基于PSO的SVR模型在多联机功耗预测上的应用

摘要

cqvip:支持向量回归(SVR)模型在多联机系统功耗预测稳定性和精度上存在不足,本文引入粒子群优化(PSO)算法,对SVR预测模型的惩罚系数C和核参数γ进行最优求解,来改善模型预测性能。在制冷剂充注量为95. 75%工况下,对多联机组进行运行实验,并对实验数据进行预处理。基于PSO算法建立PSO-SVR模型,对多联机功耗进行预测,并与SVR模型的预测结果和理论公式计算结果进行对比。结果表明:SVR、PSO-SVR、理论公式计算法总体预测误差分别为1. 43%、1. 08%和1. 57%,均方根误差RMSE分别为105. 36、88. 79、91. 37 W,参数寻优结果为惩罚系数C=10 000和核参数γ=4. 275。粒子群优化算法的引入显著提高了SVR模型的预测精度和稳定性;相较于理论公式计算法,PSO-SVR精度更高,且需要测量的参数数目明显减少,在降低了测量系统复杂性同时更具经济适用性。