寇腾跃 于忠清 杨熙鑫

摘要：针对AHU系统中的多维、异构、非线性等特点，提出了一种基于改进粒子群的高斯过程回归（IPSO-GPR）算法。在传统的PSO算法上引进了混沌序列和交叉策略，使粒子在运动过程中能够自适应的调整搜索方向和速度，并针对局部最优解附近的区域进行了重点搜索，降低PSO陷入局部最优解的风险。使用平方指数和二次有理两种核函数的组合GPR来应对复杂的AHU非线性系统。对比PSO-GPR方法的预测性能，IPSO-GPR模型预测的送风温度误差保持在0.07℉以下，预测效果更加精确。

关键词：超参数优化;粒子群优化;混沌序列;高斯过程回归;暖通空调送风温度

中图分类号：TP399

文献标志码：A

收稿日期：2020-11-11

基金项目：

山东省重点研发计划（重大创新工程） （ 批准号：2019JZZY020101）资助。

通信作者：于忠清，男，博士，研究员，主要研究方向为嵌入式系统、普适计算、大数据。E-mail：1812661472qq.com

暖通空调（HVAC）中空气处理单元（AHU）影响系统整体性能和能耗[1]。在使用模型预测控制（MPC）降低AHU机组的能耗时[2]，首先需要建立能耗和系统性能（送风温度，送风管道静压）的预测模型，然后在满足HVAC系统需求的前提下优化系统的控制以达到节能效果。系统性能预测模型的结果是优化控制的约束条件，如果系统性能的预测模型精度不够，就会产生相对错误的预测结果，优化控制模型为了满足错误的约束，就会产生偏离系统需求的控制指令，此时不仅能耗会有所增加，室内舒适度也会降低。为了使优化控制能够更加精确，需要建立高精度的系统性能预测模型。……