买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安建筑科技大学

摘要：一种基于动态残差修正的办公建筑能耗组合预测方法和系统。方法包括如下步骤：步骤1：采集并于处理得到历史环境数据和测量日负荷数据；步骤2：建立ELM神经网络和残差网络，动态残差预测模型包括多个子模型，将历史环境数据作为训练集，将测量日负荷数据作为标签集训练ELM神经网络，以ELM神经网络的建筑能耗预测残差值作为训练集训练残差网络，得到办公建筑能耗组合预测模型。本发明针对不同时间段，根据各种单项子模型的残差值的大小，动态选取残差值最小的两种子模型构成动态残差预测模型来修正ELM预测模型对于建筑能耗的预测误差，并将动态组合残差修正的预测方法用于建筑能耗预测，进一步提高了预测精度。

主权项：1.一种办公建筑能耗组合预测模型建立方法，其特征在于，包括如下步骤：步骤1，采集办公建筑内的原历史气象数据和原测量日负荷数据，原历史气象数据包括测量日前K天中每个采集时刻的原室外干球温度、原相对湿度、原风速以及原太阳辐射强度，原测量日负荷数据包括测量日前K天中每个时刻的办公建筑内空调的原实际功率负荷值、动力设备原实际功率负荷值、特种设备原实际功率负荷值和照明插座原实际功率负荷值；对原历史气象数据和原测量日负荷数据进行预处理得到历史环境数据和测量日负荷数据，所述历史环境数据包括测量日前K天中每个时刻的室外干球温度、相对湿度、风速以及太阳辐射强度，所述测量日负荷数据包括测量日前K天中每个时刻的办公建筑内空调的实际功率负荷值、动力设备实际功率负荷值、特种设备实际功率负荷值和照明插座实际功率负荷值；其中，K为正整数；步骤2：建立ELM神经网络，将S1获取的历史气象数据作为输入、测量日负荷数据作为输出训练ELM神经网络，得到建筑能耗的基础预测模型；建立残差网络，所述残差网络包括并列的多个子模型，将建筑能耗预测残差值作为输入、当前待预测时刻的残差预测值作为输出训练残差网络，得到动态残差预测模型；其中，每次训练迭代包括如下子步骤：步骤2.1：在待预测时刻下，所述ELM神经网络输出前一时刻建筑能耗待修正预测值，根据前一时刻建筑能耗待修正预测值获取建筑能耗预测残差值，所述建筑能耗预测残差值为前一时刻建筑能耗待修正预测值和测量日负荷数据之差；将所述建筑能耗预测残差值输入残差网络，所述动态残差预测模型中的每个子模型分别输出各自对建筑能耗的基础预测模型残差的预测值，获取每个子模型的残差值，每个子模型的预测残差值为每个子模型输出的建筑能耗的基础预测模型残差的预测值和每个子模型的残差值之差；步骤2.2：选择预测残差值最小的N个子模型通过PSO算法进行权重分配，得到修正残差值；其中，N取2、3或4；步骤2.3：将步骤2.1中前一时刻建筑能耗待修正预测值减去步骤2.2得到的修正残差值，得到待预测时刻的建筑能耗预测值，进行下一时刻的训练迭代。

全文数据：

权利要求：

百度查询： 西安建筑科技大学 一种办公建筑能耗组合预测模型建立、预测方法及系统