基于LSSVM优化的数据中心新风系统能耗预测

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

目前我国的数据中心耗能量巨大，能耗效率却普遍不高，其中新风系统耗能占比较重，是研究数据中心节能的重要方向。数据中心新风系统能耗的在线预测，有助于实时分析数据中心的能耗情况促进能耗效率地提升。最小二乘支持向量机（LSSVM）同时具备较好的泛化性能和推广性能，计算速度快，非常适合于数据中心新风系统的能耗特性。
　　本课题研究的重点在于当数据样本有限的条件下，如何针对数据特点进行有效地研究，尽可能地提高数据的质量，以及如何找到最适宜的惩罚因子和核函数宽度参数，从而提高预测模型的性能。本文首先调研了国内外建筑能耗预测的研究现状，以及智能算法在能耗预测领域的应用。然后介绍了能耗预测的主要相关技术，分析了基本LSSVM负荷模型在数据处理和参数选择方面的不足之处。最后结合数据中心新风系统的能耗特性，分别从模型优化和算法优化两个方面对能耗预测模型进行研究：在基本LSSVM模型中增加数据处理模块，从改进异常数据处理算法、相似日选择、输入变量降维的角度，提高数据的质量，对LSSVM模型进行优化；利用粒子群优化（PSO）算法的智能寻优性能，优化LSSVM的参数选择算法，并针对PSO算法早熟收敛的缺陷，引入选择、交叉、变异机制进行改进，进一步提出IPSO-LSSVM模型，从参数选择算法的角度对LSSVM模型进行优化。
　　最后使用真实的负荷数据作为实验样本，应用本课题所设计的IPSO-LSSVM预测模型，对数据中心新风系统的能耗进行实时预测，通过对预测结果地分析，验证了该模型的有效性。

著录项

作者
王曼;
展开▼
作者单位

华中科技大学;

展开▼
授予单位华中科技大学;
学科信息与通信工程
授予学位硕士
导师姓名戴彬;
年度 2017
页码
总页数
原文格式 PDF
正文语种中文
中图分类空气处理;
关键词
新风系统; 能耗预测; 最小二乘支持向量机; 粒子群优化;

相似文献

中文文献
外文文献
专利

1. 基于EMD与果蝇参数寻优的LSSVM的机场能耗预测 [J] . 王坤 ,江顺之 . 计算机时代 . 2017,第004期
2. 基于LSSVM的啤酒企业能耗预测方法研究 [J] . 胡冬梅 ,牛国成 ,白晶 . 内蒙古科技大学学报 . 2015,第004期
3. 基于PSO优化的LSSVM的电力系统电压优化的研究 [J] . 吴明伟 ,詹跃东 . 软件 . 2017,第009期
4. 基于GRU神经网络的数据中心能耗预测模型研究 [J] . 杨丽娜 ,赵鹏 ,王佩哲 . 电力信息与通信技术 . 2021,第003期
5. 基于GRU神经网络的数据中心能耗预测模型研究 [J] . 杨丽娜 ,赵鹏 ,王佩哲 . 电力信息化 . 2021,第003期
6. 基于LSSVM的啤酒企业能耗预测方法研究 [C] . HU Dong-mei ,胡冬梅 ,NIU Guo-cheng . 第二十届全国自动化应用技术学术交流会 . 2015
7. 基于机器学习的办公建筑暖通空调系统能耗预测及优化调度 [A] . 袁玥 . 2019

基于LSSVM优化的数据中心新风系统能耗预测

目录

摘要

著录项

相似文献

相关主题

期刊订阅