El modelo de regresión de vectores de soporte (SVR) tiene deficiencias en la estabilidad y precisión de la predicción del consumo energético en sistemas multisplit. En este trabajo, se introduce el algoritmo de optimización por enjambre de partículas (PSO) para encontrar óptimamente el coeficiente de penalización y el parámetro del núcleo del modelo SVR con el fin de mejorar el rendimiento predictivo. Bajo una condición de carga del refrigerante del 95.75%, se realizaron experimentos operativos en unidades multisplit y se procesaron los datos experimentales. Basado en el algoritmo PSO, se construyó un modelo PSO-SVR para predecir el consumo energético de los multisplits, y se compararon los resultados con los del modelo SVR y los cálculos teóricos. Los resultados muestran que el error general de predicción de SVR, PSO-SVR y el método teórico fue de 1.43%, 1.08% y 1.57% respectivamente, el error cuadrático medio RMSE fue 105.36, 88.79 y 91.37 W, y los resultados de optimización de parámetros fueron coeficiente de penalización C=10000 y parámetro del núcleo γ=4.275. La introducción del algoritmo PSO mejoró significativamente la precisión y estabilidad del modelo SVR; comparado con el método teórico, PSO-SVR tiene mayor precisión y requiere menos parámetros medidos, reduciendo la complejidad del sistema de medición y siendo más económico y aplicable.

Sistema de flujo variable de refrigerante;consumo energético operativo;modelo predictivo;algoritmo de enjambre de partículas;regresión de vectores de soporte