[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

技術領域

本發明涉及一種建筑物能耗預測方法，尤其涉及一種基于彈性自適應神經網絡的建筑物能耗預測方法。

背景技術

隨著城市化進程的不斷加速，能源問題日益突出，建筑節能已經成為了當今社會發展的研究熱點，對建筑系統能耗進行全面的評估和綜合分析是進行節能改造或節能設計的前提和基礎，而建立反映能耗變化的預測模型是從宏觀尺度上分析認識建筑能耗變化與發展特性為公共建筑節能工作提供決策依據的有效途徑和重要手段。

BP神經網絡預測具有很強的非線性映射能力，善于從輸入和輸出信號中尋找規律，不需要精確的數學模型，并且計算能力強，但是傳統BP神經網絡易導致局部最小值，固定的學習率在學習過程中易出現癱瘓現象并且導致學習時間過長。

針對上述問題，本發明提出了一種基于彈性自適應神經網絡的建筑物能耗預測方法。

發明內容

為解決現有技術中的不足，本發明提供一種基于彈性自適應神經網絡的建筑物能耗預測方法，解決了建筑物能耗預測結果準確性低的問題，以及BP神經網絡易陷入局部極值、求解精度低的問題。為了實現上述目標，本發明采用如下技術方案：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。

前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。

前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)]]>