第３８卷第１期青岛大学学报（工程技术版）Ｖｏｌ．３８Ｎｏ．１２０２３年３月ＪＯＵＲＮＡＬＯＦＱＩＮＧＤＡＯＵＮＩＶＥＲＳＩＴＹ（Ｅ＆Ｔ）Ｍａｒ．２０２３文章编号：１００６９７９８（２０２３）０１００１６０８；ＤＯＩ：１０．１３３０６／ｊ．１００６９７９８．２０２３．０１．００２Ｌｅｖｙ－ＣＰＳＯ－ＧＡ算法在空调冷负荷预测模型ＬＳＴＭ中的应用后理通，张晨晨，丛意林，吴伊成，马永志（青岛大学机电工程学院，山东青岛２６６０７１）摘要：针对单一算法优化空调冷负荷模型参数存在的局限性及对预测精度的需求，本文提出了基于遗传算法（ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，ＧＡ）进化、莱维飞行（Ｌｅｖｙ）及粒子群（ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）优化算法的协同并行混合算法Ｌｅｖｙ－ＣＰＳＯ－ＧＡ。将初始种群初始化为２个同规模种群，分别按照合作机制和竞争机制并行更新，种群１采用Ｌｅｖｙ飞行产生随机新巢方式自适应初始化ＰＳＯ，同时引入迭代极值，记录粒子群的信息交换；种群２按照ＧＡ更新，种群间通过适应度交流，以最优适应度更新群体，将混合算法应用于优化长短期预测模型（ｌｏｎｇｓｈｏｒｔ－ｔｅｒｍｍｅｍｏｒｙ，ＬＳＴＭ），并将结果与各预测算法进行比较。研究结果表明，优化后的预测模型，预测精度大幅提高，与ＥＬＭ相比，ＲＭＳＥ降低了８１．１％；与ＬＳＴＭ模型相比，误差显著降低，ＲＭＳＥ降低了２６．４％，在第１０５个预测点处，该预测模型的绝对误差为－０．６８２９，相比于ＥＬＭ的绝对误差值－７．３１３５，其精度提高了９０．６６％，预测性能优于其他算法。该研究对准确预测冷负荷具有重要意义。关键词：ＧＡ；Ｌｅｖｙ；ＣＰＳＯ；ＬＳＴＭ负荷预测；协同并行优化中图分类号：ＴＰ３１２；ＴＵ８３１．２文献标识码：Ａ收稿日期：２０２２０５１９；修回日期：２０２２０８２６基金项目：国家自然科学基金资助项目（５１８７５２９６）；山东省重点研发计划资助项目（２０１８ＧＧＸ１０５００７）作者简介：后理通（１９９７），男，硕士研究生，主要研究方向为优化算法对空调负荷的预测和传热。通信作者：马永志（１９７２），男，副教授，主要研究方向为大数据与云计算技术。Ｅｍａｉｌ：ｈｉｋｉｎｇ＠１２６．ｃｏｍ建筑能耗作为全球性问题［１］，约占世界能耗的３０％［２］，其中采暖、通风及空调系统（ｈｅａｔｉｎｇ，ｖｅｎｔｉ...
