[发明专利]一种基于EPSO-BP对商业建筑灯饰能耗预测方法

说明书

本发明公开了一种基于EPSO‑BP对商业建筑灯饰能耗预测方法，包括，步骤1，采集商业建筑灯饰分项能耗的历史能耗数据，以及主要影响因素，并对采集的数据进行预处理；步骤2，根据所述历史能耗数据综合分析，建立商业建筑灯饰分项能耗数据库；步骤3，对所述商业建筑灯饰分项能耗数据库与所述主要影响因素进行归一化处理；步骤4，建立EPSO‑BP网络预测模型；步骤5，利用所述EPSO‑BP网络预测模型和公式，计算实际输出和目标输出的误差；步骤6，输入测试数据到所述EPSO‑BP网络预测模型中进行测试，得到预测结果。本发明实现商业建筑灯饰能耗的分项短期预测，在与其他能耗预测模型的预测结果相比，采用本文提出的预测模型的预测效果更好。

技术领域

本发明涉及一种能耗预测方法，尤其是一种基于EPSO-BP对商业建筑灯饰能耗预测方法。

背景技术

随着商业建筑年耗电量逐年上升，商业建筑能耗已成为建筑节能监管和改造的主要对象。大型商业建筑能耗的预测工作也正成为研究热点。当前主要研究方法有：多元线性回归法、人工神经网络法、支持向量机、时间序列法、深度学习等。然而，已有的文献都是以建筑总能耗的形式进行构建预测模型的，且大多是对长期能耗进行预测，无法预测整个建筑能耗的消耗去向，也不能很好地实现能耗的短期预测。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述和/或现有技术中存在的问题，提出了本发明。

因此，本发明其中一个目的是提供一种基于EPSO-BP商业建筑灯饰能耗分项短期预测方法，能够实现商业建筑灯饰能耗的分项短期预测。

为解决上述技术问题，本发明提供如下技术方案：一种基于EPSO-BP对商业建筑灯饰能耗预测方法，包括，

步骤1，采集商业建筑灯饰分项能耗的历史能耗数据，以及主要影响因素，并对采集的数据进行预处理；

步骤2，根据所述历史能耗数据综合分析，建立商业建筑灯饰分项能耗数据库；

步骤3，对所述商业建筑灯饰分项能耗数据库与所述主要影响因素进行归一化处理，并将所述预处理后的数据划分为训练数据和测试数据；

步骤4，建立EPSO-BP网络预测模型，并对EPSO-BP网络预测模型的参数进行最优化设置；

步骤5，利用所述EPSO-BP网络预测模型，利用公式，计算实际输出和目标输出的误差；

步骤6，输入测试数据到所述EPSO-BP网络预测模型中进行测试，得到广告照明能耗、装饰照明能耗、特殊照明能耗的预测结果。

作为本发明所述基于EPSO-BP对商业建筑灯饰能耗预测方法的一种优选方案，其中：所述EPSO-BP网络预测模型的参数，包括，粒子群规模、粒子群维度、最大迭代次数、惯性权重的初值和终值、认知系数C₁和C₂、BP学习率、迭代次数和允许误差。

作为本发明所述基于EPSO-BP对商业建筑灯饰能耗预测方法的一种优选方案，其中：所述EPSO-BP网络预测模型的参数，还包括，神经元个数，所述神经元个数区分为输入层、隐含层和输出层；其中，所述输入层是根据影响因子的个数确定的；其中，所述输出层是根据预测结果确定的；其中，所述隐含层根据公式计算得到：

(1)其中，k为样本个数，n₁为隐含层神经元数目，n为输入层神经元数目，i为[0，n]之间的常数；

(2)其中，n₁为隐含层神经元数目，n为输入层神经元数目，m为输出层神经元数目，a为[1，10]之间的常数；