-
题名基于深度学习考虑人员行为的空调负荷预测
被引量：1
- 1
-
-
作者
朱振乐
弓建强
张腾腾
徐洪涛
-
机构
上海理工大学
上海柏晟能源科技有限公司
-
出处
《暖通空调》
2024年第9期62-70,共9页
-
文摘
本文以提高空调负荷预测精度为目的,首先通过k均值聚类,得到人员进出房间行为模式,以确定室内人数;其次基于马尔可夫移动模型描述室内各房间人员移动,以确定室内房间有无人员;然后通过LSTM预测室内参数,并采用PMV-PPD方法对室内热环境进行评价,以确定房间内人员开关空调行为;最后以室外参数、室内参数及空调开关状态参数为输入特征使用LSTM、GRU及BiLSTM预测空调负荷。案例验证表明:预测中引入空调开关状态参数可以更好地挖掘空调开关的特征与规律,引入室内参数可以抑制由空调负荷变化剧烈引起的预测精度差的问题,同时引入2种参数能够显著降低预测误差;相比于LSTM和GRU,BiLSTM具有更高的预测精度。
-
关键词
空调负荷
预测
人员行为
聚类
深度学习
环境评价
-
Keywords
air conditioning load
prediction
human behavior
clustering
deep learning
environmental assessment
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TU831.2
[建筑科学—供热、供燃气、通风及空调工程]
-
