增强神经网络算法构建混合模型的建筑能耗短期预测

打开文本图片集

摘  要：随着智能电网进一步普及以及分布式电源种类与数量增多，建筑能耗数据具有更大的非线性与非平稳特征，单一预测模型无法满足其精度要求。文章提出一种新型混合模型，利用去噪自编码器（DenoisingAutoEncode，DAE）在不丢失数据特征的基础上，对波动性较大的大量数据降维简化;本次实验对AdaBoost算法进行改进，优化迭代过程;利用改良后的AdaBoost算法优化BP神经网络的权值与阈值完成对建筑能耗的预测;应用AE-AdaBoost-BP混合模型对上海某大型建筑能耗进行短期预测，结果显示该混合模型可以获得更加精确的预测结果。（剩余5228字）