长安大学学报（建筑与环境科学版）
JOURNAL OF CHANG'AN UNIVERSITY(ARCHITECTURE AND ENVIRONMENT SCIENCE EDITION)
2004 Vol.21 No.4 P.58-61

人工神经网络在商场建筑物冷负荷预测中的应用

Application of artificial neural network to predict building's cooling load

刘玮　 王智伟　 袁照旺　 崔舒　

摘　要：对空调系统进行冷负荷预测是对冰蓄冷系统进行优化控制的重要前提与基础.经过对各种预测方法的结果比较,人们发现人工神经网络预测的结果更接近实际值.基于人工神经网络的通用BP(Back Propagation)算法编制的程序,实际对一栋采用冰蓄冷空调的商场性质建筑物进行冷负荷预测并加以评价.此程序采用Visual Basic编制,含有7个输入层以及1个输出层,利用通用BP算法.结果显示利用人工神经网络预测建筑物冷负荷比较可靠.
关键词：冰蓄冷;人工神经网络;冷负荷;负荷预测
分类号：TU745.9 　文献标识码：A
文章编号：1001-7569(2004)04-0058-04

基金项目：陕西省教育厅专项基金项目(02JK138).
作者简介：刘玮(1979-),男,江西新余人,西安建筑科技大学硕士研究生,从事蓄冰空调研究.
作者单位：刘玮（西安建筑科技大学,环境与市政工程学院,陕西,西安,710055）　
　　　　　王智伟（西安建筑科技大学,环境与市政工程学院,陕西,西安,710055）　
　　　　　袁照旺（华电华源人工环境工程有限公司,北京,100000）　
　　　　　崔舒（西安市热力公司,陕西,西安,710065）　

参考文献：

［1］胡守仁.神经网络导论[M].北京:国防科技大学出版社,1993.
［2］王伟.人工神经网络原理--入门与应用[M].北京:北京航空航天大学出版社,1995.
［3］Kawshima M,Charles E Dorgan.Optimizing system control with load prediction by neural networks for an ice-storage system[J].ASHRAE Trans,1996,102(1):1 169-1 178.
［4］Chen Ting-yao.A K Athienitis ambient temperature and solar radiation prediction for predictive control of HVAC systems and a methodology for optimal building heating dynamic operation[J].ASHRAE Trans,1995,101(1):26-36.
［5］Kawashima M,Dorgan C E,Mitchell J W.Hourly thermal load prediction for the next 24 hours by ARIMA,EWA,LR,and anartifical neural network[J].ASHRAE Trans,1995,101(1):186-200.


收稿日期：2004年8月28日

出版日期：2004年12月1日