基于AR-DBN的建筑分项能耗短期预测

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.

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

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金51507078;江苏省教育厅高校自然科学基金15KJB470006

在线出版日期：2019-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：290-296