基于IPSO-Elman神经网络的建筑暖通空调系统能耗预测方法

在建筑暖通空调系统能耗预测中,在不同负荷比率的作用下预测偏差较高,可靠性需要进一步提高.为此,提出了基于IP-SO-Elman神经网络的建筑暖通空调系统能耗预测方法.从正在运行的暖通空调系统中,提取能耗数据,在获得完整的能耗数据后,根据能耗数据的动态变化特点,计算IPSO-Elman神经网络的惯性权重和学习因子,将能耗...     

基于神经网络算法的建筑能耗预测系统研究

能源与环境是当今世界的两大热点问题,越来越受到人们的关注.在我国,城市的能耗大部分来自于建筑,建筑节能是我国可持续发展战略的一个重要组成部分.对建筑进行能耗预测能够对能源进行科学的管理并有效地节约能源,实现低碳.通过将神经网络算法与建筑能耗预测系统相结合,开展建筑能耗预测模型的研究,能够有效地帮助管理人员合理安排建筑系统的运行方式,评估能耗水平是否合理,从而实现建筑节能.     

基于数据挖掘技术的建筑能耗分析集成方法

传统的建筑能耗监测方法难以有效地发现能耗数据特点以及能耗数据之间的潜在关系,对异常能耗数据的判断缺乏准确性。针对上述问题,提出基于多种数据挖掘方法的建筑能耗分析集成方法。通过优选分类、离群点分析、关联分析,以及预测等数据挖掘相关算法,新集成方法挖掘蕴含在建筑能耗数据中有价值的知识,实现能耗模式分类、能耗异常数据识别、找出影响能耗的相关因素、能耗预测,提供建筑节能辅助决策。通过美国国家再生能源实验室研究支持机构使用的建筑能耗数据集,验证了新集成方法的可行性和有效性。     

基于相似日区域化RBF分析的校园能耗预测

为了准确预测校园建筑的能耗,结合校园自身特性和能耗影响因素,建立一种基于日能耗区域性分析的RBF神经网络预测模型。主要考虑校园因季节、作息时间等特性而造成的区域曲线特性,利用某高校能耗的近两年历史数据,进行区域能耗对比分析,挖掘能耗突发点,分析能耗迁移量,并线性扩展预测。预测结果与实际能耗的对比具有较高的精度,验证了该方法的有效性,为高校能源的管理奠定了坚实基础。     

建筑能耗的计算机模拟技术

建筑能耗模拟是建筑节能设计的基础.DOE是知名的建筑能耗模拟软件.本文介绍了DOE的发展、基本结构以及基本语法.给出了一个实例建筑的冷热负荷模拟结果.     

基于软件可量化计算的绿色建筑能耗控制仿真

传统绿色建筑能耗控制方法无法准确计算绿色建筑能耗评价指标权重,导致绿色建筑能耗组成预测以及平均年能耗密度预测的结果均出现精度偏低问题.于是提出基于软件可量化计算的绿色建筑能耗控制方法.构建绿色建筑能耗评价指标体系,并采用AHO法量化处理绿色建筑能耗评价指标.在群体性判断原则的基础上扩大数据来源,提高绿色建筑评价指标权重...     

基于Q-Learning算法的建筑能耗预测

提出一种基于Q-learning算法的建筑能耗预测方法.通过将建筑能耗预测问题建模为一个标准的马尔科夫决策过程,利用深度置信网对建筑能耗进行状态建模,结合Q-learning算法,实现对建筑能耗的实时预测.通过美国巴尔的摩燃气和电力公司公开的建筑能耗数据进行测试实验,结果表明,基于本文所提出的模型,利用Q-learning算法可以实现对建筑能耗的有效预测,并在此基础上,基于深度置信网的Q-learning算法具有更高的预测精度.此外,实验部分还进一步验证了算法中相关参数对实验性能的影响.     

基于AR-DBN的建筑分项能耗短期预测

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。     

小数据场景下基于迁移学习与BiLSTM的建筑能耗预测方法

针对由新建建筑或建筑节能改造能耗数据不足引起的深度学习网络预测精度低的问题，提出一种基于迁移学习与BiLSTM（双向长短期记忆网络）的新建建筑能耗预测方法。首先采用MMD（最大均值差异）对源域建筑与目标域建筑的历史数据进行相似度分析；然后利用相似建筑的历史数据对BiLSTM进行预训练；最后微调BiLSTM对目标域建筑进行预测。使用真实的建筑能耗数据进行实验，结果表明，与其他预测模型相比，所提出方法显著提高了能耗预测精度。     

基于时间序列自回归模型的绿色建筑供暖能耗短期预测

为实时了解绿色建筑供暖能耗的变化趋势,提升能耗预测效果,设计基于时间序列自回归模型的绿色建筑供暖能耗短期预测方法。利用增强迪基-福勒检验法,检验绿色建筑历史供暖能耗时间序列平稳性;对非平稳的历史能耗时间序列进行差分平稳化处理,获取平稳的历史能耗时间序列;在时间序列自回归模型内添加移动平均模型,并考虑能耗的气温影响因素,建立时间序列自回归移动平均模型;利用赤池信息准则确定模型阶数,通过粒子群算法确定模型参数;在模型阶数与参数确定后的模型内,输入平稳的历史能耗时间序列,输出供暖能耗短期预测值。实验证明：该方法可精准预测不同类型绿色建筑的短期供暖能耗;在不同绿色建筑渗透量时,该方法短期供暖能耗预测误差较小;在不同室外温度时,该方法短期供暖能耗预测的可决系数较高,即预测精度较高。     

基于新维无偏灰色Markov模型单位GDP能耗预测研究

能源消耗问题是全球关注的焦点,单位GDP能耗是反映能源消耗水平的重要指标,对其进行科学、准确的预测有着重大意义。由于GM(1,1)模型和Markov模型用于时间序列预测时优势互补,本文首先建立了无偏灰色Markov预测模型,然后进一步利用新信息优先的思想,建立了等维新息无偏灰色Markov预测模型。以1991年至2011年广东省单位GDP能耗实测值作为原始数据,构建预测模型,预测其2012年至2014年单位GDP能耗。结果表明:新维无偏灰色Markov模型的预测误差小,精度高,适合中长期预测。     

利用回归分析预测(蒸汽)产量和控制能耗——基于EXCEL的统计应用

运用EXCEL的数据分析工具对蒸汽产量与能耗量进行线性回归分析,据此计算出与给定耗气量相对应的锅炉热负荷(即蒸汽产量)应取值的区间。通过对锅炉热负荷(即蒸汽产量)取值区间的预测,达到控制锅炉能耗,及时发现异常,降低生产成本之目的。     

基于CNN-RNN组合模型的凝汽式汽轮机能耗预测研究

常规的凝汽式汽轮机能耗预测方法主要采用瞬态/稳态并行分析法生成汽轮机能耗预测模型,该方法易受临界负荷的影响,导致热耗预测偏差较大过高。因此,本文提出基于卷积循环神经网络（CNN-RNN）组合模型的凝汽式汽轮机能耗预测研究,利用R检验法筛选并生成凝汽式汽轮机能耗特征参数工况库,结合CNN-RNN组合模型消除凝汽式汽轮机能耗预测偏差,从而完成凝汽式汽轮机能耗预测。结果表明,设计的基于凝汽式汽轮机能耗CNN-RNN组合模型的凝汽式汽轮机能耗预测方法的热耗预测偏差较小,证明该方法的预测效果较好,具备较高的准确性和一定的应用价值,为优化汽轮机的运行方案提供了一定贡献。     

改进鲸鱼算法构建混合模型的建筑能耗预测

建筑能耗数据具有非平稳和非线性特征,单一预测模型很难对其进行精准预测,提出一种用于建筑能耗短期预测的新型混合模型。利用互补集合经验模态分解方法(CEEMD)将波动性较大的能耗数据分解为一组本征模态函数和一个残差序列;基于反向学习、差分进化算法并引入控制参数对鲸鱼优化算法(WOA)进行改进,有效解决算法早熟收敛与陷入局部最优等问题,提出改进算法UWOA(upgraded whale optimization algorithm);利用UWOA优化Elman神经网络的权值与阈值,优化后的Elman神经网络对本征模态函数和残差序列进行预测并集成,得到能耗预测值。应用CEEMD-UWOA-Elman混合模型对上海某大型公共建筑能耗进行短期预测,结果显示混合模型获得很好的预测效果。     

基于移动人流数据的商业楼宇负荷用电预测

建筑能耗的准确预测为电网系统进行高效管理和合理分配电能资源奠定了重要基础,而结合外因数据预测商业楼宇的负荷用电量是一个难点问题。根据建筑内人流量对用电负荷的影响,提出一种将融合移动人流数据的多维时间序列预测模型LMO(Linear Model with Occupancy)。利用楼宇负荷用电和移动人流时间序列的耦合性,LMO融合了多维特征,提高楼宇用电量预测的准确性。实验结果表明,LMO能够引入更多的先验知识,减少不确定性。因此,相比于传统方法,该预测方法具有更高的预测精度。     

基于PSO-XGBoost的船舶特涂工序能耗预测

涂装是修造船企业最大的能耗单元,能耗预测是船舶智能能效优化中的一项重要任务。应用XGBoost模型对船舶特涂工序能耗进行分析。采用基于博弈论的SHAP(解释机器学习模型输出)方法解释变量因子对目标准确预测的影响。利用粒子群算法(PSO)优化XGBoost模型超参数,从而构建PSO-XGBoost模型对船舶特涂工序能耗历史数据进行训练拟合,并与其他能耗预测模型进行对比实验。结果表明,基于PSO-XGBoost的船舶特涂工序能耗预测模型的预测结果误差MAPE仅为12.21%,效果优于XGBoost、LR、KNN、RF模型。     

基于模糊PID的近零能耗建筑能耗控制系统仿真

传统的近零能耗建筑控制系统的能耗控制效果不够好,导致其能耗值较高.针对上述问题,设计一种基于模糊PID的近零能耗建筑能耗控制系统.利用控制中心计算机、模糊控制器、PID控制器、数据采集卡、传感器,完成基于模糊PID的近零能耗建筑能耗控制系统的硬件设计;利用用户登录模块、采集模块、建筑能耗控制模块,完成基于模糊PID的近零能耗建筑能耗控制系统软件设计,在建筑能耗控制模块,利用自适应模糊PID遗传算法,实现对近零能耗建筑的能耗控制.为验证提出的基于模糊PID的近零能耗建筑能耗控制系统的控制效果,开展仿真对比实验,实验结果表明,上述控制系统可将能耗值大幅降低,是一种有效的近零能耗建筑能耗控制系统.     

无线传感器网络寿命预测模型

通过对网络能耗模型的分析,综合网络能耗方程和终止条件,建立了一种定量预测传感器网络寿命模型.建立了单个节点稳态能耗速率时间序列ARMA模型,通过最小二乘法预测能耗趋势,提出了应用于实际系统的寿命预测计算方法.利用该方法,对应用LEACH协议和HEED协议的传感器网络进行了寿命预测仿真.实验结果表明,模型和计算方法达到了预期的寿命预测效果.     

基于ZigBee技术的建筑能耗监测系统设计

随着我国建筑总量不断攀升,建筑能耗也逐年增加,更加有效地实施建筑能耗统计及建筑节能管理具有重要的意义;通过对建筑能耗监测系统的分析,在研究ZigBee技术的基础上,提出了基于ZigBee无线传感器网络的建筑能耗监测系统总体结构,对其网络拓扑控制和路由协议进行了研究,并介绍了系统周期性工作过程;网络测试表明,该系统可靠性好,能够实现建筑能耗数据的采集和无线传输;通过对能耗数据的统计分析,为降低建筑能耗和提高建筑能效,提供了决策依据和参考.     

数据仓库在城市公共建筑能耗管理中的应用

当前众多城市公共建筑能耗监测系统中已收集了大量的建筑能耗数据。针对这些数据源存在的各自独立而且分散,不能够提供全局的数据分析环境,不能够有效支持建筑能耗的评估与建筑节能的研究等问题,提出将数据仓库技术应用于城市公共建筑能耗监管系统的解决方法。通过对建筑能耗监测系统的研究,以及对建筑能耗管理的应用需求的调研,建立城市级公共建筑能耗数据仓库的多维数据模型,对主题设计、指标设计和维度模型设计进行了探讨,并在实验阶段已成功构建了某高校公共建筑能耗数据仓库的实例。实验结果表明,该方法能够有效地为建筑能耗的管理与决策提供良好的数据分析环境。