基于K均值小波神经网络的二阶段空调负荷预测

作者：赵超; 郑守锦空调负荷预测k均值聚类算法小波神经网络

摘要：结合聚类分析和小波神经网络模型,提出一种二阶段空调负荷建模方法,以提高空调负荷预测精度.首先利用K均值聚类算法将原始负荷样本数据依据其统计分布特性划分为若干簇类,以降低数据相关性对建模精度的影响;然后基于对每个划分簇类所属的样本数据建立相应小波神经网络空调负荷预测模型.最后基于De ST平台模拟数据,将构造的小波神经网络预测模型运用于福建某办公大楼的逐时空调负荷预测.通过对比均方根误差（RMSE）和平均绝对误差（MAPE）,结果表明该模型的预测精度明显优于传统单一的小波神经网络和BP神经网络模型.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社