RuChti[28]采用了标准日、最热日负荷预测器进行负荷预测。这种方法实际上是将一定时期内（如一个月）某一特殊的负荷图样作为该时期每天的负荷图样。此方法简单、计算量小、比较适合于一般的工程应用，对运行管理水平要求不高，但远不能满足优化和控制的要求。

    1989 年Boonyatikam等指出采用数学模型预测空调冷负荷的缺陷，包括①详细模型需要内存的增加；②数学方程不容易适应外界条件或运行状况的改变；③计算机处理时间过长；④有精度要求时，对建筑物的输人描述过多等。为了避免这些问题，作者采用基于实际空间响应（负荷）而不是理论模型的预测函数。收集相关变量的历史数据用于分析。将每一个变量，如：室外干球温度、相对温度、人射太阳辐射、风速、风向、负荷等的数值记录到数据文件中，最后采用多元线性回归导出预测方程［29］。

    1989年MacArthur等采用ARMAX时序模型进行负荷预测，预测误差在5％以内[16].

    1989 年Spethmann[7]和1994年Simmonds［3］采用第二天预报的最高、最低温度、历史形状因子曲线，并区分了工作日与周末。首先预测室外温度，然后通过温度曲线和历史形状因子进行负荷预测，并将算法集成于预测优化蓄冷控制器。实际运行时，测量温度和负荷用于对预测值的在线修正。

    1990 年Ferrano采用ANN预测次日总冷负荷，并与实时专家系统结合用于迈阿密一幢建筑冰蓄冷系统控制。根据每天24小时的温度波动情况，分三种温度模式：冷（COld）10℉、暖（warm）14℉下和普通（normal）2.5℉，对神经网络进行训练。神经网络训练完成后，预测值与理想值的偏差为 4％［30］。

    以上研究工作具有各自的特点，然而各预测模型间没有性能对比。1993年，在ASHRAE首届建筑物能量预测竞赛中，在对比多个参赛选手的预测结果后，Kreider指出为了达到更为精确的预测效果，传统方法将让位于新的预测方法，如ANN.1995年Ka- washima采用完全相同的数据集，对包括ANN模型在内的七种预测模型（ARIMA、LR、EWMA）进行比较论证，指出ANN模型预测最精确［17］。

    4 结束语

    准确的预测是冰蓄冷系统优化和控制的基础和前提。根据以上文献，目前冰蓄冷系统中的温度预测通常采用形状因子法；而对于太阳辐射和建筑物冷负荷的预测，人工神经网络是更为有效的方法

[1] [2] [3]

　　考试交流区成绩查询交流群（点击加入QQ群可快速加群交流成绩查询相关信息我们会及时在群里通知）：

　　（群：129722917）　

　　温馨提示：有任何报考及考试相关疑问，可添加网校专业老师个人微信号“edu24olxu”咨询。！考生可下载手机APP，随时掌握考试资讯！

扫一扫上面的二维码，添加老师个人微信号，所有课程七折开通

　　1·2023年一级建造师报名时间

　　2·一级建造师报考条件

　　3·一级建造师考试真题

　　4·2022年一级建造师成绩查询时间

　　5·2023年一级建造师考试时间9月9、10日

　　6·一级建造师考试科目