徐 麟 周传辉 胡云鹏 李冠男 方 曦

基于长短期记忆神经网络的冷水机组能耗预测

徐 麟1周传辉1胡云鹏2李冠男1方 曦1

（1.武汉科技大学 武汉 430081；2.武汉商学院 武汉 430056）

空调系统中冷水机组是主要的耗能部件，节能潜力较大。由于空调系统的末端需求的变化性，准确开展冷水机组的能耗预测能有效的为机组的优化控制提供参考。因此，引入长短期记忆神经网络（LSTM，Long Short-Term Memory）对冷水机组能耗进行预测，并结合EnergyPlus仿真模型数据和实际办公建筑数据验证LSTM能耗预测模型的预测效果。建立并优化LSTM冷水机组能耗预测模型。结果显示，相比于反向传播神经网络和多元线性回归模型，LSTM模型的计算时间有所增加，但LSTM模型的预测精度在三个模型中最高，LSTM能够更准确的预测冷水机组的能耗。

冷水机组；能耗预测；长短期记忆神经网络；时间序列

0 引言

随着空调系统在建筑中的应用越来越广泛，建筑能耗显著增长。空调系统的运行能耗在建筑总运行能耗中占较大比例，约三成以上[1]。冷水机组作为空调系统的主要耗能部件，占空调系统总能耗的40%以上[2]，其节能潜力巨大。空调系统的能耗预测作为空调节能研究的重要部分，能为未来短期的系统能耗进行预测和评估，从而指导空调系统的优化管理以达到节能的目的[3]。随着大数据时代的到来，多种基于数据挖掘的能耗预测方法被应用于能耗预测领域之中。由于数据挖掘方法可以在大量数据中发现隐含的信息，目前已成为比较流行的能耗预测方法[4-6]。……