O modelo de regressão por vetores de suporte (SVR) apresenta deficiências na estabilidade e precisão da previsão do consumo de energia em sistemas multisplit. Este artigo introduz o algoritmo de otimização por enxame de partículas (PSO) para a busca ótima do coeficiente de penalização e do parâmetro do kernel do modelo SVR, a fim de melhorar o desempenho de previsão do modelo. Sob a condição de carga do refrigerante de 95,75%, foram realizados experimentos operacionais em unidades multisplit e os dados experimentais foram pré-processados. Com base no algoritmo PSO, foi estabelecido o modelo PSO-SVR para prever o consumo de energia dos multisplits, e os resultados foram comparados com os da previsão do modelo SVR e com os cálculos da fórmula teórica. Os resultados mostram que o erro geral de previsão para SVR, PSO-SVR e método de cálculo teórico foi de 1,43%, 1,08% e 1,57%, respectivamente; o erro quadrático médio RMSE foi de 105,36, 88,79 e 91,37 W; e o resultado da otimização dos parâmetros foi o coeficiente de penalização C=10000 e o parâmetro do kernel γ=4,275. A introdução do algoritmo de otimização por enxame de partículas melhorou significativamente a precisão e a estabilidade do modelo SVR; em comparação ao método de cálculo teórico, o PSO-SVR apresenta maior precisão e requer um número significativamente menor de parâmetros a serem medidos, reduzindo a complexidade do sistema de medição e sendo mais econômico e aplicável.

Sistema de fluxo de refrigerante variável;consumo de energia operacional;modelo preditivo;algoritmo de enxame de partículas;regressão por vetores de suporte