本文關(guān)鍵詞：數(shù)據(jù)驅(qū)動的建筑電能耗預(yù)測方法研究

  更多相關(guān)文章： 建筑電能耗預(yù)測 群智能 微粒群算法 遺傳算法 人工神經(jīng)網(wǎng)絡(luò) 主成分分析

【摘要】：建筑能量系統(tǒng)是一類多變量、分布式參數(shù)的復(fù)雜系統(tǒng)。準(zhǔn)確預(yù)測建筑能量消耗水平是分析建筑物的節(jié)能潛力、指導(dǎo)未來能源使用的重要基礎(chǔ)和前提。同時,對于提高建筑能耗設(shè)備的使用效率、減少能源浪費(fèi)具有重要現(xiàn)實(shí)意義。目前,應(yīng)用先進(jìn)優(yōu)化算法實(shí)現(xiàn)建筑能量預(yù)測引起了諸多關(guān)注。本文針對既有建筑,運(yùn)用多種群智能優(yōu)化算法,圍繞數(shù)據(jù)驅(qū)動的建筑電能耗預(yù)測方法展開研究。具體研究內(nèi)容包括:(1)作為典型的數(shù)據(jù)驅(qū)動建模方法,人工神經(jīng)網(wǎng)絡(luò)(ANN)在過去20多年間被廣泛應(yīng)用于建筑能量預(yù)測領(lǐng)域。本文驗(yàn)證了基于BP神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測模型,在數(shù)據(jù)預(yù)處理過程中,采用基于主成分分析法(PCA)的變量選擇方法對ASHRAE提供的建筑能耗原始數(shù)據(jù)進(jìn)行變量篩選。仿真實(shí)驗(yàn)結(jié)果表明該模型能夠準(zhǔn)確的預(yù)測建筑能耗,且建模時間較短。(2)為了克服BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)過程中易陷入局部極值、收斂速度慢的缺陷,引入群智能算法中應(yīng)用較多的微粒群算法(PSO)和遺傳算法(GA)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)各處理層之間的連接權(quán)值和閾值,構(gòu)建了PSO-ANN和GA-ANN兩種建筑電能耗預(yù)測模型。利用ASHRAE公布的建筑能耗數(shù)據(jù)進(jìn)行驗(yàn)證實(shí)驗(yàn),并做對比分析研究。結(jié)果表明PSO-ANN在預(yù)測精度、建模時間及算法復(fù)雜度上均優(yōu)于GA-ANN模型,體現(xiàn)了該模型的優(yōu)越性。(3)針對基本PSO算法易早熟收斂和尋優(yōu)速度慢的問題,本文提出了一種改進(jìn)的PSO算法,該算法結(jié)合了生物界繁殖和遺傳變異機(jī)制。繁殖機(jī)制可以有效的保證種群微粒更好地搜索解空間,并且能加快種群收斂速度;遺傳變異機(jī)制用來擾亂種群微粒的尋優(yōu)軌跡,從而在可行解空間中克服易陷入局部最優(yōu)解的現(xiàn)象。基準(zhǔn)測試函數(shù)計(jì)算結(jié)果表明iPSO具有較強(qiáng)的全局搜索能力和較快的收斂速度。本文運(yùn)用該算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值,構(gòu)建了iPSO-ANN建筑電能耗預(yù)測模型。仿真實(shí)驗(yàn)結(jié)果證明了該模型的有效性:平均建模時間不超過10秒鐘,預(yù)測精度比單一BP神經(jīng)網(wǎng)絡(luò)提高了22.7%。(4)利用所提出的iPSO-ANN模型預(yù)測某高校圖書館建筑的逐時電力能耗。建筑電力能耗數(shù)據(jù)來源于校園能耗監(jiān)測系統(tǒng)的WEB平臺,相關(guān)的氣象數(shù)據(jù)來源于當(dāng)?shù)貧庀缶值墓俜叫畔�。仿真�?shí)驗(yàn)結(jié)果表明iPSO-ANN模型的預(yù)測精度和建模時間均滿足建筑短期能耗在線預(yù)測的要求,可以替代PSO-ANN、GA-ANN及ANN模型實(shí)現(xiàn)建筑能耗的在線預(yù)測。
【關(guān)鍵詞】：建筑電能耗預(yù)測 群智能 微粒群算法 遺傳算法 人工神經(jīng)網(wǎng)絡(luò) 主成分分析
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TU85;TU111.195
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-25
• 1.1 課題研究背景及意義10-12
• 1.1.1 國際能源現(xiàn)狀10-11
• 1.1.2 我國建筑能耗現(xiàn)狀11-12
• 1.2 國內(nèi)外建筑能耗預(yù)測方法研究現(xiàn)狀12-17
• 1.2.1 前向法12-15
• 1.2.2 逆向法15-17
• 1.3 基于數(shù)據(jù)驅(qū)動的建筑能耗預(yù)測模型研究現(xiàn)狀17-20
• 1.3.1 基于人工神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測模型18
• 1.3.2 基于支持向量機(jī)的建筑能耗預(yù)測模型18-19
• 1.3.3 混合建筑能耗預(yù)測模型19-20
• 1.4 群智能優(yōu)化算法簡介20-23
• 1.5 本文主要研究內(nèi)容及章節(jié)安排23-25
• 第二章 基于人工神經(jīng)網(wǎng)絡(luò)的建筑電能耗預(yù)測方法25-35
• 2.1 引言25
• 2.2 神經(jīng)網(wǎng)絡(luò)方法25-27
• 2.3 建筑電能耗預(yù)測仿真實(shí)驗(yàn)27-34
• 2.3.1 建筑能耗數(shù)據(jù)28-29
• 2.3.2 數(shù)據(jù)預(yù)處理29-31
• 2.3.3 神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果31-34
• 2.4 本章小結(jié)34-35
• 第三章 基于群智能優(yōu)化算法的建筑電能耗預(yù)測方法35-48
• 3.1 引言35
• 3.2 微粒群算法35-38
• 3.3 遺傳算法38-39
• 3.4 混合建筑電能耗預(yù)測模型39-42
• 3.4.1 PSO-ANN能耗預(yù)測模型39-41
• 3.4.2 GA-ANN能耗預(yù)測模型41-42
• 3.5 建筑電能耗預(yù)測結(jié)果42-46
• 3.5.1 PSO-ANN模型預(yù)測結(jié)果42-44
• 3.5.2 GA-ANN模型預(yù)測結(jié)果44-46
• 3.6 能耗預(yù)測結(jié)果比較46-47
• 3.7 本章小結(jié)47-48
• 第四章 基于改進(jìn)型微粒群算法和神經(jīng)網(wǎng)絡(luò)的建筑電能耗預(yù)測方法48-63
• 4.1 引言48-49
• 4.2 基于繁殖和遺傳思想的微粒群算法49-51
• 4.3 基準(zhǔn)測試函數(shù)51-54
• 4.4 算法測試實(shí)驗(yàn)54-59
• 4.5 iPSO-ANN能耗預(yù)測模型59
• 4.6 iPSO-ANN建筑電能耗預(yù)測結(jié)果59-62
• 4.7 能耗預(yù)測結(jié)果比較62
• 4.8 本章小結(jié)62-63
• 第五章 建筑電能耗預(yù)測案例63-70
• 5.1 引言63
• 5.2 數(shù)據(jù)采集63-65
• 5.3 數(shù)據(jù)預(yù)處理65-66
• 5.4 能耗預(yù)測仿真66-69
• 5.5 本章小結(jié)69-70
• 第六章 總結(jié)與展望70-72
• 6.1 總結(jié)70-71
• 6.2 研究展望71-72
• 參考文獻(xiàn)72-78
• 致謝78-79
• 攻讀碩士期間取得的成果及參與的科研項(xiàng)目79

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機(jī)艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國際技術(shù)經(jīng)濟(jì)研究學(xué)報(bào);1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報(bào);1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動化領(lǐng)域里的應(yīng)用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機(jī)電器技術(shù);1995年04期

10 王中賢，，錢頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟(jì)管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

本文編號：783903