[发明专利]一种基于时间序列和神经网络的建筑节假日能耗预测方法

权利要求书

1.一种基于时间序列和神经网络的用于预测建筑在节假日情况下能耗的方法，主要包括以下步骤：

第一步，收集该建筑的能耗数据，并对数据进行差分运算，使其变为平稳的时间序列Y；

第二步，利用建筑能耗数据平稳的时间序列Y，采用自回归移动平均模型ARMA(n,m)对其进行建模，基本表达式为：

   (公式1)

其中{Y_t,t＝1,2,3,…N}，Y_t-1,…,Y_t-n为Y在t-1,…t-n时刻的值，ε是均值为零，方差为σ_ε²的平稳白噪声，ε_t,ε_t-1,…,ε_t-m为ε在t,t-1,…t-m时刻的值，式中为自回归系数，θ_j(j＝1,2,…,m)为滑动平均系数；

利用该模型，根据建筑能耗平稳时序Y在t时刻及以前时刻的取值，对未来t+l时刻的建筑能耗做出预测；

第三步，计算节假日的情况下，建筑能耗的预测误差△y，其中Y_t+1为t+1时刻的真实能耗值，为利用第二步中的模型预测出的t+1时刻的建筑能耗估计值；

第四步，建立用于预测在节假日的情况下，建筑能耗预测误差△y的神经网络模型，其中包括确定神经网络模型的输入变量个数，神经网络模型的输出变量个数，神经网络模型的隐含层元素个数，并对神经网络模型初始化及进行网络训练，然后，利用神经网络模型，得到节假日情况下，建筑能耗的预测误差△y；

第五步，计算节假日情况下建筑的能耗预测值，其计算公式为：其中，为利用第二步中的模型得到的能耗预测值，△y为利用第四步中的神经网络模型得到的节假日的能耗预测误差，Y^*即为修正后的节假日能耗预测值。

2.如权利要求1所述的方法，在第二步中，采用长自回归模型法对公式1的模型参数进行初估计，然后，采用非线性最小二乘法实现公式1的模型参数的精估计。

3.如权利要求1所述的方法，其中在第一步中，设收集的建筑的能耗数据为{x_t}(t＝1,2,…,N)，且其周期为s，则差分运算为：

Y=▿sXt=Xt-Xt-s,]]>

其中，Y是经过差分后的平稳的时间序列，为s阶差分算子，X_t为数据序列在t时刻的值，X_t-s为数据序列在t-s时刻的取值。