基于改进CGWO-SVM算法的建筑能耗预测模型研究.pdf

第45卷第5期动化仪表Vol.45No.5

2024年5月PROCESSAUTOMATIOITRUMENTATIONMay.2024

基于改进CGWO-SVM算法的建筑能耗预测模型研究

王首彬，回江贤，周艺萱，张斌2

（1.天津城建大学控制与机械工程学院，天津300384；2.中国电建市政建设集团有限公司，天津300384）

摘要：建筑能耗预测能够反映建筑内部各分项能源消耗系统是否存在降耗空间，从而为节能减排工作提供指导。为了提高建筑能

耗预测精度，提出了一种基于改进混沌灰狼优化-支持向量机（CGWO-SVM）算法的建筑能耗预测模型。针对传统灰狼优化（GWO）算

法过早收敛和易于陷人局部最优解的问题，采用Tent混沌序列初始化种群、控制参数随机动态调整策略来平衡搜索能力。通过

Cauchy变异操作降低算法陷人局部最优的概率，提出了改进CCWO。通过仿真测试，证明了CCWO算法在求解精度和稳定性方面优

于CWO算法。利用该算法优化支持向量机（SVM），建立CGWO-SVM建筑能耗预测模型。采用实际建筑能耗数据进行测试。测试结

果表明，CGWO-SVM算法的预测性能优于其他模型。CGWO-SVM算法可用于建筑能耗预测工作，具有较强的实际应用价值。

关键词：建筑能耗预测；改进混沌灰狼优化；Tent混沌序列；变异；支持向量机

中图分类号：TH-701文献标志码：AD0I:10.16086/ki.issn1000-0380.2023020016

StudyofBuildingEnergyConsumptionPredictionModel

BasedonImprovedCGWO-SVMAlgorithm

WANGShoubin,HUIJiangxian,ZHOUYixuan,ZHANGBin?

(1.SchoolofControlandMechanicalEngineering,TianjinChengjianUniversity,Tianjin300384,China;

2.PowerConstructionCorporationofChina,Tianjin300384,China)

Abstract:Thepredictionofbuildingenergyconsumptioncanrespondtowhetherthereisanyspaceforreductionofconsumption

ineachsub-energyconsumptionsystemwithinabuilding,toprovideguidanceforenergysavingandemissionreductionwork.In

ordertoimprovetheaccuracyofbuildingenergyconsumptionprediction,abuildingenergyconsumptionpredictionmodelbased

onimprovedchaoticgraywolfoptimization-supportvectormachine(CGWO-SVM)algorithmisproposed.Toaddressthe

problemsofprematureconvergenceandeasytofallintolocaloptimalsolutionsoftraditionalgraywolfoptimization(GWO)

algorithm,Tentchaoticsequenceinitializationofthepopulation,controlparameterstochasticdynami