[發明專利]一種基于彈性自適應神經網絡的建筑物能耗預測方法

在審

• 申請號: 201510084806.8
• 申請日: 2015-02-16
• 公開（公告）號: CN104598765A
• 公開（公告）日: 2015-05-06
• 發明（設計）人: 薛云燦;王思睿;孫德銀;陳波;李彬;李偉
• 申請（專利權）人: 常州瑞信電子科技有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/02
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.一種基于彈性自適應神經網絡的建筑物能耗預測方法，其特征在于：包括步驟：

(1a)選取建筑物能耗的影響因素，采集建筑物能耗影響因素的歷史數據和其所對應的建筑物能耗歷史數據，根據季節劃分為春、夏、秋、冬四組訓練樣本集；

(1b)根據步驟(1a)中的建筑物能耗影響因素的歷史數據按季節分別生成輸入向量，以所對應的建筑物能耗的歷史數據作為輸出數據，并對輸入向量和輸出數據進行歸一化處理，得到訓練樣本；

(1c)利用步驟(1b)所得訓練樣本按季節分別對BP神經網絡進行訓練，得到訓練后的BP神經網絡；

(1d)采集待預測日的建筑物能耗影響因素數據生成預測輸入向量，進行歸一化處理，得到歸一化處理后的預測輸入向量；

(1e)將步驟(1d)所述歸一化處理后的預測輸入向量按季節輸入對應的BP神經網絡，得到建筑物能耗預測輸出數據，預測輸出數據經反歸一化處理得到待預測日的建筑物能耗預測值。

2.根據權利要求1所述的一種基于彈性自適應神經網絡的建筑物能耗預測方法，其特征在于：所述建筑物能耗的影響因素包括：待預測日前一天用電量、建筑物所在地年人均可支配收入、待預測日太陽輻射值、待預測日天氣類型、待預測日最高氣溫和建筑物面積。

3.根據權利要求1所述一種基于彈性自適應神經網絡的建筑物能耗預測方法，其特征在于：步驟(1b)具體包括步驟：

(3a)利用所得建筑物能耗影響因素的歷史數據按季節分別生成輸入向量，以所對應的建筑物能耗的歷史數據作為輸出數據；

(3b)對步驟(3a)所得輸入向量和輸出數據分別進行歸一化處理，得到歸一化輸入向量和歸一化輸出數據，其中歸一化處理的公式為：

x‾i=xi-xi,minxi,max-xi,min,(i=1,2,...,ni)---(1)]]>

y‾=y-yminymax-ymin---(2)]]>

其中，n_i為輸入層節點數，x_i，y分別為歸一化處理前歷史輸入向量中第i個分量和歷史輸出數據，x_i,min，x_i,max分別為歸一化處理前歷史輸入向量中第i個分量的最小值和最大值，y_min，y_max分別為歸一化處理前歷史輸出數據中的最小值和最大值，分別為歸一化處理后的歷史輸入向量中第i個分量和歷史輸出數據；

(3c)保存歸一化處理前歷史輸入向量中各分量的最小值x_i,min和最大值x_i,max，歷史輸出數據中的最小值y_min和最大值y_max。