文档名：考虑数据分类的建筑电能耗集成预测方法
摘要：建筑侧各类可再生能源的应用日益普及,建筑电能耗预测在用能供需平衡、电网稳定运行、尖峰需求响应等方面发挥越来越重要作用.尽管诸多数据驱动模型在能耗预测方面获得广泛应用,当前仍缺乏预测精度高、泛化能力强的短期预测模型.针对该问题,提出一种基于建筑物能耗特点并结合数据挖掘技术的分类集成式能耗预测方法.首先,采用递归特征消除法对数据进行特征筛选,并用模糊C均值聚类算法对训练集数据进行聚类,使用K最邻近法对验证集和测试集数据进行归类;选择5种结合智能优化算法的混合数据驱动模型作为子学习器,分别对每类数据做预测,最后使用多元线性回归法进行结果集成.经3个建筑电力用能案例验证,此集成预测模型精度均优于单个子模型,具有适用不同建筑类型和用能尺度的预测潜力.
Abstract：Theapplicationofvarioustypesofrenewableenergyonthebuildingsideisbecomingmoreandmorepopular.Forecastingofbuildingelectricityconsumptionplaysanincreasinglyimportantroleinthebalanceofenergysupplyanddemand,stablegridoperation,andpeakdemandresponse.Althoughmanydata-drivenmodelshavebeenwidelyusedinenergyconsumptionprediction,thereisstillalackofshort-termpredictionmodelswithhighpredictionaccuracyandstronggeneralizationability.Inordertosolvethisproblem,aclassi-ficationandintegrationenergyconsumptionpredictionmethodbasedonthecharacteristicsofbuildingenergyconsumptionandcombinedwithdataminingtechnologyisproposed.Firstly,therecursivefeatureeliminationmethodisusedtoscreenthefeaturesofthedata,andthefuzzyC-meansclusteringalgorithmisusedtoclusterthetrainingsetdata,meanwhile,K-nearestneighbormethodisusedtoclassifythevali-dationsetandtestsetdata.Then,fivehybriddata-drivenmodelscombinedwithintelligentoptimizationalgorithmsareselectedassub-learners,andeachtypeofdataispredictedrespectively.Finally,multiplelinearregressionmethodisusedtointegratetheresults.Theac-curacyoftheensemblepredictionmodelisbetterthanthatofsinglesub-model,andithaspotentialtopredictdifferentbuildingtypesandenergyusescales.
作者：唐倩倩 李康吉 魏伯睿 王莹Author：TANGQianqian LIKangji WEIBorui WANGYing
作者单位：江苏大学电气信息工程学院,江苏镇江212013
刊名：电力需求侧管理
Journal：PowerDemandSideManagement
年，卷(期)：2024, 26(3)
分类号：TK018TM714
关键词：建筑 电能耗预测 数据分类 递归特征消除法 模糊C均值聚类算法
Keywords：building forecastofelectricityenergyconsumption dataclassification recursivefeatureeliminationmethod fuzzyC-meansclusteringalgorithm
机标分类号：TP311.13TP181TP274.2
在线出版日期：2024年3月25日
基金项目：国家自然科学基金考虑数据分类的建筑电能耗集成预测方法[
期刊论文] 电力需求侧管理--2024, 26(3)唐倩倩 李康吉 魏伯睿 王莹建筑侧各类可再生能源的应用日益普及,建筑电能耗预测在用能供需平衡、电网稳定运行、尖峰需求响应等方面发挥越来越重要作用.尽管诸多数据驱动模型在能耗预测方面获得广泛应用,当前仍缺乏预测精度高、泛化能力强的短期预测...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
考虑数据分类的建筑电能耗集成预测方法 An ensemble forecasting method for building electricity consumption considering data classification
考虑数据分类的建筑电能耗集成预测方法.pdf
- 文件大小:
- 1.47 MB
- 下载次数:
- 60
-
高速下载
|
|
