서포트 벡터 회귀(SVR) 모델은 멀티 스플릿 시스템의 전력 소모 예측 안정성과 정확성에 부족함이 있어, 본 논문에서는 입자 군집 최적화 알고리즘(PSO)을 도입하여 SVR 예측 모델의 벌점 계수와 커널 매개변수를 최적해하여 모델 예측 성능을 개선하였다. 냉매 충전량이 95.75%인 조건에서 멀티 스플릿 시스템에 대한 운전 실험을 실시하고 실험 데이터를 전처리하였다. PSO 알고리즘을 기반으로 PSO-SVR 모델을 구축하여 멀티 스플릿의 전력 소모를 예측하고, SVR 모델의 예측 결과 및 이론적 공식 계산 결과와 비교하였다. 결과에 따르면 SVR, PSO-SVR, 이론 공식 계산법의 전체 예측 오차는 각각 1.43%, 1.08%, 1.57%이며, 평균 제곱근 오차(RMSE)는 각각 105.36, 88.79, 91.37 W이고, 매개변수 최적화 결과는 벌점 계수 C=10000과 커널 매개변수 γ=4.275이다. 입자 군집 최적화 알고리즘의 도입은 SVR 모델의 예측 정확도와 안정성을 크게 향상시켰으며, 이론 공식 계산법과 비교할 때 PSO-SVR은 더 높은 정확도를 가지며 측정해야 할 매개변수 수가 현저히 감소하여 측정 시스템의 복잡성을 줄이고 경제성을 높였다.

변냉매 유량 시스템;운전 전력;예측 모델;입자 군집 알고리즘;서포트 벡터 회귀