基于AR-DBN的建筑分项能耗短期预测

• 作者: 唐桂忠 尹海培 张广明 邓歆 钱青
• 来源期刊: 计算机工程
• 学科: 工学
• 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
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 290-296
• 页数: 7页
• 分类号: TP183
• 字数: 2954字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050649

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张广明	南京工业大学电气工程与控制科学学院	192	1540	18.0	27.0
3	唐桂忠	南京工业大学电气工程与控制科学学院	25	212	8.0	14.0
5	邓歆	南京工业大学电气工程与控制科学学院	14	60	4.0	7.0
6	尹海培		5	18	2.0	4.0
7	钱青	南京工业大学电气工程与控制科学学院	1	1	1.0	1.0