空调系统是重要的用电大户,精确的负荷预测是节约能耗的途径,也是优化控制的基础。实现空调负荷的预测可以更好地满足建筑物内供冷的要求,并在此前提下尽可能地减少运行费用。随着冰蓄冷空调系统发展的逐渐成熟,进行空调负荷预测更有着深远意义。BP神经网络是类似于人脑学习记忆的方法,它能够解决具有动态性、时变性、多扰量性、不确定性等随机特性的问题,而预测空调系统冷负荷正是这样一个典型的非线性模型。但BP网络需进行改进才能达到良好的精度。可以对BP神经网络进行改进的小波分析方法则是一门新兴的理论,它克服了传统Fourier分析的不足,在时域和频域都具有良好的局部化特性,在信号处理、图像处理、语音分析等领域有重要的应用价值。本文首先建立了一个BP神经网络模型,并通过MATLAB语言实现这一模型,但在预测中发现其预测精度不高,所以又引入小波分析的方法对BP神经网络进行改进.所以本文第二步又建立了基于小波变换和BP神经网络的小波神经网络预测模型,即利用小波分解-重构-预测的方法实现对空调冷负荷的预测。建立这一模型的具体做法就是首先确定网络模型的输入参数,即室外温度、风速、太阳辐射、天气状况、星期几、前一日的冷负荷值这六个参数,并对空调系统的冷负荷进行小波分解与重构,找到冷负荷的变化规律。然后确定小波网络的拓扑空间及训练、传递函数的形式。最后采用MATLAB编程,实现了小波网络预测模型的建立。通过对西安市一综合楼的冷负荷预测模型的训练以及仿真表明,小波网络进行空调系统冷负荷的预测精度较高,并且有较好的推广能力。