白 雪,刘 刚+,黄 蕾,钟 韬,乔 丹,杨执钧
(1.上海电力大学 自动化工程学院,上海 200090; 2.上海电力大学 图书馆,上海 200090)
在世界能源消耗和相关二氧化碳排放量中,建筑能耗占据着相当的比例。相关研究结果表明[1],建筑能能耗约占我国整体能耗的1/3,因此建筑节能管理变得尤为重要。研究者们自20世纪90年代早期开始开发建筑能耗预测仿真工具,这些仿真工具可以进一步划分为工程方法、智能算法以及混合方法3类[2],其中智能算法具有计算速度快、模型简单、学习能力强等优势,逐渐成为研究重点。
智能算法预测建筑能耗可分为使用单一学习算法进行预测和集成多种基础预测方法以提高预测精度的集成模型预测方法,其中集成模型提供了一种克服假设空间中表征性不足的方法,成为更好的选择[3,4]。与单一预测模型相比,集成预测方法具有更高的预测精度,成为近年来的研究热点。Fan等初步开发了基于数据挖掘的集成模型来预测第二天的能耗和峰值功率需求[5];周峰等建立基于支持向量机的大型公共建筑能耗预测模型,分析并预测建筑的逐日能耗[6];何春华等分别用人工神经网络中的前馈神经网络和物理原理建立预测模型,对两种方法进行评估后发现两种模型均适用且内部负荷对预测的影响更大[7];姚丽丽等通过建立一种基于BP神经网络的模型配置方法,创建可配置化的预测模型[8]。
在建筑能耗预测中,高维度的数据会导致算法运行性能以及准确性的降低,选择有效的特征子集能够优化集成模型的效果。……