文献类型：期刊文章

作　　者：钱青[1] 唐桂忠[1,2] 张广明[1,2] 邓歆[1] 尹海培[3]

QIAN Qing;TANG Guizhong;ZHANG Guangsming;DENG Xin;YIN Haipei(School of Electrical Engineering and Control Science,Nanjing Tech University,Nanjing 211800,China;Jiangsu Green Building Engineering Technology Research Center,Nanjing 211800,China;Science and Technology Development Center,Jiangsu Housing and Urban-Rural Development Department,Nanjing 211800,China)

机构地区：[1]南京工业大学电气工程与控制科学学院,南京211800 [2]江苏省绿色建筑工程技术研究中心,南京211800 [3]江苏省住房和城乡建设厅科技发展中心,南京211800

出　　处：《计算机工程》

基　　金：国家自然科学基金(51507078);江苏省教育厅高校自然科学基金(15KJB470006)

年　　份：2019

卷　　号：45

期　　号：6

起止页码：290-296

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对现有总能耗预测方法不能准确分辨建筑能耗的消耗去向且预测精度较低的问题,根据能耗用途,将总能耗分为4项,提出一种建筑能耗分项预测模型。基于时间序列自回归模型,对建筑物的照明能耗进行短期预测。构建深度置信网络模型,根据照明能耗预测结果、室外逐时平均温度、室外逐时平均相对湿度、天气特征值、节假日、逐时平均风速以及一天24个整点时刻,分项预测空调能耗、动力能耗和特殊能耗。实验结果表明,相比总能耗预测模型iPSO-BP和BP,该模型能更加精确、有效地预测建筑能耗中的各分项能耗。

关 键 词：时间序列 自回归模型 分项能耗 深度学习  深度置信网络  

分 类 号：TP183]