基于深度置信神经网络的变风量空调送风量的预测

雷 蕾，王 宁，郑 皓，薛 雨

（1.桂林电子科技大学，广西桂林 541004；2.大连理工大学，辽宁大连 116024）

0 引言

随着空调能耗在建筑能耗占比的不断增大，变风量空调（VAV，Variable Air Volume Air-Conditioning）以显著的节能优势成为国内外空调领域的热门研究对象。变风量空调涉及温度、湿度、压力和流量等多个参数，由于这些参数之间的非线性性和相互耦合特性，导致变风量空调送风量的预测出现不精确、不稳定现象，影响变风量空调的节能和室内舒适性［1-3］。因此，精确预测变风量空调的送风量是一项丞待解决的问题。

近年来，针对变风量空调的节能研究主要集中在负荷预测方面，文献［4］建立MSA-SVR（Support Vector Regression Machine Optimized by Modified Simulated Annealing）空调负荷预测模型，有效地提高了空调负荷预测的精准度和稳定性。 文 献［5］采 用 IDEA（Improved Differential Evolution Algorithm）优化小波神经网络的方法建立空调冷负荷预测模型，提高了空调冷负荷预测的速度和精度。文献［6］提出一种基于集成方法的深度置信神经网络模型对空调系统冷负荷进行预测，提高了空调系统冷负荷预测的稳定性和鲁棒性。上述研究均是对空调系统的负荷进行预测，关于变风量空调送风量的预测研究则相对较少。目前送风量的预测主要依靠空调负荷的预测值，当空调负荷预测出现较大误差时，由于误差的传递性导致送风量的预测误差增大。鉴于上述问题，文献［7］利用CFD模拟软件对整车空调的送风量进行预测，该方法可以预测出整车空调的送风量。CFD技术固然可行，但是计算结果完全依赖于初始边界条件和参数设置，模拟时间长且适应性较差。……