基于组合模型的公共建筑用电能耗预测研究
发布时间：2021-04-21 16:13
面对建筑能耗占社会总能耗的比重持续升高,特别是其中的公共建筑,单位面积能耗量最大且存在能源使用不合理的现状。对公共建筑实现快速、精准的用电能耗预测,可以帮助管理者制定经济合理的能源分配方案,最终达到建筑节能的目的。然而,用电量数据的变化具有波动性与不确定性,传统的工程方法与单一预测模型,已不能满足用电能耗预测对精度的要求。相比之下,基于优化算法、神经网络与数据处理的组合预测模型,对用电能耗预测性能有很大提升。论文构建基于分解-重构-优化-预测思想的组合模型,选取公共建筑中电力能耗作为研究对象,主要研究内容如下:（1）利用分解-重构的方法对电耗数据进行处理。建筑电力能耗数据属于随机非平稳序列,对数据进行平稳化处理,可以有效降低模型的预测难度。利用快速互补集合经验模态分解技术,将电力能耗数据分解为一组本征模态函数分量。由于分解所产生的分量过多,会影响模型预测的时效性与精确度,应用近似熵理论对本征模态函数分量进行重构,区分为高频、中频、低频三组分项,进而获取相对平稳且数量较少的输入序列。（2）改进的鲸鱼算法优化Elman神经网络。针对鲸鱼优化算法在生成初始种群、算法收敛质量及算法内部参数演化...
【文章来源】：西安建筑科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景和意义
1.2 建筑能耗预测国内外研究现状
1.2.1 工程方法
1.2.2 统计学方法
1.2.3 机器学习方法
1.3 研究内容
1.4 技术路线
2 公共建筑用电特征与数据处理方法研究
2.1 公共建筑用电特征分析
2.1.1 工作日与非工作日对能耗的影响
2.1.2 气候环境对能耗的影响
2.2 异常值判断与处理
2.2.1 异常值判断
2.2.2 异常值处理
2.3 能耗数据处理方法研究
2.3.1 经验模态分解
2.3.2 FCEEMD分解性能比较
2.3.3 近似熵理论
2.4 本章小结
3 人工神经网络在能耗预测中的对比分析
3.1 BP神经网络原理
3.2 Elman神经网络原理
3.3 神经网络预测能力对比
3.3.1 样本数据说明与处理
3.3.2 神经网络参数的选择
3.3.3 案例分析
3.4 本章小结
4 鲸鱼优化算法及其改进
4.1 经典鲸鱼优化算法
4.1.1 探索阶段
4.1.2 开发阶段
4.1.3 鲸鱼优化算法伪代码
4.2 改进的鲸鱼优化算法
4.2.1 精英反向学习改进初始化种群
4.2.2 线性微分递减惯性权重
4.2.3 内部参数的改进
4.2.4 改进的鲸鱼优化算法
4.3 仿真实验与结果分析
4.3.1 基准测试函数
4.3.2 实验参数设置
4.3.3 实验结果分析
4.4 本章小结
5 基于组合模型的建筑电力能耗预测
5.1 样本数据说明与处理
5.2 UWOA优化Elman神经网络
5.2.1 Elman神经网络设置
5.2.2 UWOA优化Elman神经网络步骤
5.2.3 UWOA优化Elman神经网络流程图
5.3 建筑电力能耗预测
5.3.1 组合模型预测流程图
5.3.2 预测结果分析
5.4 本章小结
6 结论与展望
致谢
参考文献
攻读硕士学位期间研究成果
【参考文献】：
期刊论文
[1]分时电价下考虑储能调度因素的短期负荷预测模型[J]. 李卫国,陈立铭,张师,徐备,王旭光,刘宏伟. 电力系统保护与控制. 2020(07)
[2]基于改进灰狼算法和多核极限学习机的铁水硅含量预测建模[J]. 方一鸣,赵晓东,张攀,刘乐,王硕玉. 控制理论与应用. 2020(07)
[3]改进鲸鱼算法构建混合模型的建筑能耗预测[J]. 王茹,宋爽,贺佳. 计算机测量与控制. 2020(02)
[4]基于EMD-DTRVM方法的三电平逆变器故障诊断[J]. 陶洪峰,周超超,杨慧中. 控制工程. 2019(12)
[5]基于遗传算法的中央空调水系统变流量节能优化研究[J]. 俞倩,蒋云凤,王玉刚,耿丽萍,赵晓东. 低温与超导. 2019(11)
[6]改革开放40年中国能源政策回顾:从结构到逻辑[J]. 李辉,徐美宵,张泉. 中国人口·资源与环境. 2019(10)
[7]基于改进天牛须算法-优化极限学习机的地源热泵能耗预测研究[J]. 刘涛,徐成良,陈焕新. 制冷技术. 2019(03)
[8]改进鲸鱼算法优化核极限学习机在水质光谱分析中的应用[J]. 林春伟,郭永洪,何金龙. 半导体光电. 2019(01)
[9]基于EnergyPlus的CBD建筑能耗预测模型研究[J]. 高昊,党天洁. 建筑节能. 2018(12)
[10]能源革命促进中国清洁低碳发展的“攻关期”和“窗口期”[J]. 林伯强. 中国工业经济. 2018(06)
博士论文
[1]局部特征尺度分解方法及其在机械故障诊断中的应用研究[D]. 郑近德.湖南大学 2014
硕士论文
[1]基于鲸鱼算法优化极限学习机的热电偶非线性补偿方法[D]. 张广炎.湘潭大学 2019
[2]光伏系统与家庭能量需求调度优化[D]. 吕晓芳.西安建筑科技大学 2019
[3]基于ESMD和SVM的滚动轴承故障诊断研究[D]. 王振华.陕西理工大学 2018
[4]基于改进径向基函数神经网络的办公建筑用电能耗预测研究[D]. 刘青琳.合肥工业大学 2018
[5]基于多目标鲸鱼优化算法和Elman神经网络的短期风速预测模型的研究与应用[D]. 杜沛.东北财经大学 2017
[6]改进的Elman神经网络和网络参数优化算法研究[D]. 梅贵琴.西南大学 2017
[7]基于FCEEMD的便携式睡眠生理信号监测系统的研究和实现[D]. 葛淼.合肥工业大学 2017
[8]基于神经网络的数据挖掘分类算法比较和分析研究[D]. 常凯.安徽大学 2014
[9]基于季节灰色预测理论的公共建筑节能领域能耗监测研究[D]. 张伟.河北工业大学 2011
本文编号：3152075
【文章来源】：西安建筑科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景和意义
1.2 建筑能耗预测国内外研究现状
1.2.1 工程方法
1.2.2 统计学方法
1.2.3 机器学习方法
1.3 研究内容
1.4 技术路线
2 公共建筑用电特征与数据处理方法研究
2.1 公共建筑用电特征分析
2.1.1 工作日与非工作日对能耗的影响
2.1.2 气候环境对能耗的影响
2.2 异常值判断与处理
2.2.1 异常值判断
2.2.2 异常值处理
2.3 能耗数据处理方法研究
2.3.1 经验模态分解
2.3.2 FCEEMD分解性能比较
2.3.3 近似熵理论
2.4 本章小结
3 人工神经网络在能耗预测中的对比分析
3.1 BP神经网络原理
3.2 Elman神经网络原理
3.3 神经网络预测能力对比
3.3.1 样本数据说明与处理
3.3.2 神经网络参数的选择
3.3.3 案例分析
3.4 本章小结
4 鲸鱼优化算法及其改进
4.1 经典鲸鱼优化算法
4.1.1 探索阶段
4.1.2 开发阶段
4.1.3 鲸鱼优化算法伪代码
4.2 改进的鲸鱼优化算法
4.2.1 精英反向学习改进初始化种群
4.2.2 线性微分递减惯性权重
4.2.3 内部参数的改进
4.2.4 改进的鲸鱼优化算法
4.3 仿真实验与结果分析
4.3.1 基准测试函数
4.3.2 实验参数设置
4.3.3 实验结果分析
4.4 本章小结
5 基于组合模型的建筑电力能耗预测
5.1 样本数据说明与处理
5.2 UWOA优化Elman神经网络
5.2.1 Elman神经网络设置
5.2.2 UWOA优化Elman神经网络步骤
5.2.3 UWOA优化Elman神经网络流程图
5.3 建筑电力能耗预测
5.3.1 组合模型预测流程图
5.3.2 预测结果分析
5.4 本章小结
6 结论与展望
致谢
参考文献
攻读硕士学位期间研究成果
【参考文献】：
期刊论文
[1]分时电价下考虑储能调度因素的短期负荷预测模型[J]. 李卫国,陈立铭,张师,徐备,王旭光,刘宏伟. 电力系统保护与控制. 2020(07)
[2]基于改进灰狼算法和多核极限学习机的铁水硅含量预测建模[J]. 方一鸣,赵晓东,张攀,刘乐,王硕玉. 控制理论与应用. 2020(07)
[3]改进鲸鱼算法构建混合模型的建筑能耗预测[J]. 王茹,宋爽,贺佳. 计算机测量与控制. 2020(02)
[4]基于EMD-DTRVM方法的三电平逆变器故障诊断[J]. 陶洪峰,周超超,杨慧中. 控制工程. 2019(12)
[5]基于遗传算法的中央空调水系统变流量节能优化研究[J]. 俞倩,蒋云凤,王玉刚,耿丽萍,赵晓东. 低温与超导. 2019(11)
[6]改革开放40年中国能源政策回顾:从结构到逻辑[J]. 李辉,徐美宵,张泉. 中国人口·资源与环境. 2019(10)
[7]基于改进天牛须算法-优化极限学习机的地源热泵能耗预测研究[J]. 刘涛,徐成良,陈焕新. 制冷技术. 2019(03)
[8]改进鲸鱼算法优化核极限学习机在水质光谱分析中的应用[J]. 林春伟,郭永洪,何金龙. 半导体光电. 2019(01)
[9]基于EnergyPlus的CBD建筑能耗预测模型研究[J]. 高昊,党天洁. 建筑节能. 2018(12)
[10]能源革命促进中国清洁低碳发展的“攻关期”和“窗口期”[J]. 林伯强. 中国工业经济. 2018(06)
博士论文
[1]局部特征尺度分解方法及其在机械故障诊断中的应用研究[D]. 郑近德.湖南大学 2014
硕士论文
[1]基于鲸鱼算法优化极限学习机的热电偶非线性补偿方法[D]. 张广炎.湘潭大学 2019
[2]光伏系统与家庭能量需求调度优化[D]. 吕晓芳.西安建筑科技大学 2019
[3]基于ESMD和SVM的滚动轴承故障诊断研究[D]. 王振华.陕西理工大学 2018
[4]基于改进径向基函数神经网络的办公建筑用电能耗预测研究[D]. 刘青琳.合肥工业大学 2018
[5]基于多目标鲸鱼优化算法和Elman神经网络的短期风速预测模型的研究与应用[D]. 杜沛.东北财经大学 2017
[6]改进的Elman神经网络和网络参数优化算法研究[D]. 梅贵琴.西南大学 2017
[7]基于FCEEMD的便携式睡眠生理信号监测系统的研究和实现[D]. 葛淼.合肥工业大学 2017
[8]基于神经网络的数据挖掘分类算法比较和分析研究[D]. 常凯.安徽大学 2014
[9]基于季节灰色预测理论的公共建筑节能领域能耗监测研究[D]. 张伟.河北工业大学 2011
本文编号：3152075
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3152075.html
