进行分析。首先，在实测数据校验模型的基础上，基于TRNSYS软件搭建VFAP系统，以一个供暖季为研究周期，获取VFAP系统的室外参数和过程运行数据。其次，利用灰色关联度分析（Grey Relation Analysis,GRA）计算各特征与供暖负荷的灰色关联度，并利用局部保留投影算法（Locality Preserving Projection,LPP）进行数据降维，得到VFAP系统的最优预测向量。最后，通过选择合理的网络参数，提出基于LSTM神经网络的VFAP系统的短期负荷预测模型，并与现有预测模型相对比。结果表明，LSTM神经网络对VFAP系统的负荷预测具有较好的识别效果，该精度要优于传统的神经网络预测模型，具有潜在的应用价值。
- 单位
