[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

说明书

技术领域

本发明涉及一种建筑能耗的预测方法，属于建筑能耗预测领域，具体说涉及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。

背景技术

随着我国经济的发展，办公建筑和大型公共建筑高耗能的问题日益突出，做好其节能管理工作，对实现“十二五”建筑节能规划目标具有重要的意义。建筑节能是当今城市建设和社会发展的前沿和研究热点，对建筑的能耗现状进行综合分析和评估是建筑节能的前提和基础，而建立一种较为简单同时又能比较准确预测建筑物能耗的模型显得格外重要。

目前，国内好多学者都对建筑能耗的预测方法进行了研究和探讨。例如，文献“基于BP神经网络的建筑物用电能耗预测”中，作者采用LM算法，构造了基于BP神经网络的建筑物用电量预测模型，对神经网络应用于建筑物用电能耗预测进行了初步探讨。文献“基于多规则实时学习组合型BP神经网络的城市建筑能耗预测模型”中，作者考虑到了建筑用电量的周期变化，构造网络结构时加入了月份周期变量和月份序列变量，对建筑能耗的预测精度有了进一步的提高。文献“时间序列方法及其在实际办公楼能耗预测中的应用”中，作者建立了基于时间序列分析方法的建筑能耗预测模型，对某办公建筑的逐月能耗进行了预测。以上各种方法通过对具体建筑物的能耗进行模拟、预测，结果显示应用于正常日的能耗预测具有一定的可行性，且预测误差均在允许范围内，但是由于考虑的建筑能耗影响因素的不全，没有考虑节假日的影响，使得节假日时的能耗预测结果不是很理想。因此，本发明提出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。

发明内容

针对现有建筑物能耗预测方法的不足，本发明提出一种基于时间序列和神经网络的建筑节假日能耗预测的新方法。本发明的实质是，先利用时间序列对建筑物能耗进行拟合预测，然后求取节假日的预测误差，利用节假日的能耗影响因素和求解出的预测误差进行神经网络模拟，计算节假日能耗的修正值，最后对节假日的能耗预测结果进行修正，从而实现对建筑节假日的能耗预测，并提高其预测精度。

本发明为了实现节假日建筑能耗的精确预测，提出一种基于时间序列和神经网络的建筑节假日能耗预测的新方法，主要包含以下步骤：

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，利用第一步得到的建筑能耗数据的平稳序列Y，采用自回归移动平均模型对其进行建模，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Δy，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Δy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Δy；

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：Y*=Y^+Δy]]>

其中，为利用第二步中的模型得到的能耗预测值，Δy为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。

附图说明

图1为本发明中节假日的建筑物能耗预测流程图。

图2为本发明中计算节假日能耗修正值的BP神经网络结构图。