基于机器学习方法的建筑能耗预测研究

发布时间：2023-10-15 17:03

　　随着人口的增长以及经济的发展,住宅与办公建筑中的能源消耗越来越多。因此,寻求能够降低建筑能耗的策略是十分有必要的。建筑节能技术在降低建筑能耗方面扮演着重要的角色。然而,由于一些不可避免的问题,例如:建筑管理不当以及设备任务调度不合理等,使得节能政策的有效性大打折扣。为了提升建筑管理水平以及建筑设备调度的合理性,对建筑能耗进行精确的预测是一种行之有效的方法。目前,相关研究人员提出了大量数据驱动的建筑能耗预测方法且取得了较好的预测结果。然而,由于人员分布、建筑热环境、天气状况以及工作时长等因素的影响,在历史建筑能耗数据中存在着高度的不确定性以及随机性,这使得准确、合理的预测很困难。为获得更加准确、合理的预测结果,本文将采取如下三种策略:一是采用更加强大的建模方法去学习隐藏在历史数据中的信息;二是将来自经验与数据的知识或模式嵌入到预测模型中;三是构建具有语言值输出的预测模型。本文的主要工作如下:首先,为了提升建筑能耗预测的精度,提出了一种极限深度学习方法。所提方法将堆栈自编码网络与极限学习机相结合,并继承了两者各自的优势。其中,堆栈自编码网络用于提取建筑能耗的特征,极限学习机作为预测器去获取...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 建筑能耗预测
        1.2.2 深度学习方法
        1.2.3 区间预测方法
    1.3 研究内容与结构安排
        1.3.1 研究内容
        1.3.2 结构安排
第2章 基于极限堆栈自编码网络的建筑能耗预测
    2.1 极限堆栈自编码网络
        2.1.1 堆栈自编码网络
        2.1.2 极限堆栈自编码网络及其训练算法
    2.2 能耗预测设定
        2.2.1 实验数据集
        2.2.2 模型训练数据生成
        2.2.3 实验设置
    2.3 建筑能耗预测实验
        2.3.1 半小时建筑能耗预测
        2.3.2 一小时建筑能耗预测
        2.3.3 分析与比较
    2.4 小结
第3章 基于修正深信度网络混合模型的建筑能耗预测
    3.1 深信度网络
        3.1.1 受限玻尔兹曼机
        3.1.2 深信度网络
    3.2 混合模型
        3.2.1 混合模型的结构
        3.2.2 用能模式的提取与残差数据的生成
        3.2.3 修正DBN及其训练算法
    3.3 建筑能耗预测实验设定
        3.3.1 比较方法
        3.3.2 实验数据与实验设置
        3.3.3 零售店能耗预测实验
        3.3.4 办公楼能耗预测实验
        3.3.5 比较与讨论
    3.4 小结
第4章 基于语言值输出模糊神经网络的建筑能耗预测
    4.1 模糊神经网络
    4.2 语言值输出模糊神经网络
        4.2.1 FW-FNN的结构
        4.2.2 FW-FNN的输入-输出映射
    4.3 高斯型FW-FNN的数据驱动设计
        4.3.1 数据驱动设计流程
        4.3.2 FW-FNN全连接结构的数据驱动生成
        4.3.3 FW-FNN的结构简化
        4.3.4 高斯型模糊权重中心的最小二乘学习
        4.3.5 高斯型模糊权重宽度的多目标优化
    4.4 建筑能耗预测实验
        4.4.1 性能评价指标
        4.4.2 一小时建筑能耗预测
    4.5 小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士学位期间论文发表及科研情况



本文编号：3854306