基于时间序列多尺度分解的建筑用电负荷预测方法

发布时间：2023-04-01 02:01

　　随着近年来建筑能耗的迅速增长,建筑节能成为可持续发展战略的一个重要问题,因此,构建一个可以快速精准预测建筑能耗的模型成为实现建筑节能的关键一步.本文结合集合经验模态分解,将LSSVR与ARIMA相融合,构建了一种基于时间序列多尺度分解的预测建筑用电负荷数据的EEMD-LSSVR-ARIMA混合模型.该模型通过EEMD将建筑用电负荷数据分解为多个频率不同的分量,使用LSSVR模型预测高频分量以及用电负荷数据与各分量之和的差值序列,使用ARIMA模型预测低频分量,最后将各分量的预测结果以及差值序列的预测结果叠加得到最终的预测结果.并通过某建筑的用电数据进行实验分析,通过与传统的ARIMA和EEMD-ARIMA模型以及基于残差的ARIMA-LSTM模型进行对比,实验结果表明,本文提出的模型预测精度达到了98%以上,与其他模型相比预测精度提升了将近2%.

【文章页数】：9 页

【文章目录】：
1 模型设计过程
    1.1 EEMD-LSSVR-ARIMA模型
    1.2 EEMD分解数据序列
    1.3 基于皮尔逊相关性进行特征选择的LSSVR建模流程
    1.4 ARIMA建模流程
2 实验结果与分析
    2.1 数据来源及特点
    2.2 数据处理方法
    2.3 结果分析
3 总 结



本文编号：3776236