46
doi:10.3969/j. issn. 1009 3230.2016.09.014
应用能源技术
2016年第9期（总第225期）
基于BP神经网络下空调负荷预测模型的研究
林育贤，冯圣红
（北京建筑大学环境与能源工程学院，供热供燃气通风及空调工程北京重点实验室，北京100044）
摘要：在目前暖通空调领域已有的研究中，人工神经网络大多数都用在空调系统的负荷预测上，尤其以BP神经网络的研究最为深入。但是，当前并没有形成系统的、简便的神经网络负荷预测模型。为建立一套完整的神经网络负荷预测模型，需要考虑诸多因素。文中将对BP 神经网络的结构和参数值进行详细地分析，并分析讨论榆入层和隐含层神经元数目的确定以及样本集长度的寻优方法。最后，通过实际工程数据对神经网络负荷预测模型中各环节进行确定，从而最终确定负荷预测模型的最佳结构，证明本模型是行之有效的。
关键词：BP神经网络；空调负荷预测模型；输入层；输出层；样本集长度
中图分类号：TB6.TU831文献标志码：B文章编号：1009-3230(2016)09-0046-06 Study on the Air-ConditioningLoad Prediction Model
BasedOnBpNeuralNetwork
LIN Yu xian, FENG Sheng hong
(Beijing University of Civil Engineering and Architecture, College of Environment and Energy Engineering, Beijing key lab of heating, gas supply, ventilating and Air
Conditioning Engineering, Beijing 100044, China)
Abstract: In the recent research in the field of HVAC, most of the artificial neural network is used oaaeeaa However, there is no systematic and convenient neural network load prediction model. In order to establish a complete neural network load forecasting model, many factors need to be considered. The structure and parameters of BP Neural Network are analyzed in detail; the method of determining the number of neurons in the input and hidden layers and the length of the sample set is analyzed and discussed. Finally, the each link in the neural network load predictionmodelwill be confirmed via an actual engineering subject, the best structure of the load prediction model will be settled eventually, which prove the model is effective.
Key words: Artificial Neural Network ; Air conditioning load prediction model; Input layer; Out put layer; Length of sample set
0引言
人工神经网络（ArtificialNeuralNetwork，简称 ANN)是一种模拟生物神经网络进行信息处理的数学模型。它以对大脑的生理研究成果为基础，目的在于模拟大脑的某些机理与机制，实现一些
收稿日期：2016-06-18
修订日期：2016-07-10
作者简介：林育资，北方建筑大学环境与能源工程学院。万方数据
特定的功能("]。ANN作为一种工具，在暖通空调领域研究中凸显了它的优势特点，负荷预测被视为是人工神经网络最有潜力的应用领域之一。
目前，关于BP神经网络的模型种类繁多，原理不同，方法各异。笔者在查阅关于空调系统负荷预测的相关文献[2-7]时，注意到文献中对于预测模型的输入变量是缺乏考患的，且文献中关于