周璇　蔡盼盼　练斯甄　闫军威（华南理工大学机械与汽车工程学院　广州　510640）

基于PSO-SVR的冷水机组运行能效预测模型研究

周璇蔡盼盼练斯甄闫军威
（华南理工大学机械与汽车工程学院广州510640）

针对冷水机组运行能效模型结构复杂、受运行参数影响较大、机理建模困难等问题，本文建立了基于支持向量回归机的冷水机组运行能效预测模型，并采用粒子群优化算法对模型参数寻优，提高了模型的精度。论文以某商场中央空调离心式冷水机组为研究对象，随机选取396组运行数据对建立的模型进行训练和测试。结果表明，基于粒子群算法优化的冷水机组支持向量回归机模型较BP神经网络模型具有较高的预测精度，其相对误差基本上在3％以内。最后分别采集夏季和过渡季两日的运行数据验证模型的有效性，验证相对误差均在5％以内，因此，该模型能准确地反应冷水机组的运行能效，为冷水机组运行能效分析、故障诊断以及优化控制等提供参考依据。

冷水机组；运行能效；预测模型；支持向量回归机；粒子群算法

冷水机组运行能效直接影响空调系统能耗，准确的冷水机组运行能效预测模型是空调系统节能优化运行与故障诊断的重要基础［1］。冷水机组结构复杂，且其运行能效受冷冻水供水温度、机组负荷率、冷却水进水温度等多种因素的影响，运行能效预测建模过程复杂。诸多学者和研究人员对冷水机组建模进行了深入研究。Lee T S等［2］通过选择与建筑负荷相匹配的冷水机组及其结构参数，建立了变流量工况下的冷水机组模型。……