基于模型校准的建筑冷负荷短期预测模型人工内扰特征变量获取方法

摘要：

准确的短期建筑冷负荷预测对于建筑供能系统的运行优化具有重要意义.数据驱动模型因在挖掘建筑实际负荷特性、提高预测精度方面具有较大的优势而得到广泛应用.然而,内扰特征变量的缺失严重影响着数据驱动负荷预测模型的预测效果.为此,本文提出了一种利用模型校准技术从冷负荷时间序列中反向挖掘内扰相关数据信息的方法.案例研究结果表明,利用该方法获得的人工内扰特征变量数据对使用人工神经网络模型的短期建筑冷负荷预测效果的提升具有显著作用.相比于完全缺失内扰特征变量的预测模型,预测误差可降低11.46％,相比于使用日历信息作为内扰特征变量的预测模型,预测误差可降低6.51％.

关键词：负荷预测、模型校准、内扰时刻表、数据驱动模型、内扰特征变量

所属期刊栏目：53

分类号：TM714;TN915.853-34;TU831.2

资助基金：国家自然科学基金51778407

在线出版日期：2023-04-13（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：54-60