ANZHUANG2023年第2期58技术交流TechnologyExchange陈文成1陈楚夫2陈玉凌2（1.湖南省工业设备安装有限公司长沙410000；2.中国电建集团中南勘测设计研究院有限公司长沙410000）摘要：本文以某建筑内的离心式冷水机组为研究对象，使用BP神经网络和遗传算法改进的GA-BP神经网络基于机组的运行数据建立其能耗预测模型。神经网络的输入为机组的冷负荷和冷冻水供回水温度等外部参数，输出为机组的能耗。BP神经网络模型的决定系数为0.47，GA-BP神经网络模型的决定系数为0.91。改进的GA-BP神经网络模型具有更好的准确性和实际应用价值。关键词：冷水机组神经网络遗传算法能耗预测模型中图分类号：TB657文献标识码：B文章编号：1002-3607（2023）02-0058-03基于GA-BP神经网络的冷水机组能耗预测空调系统需要大量电力来维持室内热舒适度，而冷水机组作为空调系统中的重要设备，其能耗占空调系统总能耗的50%以上[1]。为了减少能源消耗和相关温室气体排放，可对冷水机组的运行能耗进行预测，从而发掘其节能的潜力。杨海滨等[2]通过聚类算法和模糊模型建立了冷水机组的部分负荷性能预测模型，该模型的平均相对误差在6.8%~9.3%。沈家沁等[3]提出了一种可预测冷水机组能耗的数据挖掘算法，研究得出径向基函数神经网络模型的预测性能相较于支持向量机算法和决策树算法是更为实用且可靠的。陈静等[4]结合特征选择算法，提出了冷水机组的能耗预测模型，该模型的预测精度超过0.9。徐麟等[5]提出了一种基于LSTM神经网络的冷水机组能耗预测模型，并将其与BP神经网络模型和多元线性回归模型对比，研究发现，LSTM神经网络模型具有更好的预测性能。本文以某建筑内的单台冷水机组为研究对象，基于实际运行过程中的采集数据，使用BP神经网络和改进的GA-BP神经网络建立该冷水机组的能耗预测模型，并将两种神经网络建立的能耗预测模型进行对比分析。1冷水机组概况以某离心式多冷水机组系统中的一台机组为研究对象，该台机组的额定制冷量为9550kW，额定功率为1550kW。研究所使用的数据由布置于机组上的传感器实时采集或换算得到，共采集了577条数据。采集的参数有冷水机组的能耗、冷冻水供水温度、冷冻水回水温度、冷冻水流量、冷却水进水温度、冷却水出水温度等。2冷水机组能耗预测模型的建立BP神经网络是一种常用的前馈神经网络，其由输入层、隐藏层和输出层构成。神经网络适用于分类和回归预测等问题，通过调整其内部节点的连接关系处理信息。以冷水机组能耗预测模型为例，将机...
