基于AR-DBN的建筑分项能耗短期预测

被引：19

作者：

钱青 ^{[1
]}

唐桂忠 ^{[1
,2
]}

张广明 ^{[1
,2
]}

邓歆 ^{[1
]}

尹海培 ^{[3
]}

机构：

[1] 南京工业大学电气工程与控制科学学院

[2] 江苏省绿色建筑工程技术研究中心

[3] 江苏省住房和城乡建设厅科技发展中心

来源：

计算机工程 | 2019年 / 45卷 / 06期

关键词：

时间序列; 自回归模型; 分项能耗; 深度学习; 深度置信网络;

D O I：

10.19678/j.issn.1000-3428.0050649

中图分类号：

TU111.195 [];

学科分类号：

摘要：

针对现有总能耗预测方法不能准确分辨建筑能耗的消耗去向且预测精度较低的问题,根据能耗用途,将总能耗分为4项,提出一种建筑能耗分项预测模型。基于时间序列自回归模型,对建筑物的照明能耗进行短期预测。构建深度置信网络模型,根据照明能耗预测结果、室外逐时平均温度、室外逐时平均相对湿度、天气特征值、节假日、逐时平均风速以及一天24个整点时刻,分项预测空调能耗、动力能耗和特殊能耗。实验结果表明,相比总能耗预测模型iPSO-BP和BP,该模型能更加精确、有效地预测建筑能耗中的各分项能耗。

引用

页码：290 / 296

页数：7

共 12 条

[1] 基于深度学习的深度图超分辨率采样
王晓晖
盛斌
申瑞民
[J]. 计算机工程, 2017, 43 (11) : 252 - 260
[2] 基于流形算法与RBF网络的超短期风速预测
张雪松
朱想
赵波
魏海坤
邵海见
[J]. 计算机工程, 2017, 43 (11) : 317 - 321
[3] 基于深度学习的航空传感器故障诊断方法
郑晓飞
郭创
姚斌
冯华鑫
[J]. 计算机工程, 2017, 43 (07) : 281 - 287
[4] 基于LM-BP神经网络的建筑能耗在线预测
路阔
钟伯成
[J]. 上海工程技术大学学报, 2014, 28 (04) : 347 - 350
[5] 基于GM-RBF神经网络的高校建筑能耗预测
赵超
林思铭
许巧玲
[J]. 南京理工大学学报, 2014, 38 (01) : 48 - 53
[6] 基于时间序列分析的建筑能耗预测方法
周芮锦
潘毅群
黄治钟
[J]. 暖通空调, 2013, (08) : 71 - 77
[7] 基于分项实时监测的建筑能耗数值分析
李道洋
蒙艳玫
胡映宁
徐聪麒
刘长俊
周权
[J]. 广西大学学报(自然科学版), 2012, 37 (05) : 965 - 971
[8] An improved sequence-based prediction protocol for protein-protein interactions using amino acids substitution matrix and rotation forest ensemble classifiers[J] . Zhu-Hong You,Xiao Li,Keith CC Chan.Neurocomputing . 2016
[9] Artificial Neural Network Model for Forecasting Sub-hourly Electricity Usage in Commercial Buildings[J] . Young Tae Chae,Raya Horesh,Youngdeok Hwang,Young M. Lee.Energy & Buildings . 2015
[10] Building's electricity consumption prediction using optimized artificial neural networks and principal component analysis[J] . Kangji Li,Chenglei Hu,Guohai Liu,Wenping Xue.Energy & Buildings . 2015

← 1 2 →