Print

能耗预测导向的建筑能耗异常数据识别与修复

论文摘要

建筑能耗异常数据处理是对建筑能耗进行准确预测的前提。为有效处理建筑能耗异常数据,利用基于机器学习的K-means和KNN（K-nearest neighbor）算法,对上海某酒店建筑2017年7月的逐时能耗数据进行了异常识别和修复。通过建立长短期记忆网络模型,利用处理后的能耗数据预测了该建筑2017年8月首周的逐时能耗数据。预测结果表明,提出的建筑能耗异常数据识别与修复方法能准确识别并修复建筑能耗异常数据,从而显著提高后续能耗预测的效果。

论文目录

  • 1 建筑能耗数据信息
  • 2 建筑能耗异常数据识别
  •   2.1 K-means算法基本原理
  •   2.2 异常数据识别结果及分析
  • 3 建筑能耗异常数据修复
  •   3.1 KNN算法基本原理
  •   3.2 异常修复结果及分析
  • 4 处理结果评价及分析
  •   4.1 处理结果评价方法
  •   4.2 实验结果对比分析
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 高英博,顾中煊,罗淑湘,李德英

    关键词: 异常数据处理,机器学习,算法,能耗预测

    来源: 科学技术与工程 2019年35期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 建筑科学与工程

    单位: 北京建筑大学供热供燃气通风及空调工程重点实验室,北京建筑技术发展有限责任公司

    基金: 国家重点研发计划(2017YFC0704200)资助

    分类号: TU111.195

    页码: 298-304

    总页数: 7

    文件大小: 2211K

    下载量: 175

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/54c5bd708d6eb1bb08a39c6e.html