摘要：准确预测空调负荷不仅对蓄能空调高效运行意义重大，而且也是冷热电三联产技术发挥优势的关键所在。本文提出一种小波网络应用于空调负荷的预测模型，通过小波分解，把空调负荷序列分解为不同频段的小波系数序列，再将各层的小波系数子序列重构到原尺度上，然后对小波系数序列采用相匹配的BP神经网络模型进行预测，最后合成空调负荷序列的最终预测结果。该预测模型中的低频小波系数a3和中频小波系数d3的神经网络输入变量为前1天小波系数值和对应时刻的温度、相对湿度、风速、总辐射量、天气状况和星期几编码共7个因子，并采用主成分分析法进行输入变量的降维；高频小波系数d2和d1以前几日的小波系数为输入因子。经过对西安市某综合楼的空调负荷进行预测，证明了预测值和实际运行值拟和很好，相对误差为-10％～8％。该预测模型具有预测精度较高、推广能力较强及计算速度较快的优点。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社