基于机器学习的建筑能耗预测方法研究

发布时间：2021-05-07 00:55

　　建筑业作为国民经济支柱性产业,在推动社会发展的同时也消耗了大量能源。推动建筑行业进行节能减排,对实现我国于2030年左右使二氧化碳排放达到峰值的节能减排目标具有重要意义。建筑节能减排的一个重要手段是建筑能耗精细化管理,而进行这一工作的基础就是对建筑能耗进行准确的预测,从而支撑建筑运行优化管理,实现节能减排的目标。为更高效的完成建筑能耗预测工作,本文将机器学习算法应用于建筑能耗预测领域,以实际案例公共建筑能耗数据为基础,通过完成建筑能耗数据预处理、建筑能耗特征分析、机器学习算法能耗预测模型建立、模型预测结果分析与评价等工作,建立起了不同类型建筑与机器学习算法模型之间的适配关系,最终总结提出了标准化的基于机器学习的建筑能耗预测方法。本文主要研究内容和成果如下:首先,本文提出了基于KNN算法和K-means算法的建筑能耗异常数据识别和修复方法,并利用该方法完成了对案例建筑历史能耗数据的预处理工作。建筑能耗预处理结果表明,该方法可以合理且准确的完成对建筑能耗异常数据的修复工作。这为后续研究奠定了数据基础。其次,本文对四栋不同用途的案例公共建筑进行了能耗特征分析,分别得出了办公建筑、商业建筑、酒... 

【文章来源】：北京建筑大学北京市

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题来源
    1.2 课题研究背景及意义
        1.2.1 课题研究背景
        1.2.2 课题研究意义
    1.3 国内外相关研究现状
        1.3.1 建筑能耗预测研究现状
        1.3.2 建筑能耗数据预处理研究现状
        1.3.3 机器学习算法研究现状
    1.4 研究内容与结构安排
        1.4.1 主要研究内容
        1.4.2 论文结构安排
第2章 建筑能耗数据预处理
    2.1 数据预处理意义及建筑能耗数据信息
        2.1.1 建筑能耗数据预处理的意义
        2.1.2 建筑能耗数据信息
    2.2 建筑能耗异常数据识别
        2.2.1 异常数据识别基本原理
        2.2.2 异常数据识别结果及分析
    2.3 建筑能耗异常数据修复
        2.3.1 异常数据修复基本原理
        2.3.2 异常修复结果及分析
    2.4 本章小结
第3章 公共建筑能耗特征分析
    3.1 办公建筑能耗特征分析
        3.1.1 办公建筑能耗分布特征
        3.1.2 办公建筑能耗运行特征
        3.1.3 办公建筑能耗相关性特征
    3.2 商业建筑能耗特征分析
        3.2.1 商业建筑能耗分布特征
        3.2.2 商业建筑能耗运行特征
        3.2.3 商业建筑能耗相关性特征
    3.3 酒店建筑能耗特征分析
        3.3.1 酒店建筑能耗分布特征
        3.3.2 酒店建筑能耗运行特征
        3.3.3 酒店建筑能耗相关性特征
    3.4 医疗建筑能耗特征分析
        3.4.1 医疗建筑能耗分布特征
        3.4.2 医疗建筑能耗运行特征
        3.4.3 医疗建筑能耗相关性特征
    3.5 本章小结
第4章 基于机器学习的建筑能耗预测模型建模
    4.1 支持向量机回归预测模型
        4.1.1 支持向量机算法原理
        4.1.2 支持向量机回归能耗预测模型
    4.2 长短期记忆神经网络预测模型
        4.2.1 长短期记忆神经网络算法原理
        4.2.2 长短期记忆神经网络能耗预测模型
    4.3 决策树预测模型
        4.3.1 决策树XGBOOST算法原理
        4.3.2 决策树XGBOOST能耗预测模型
    4.4 本章小结
第5章 基于机器学习的建筑能耗预测方法对比分析
    5.1 能耗预测模型评价方法
        5.1.1 模型准确性评价
        5.1.2 模型时间成本评价
    5.2 模型预测结果分析
        5.2.1 办公建筑预测结果分析
        5.2.2 商业建筑预测结果分析
        5.2.3 酒店建筑预测结果分析
        5.2.4 医疗建筑预测结果分析
    5.3 基于机器学习的建筑能耗预测工作流程
    5.4 本章小结
结论
参考文献
致谢



本文编号：3172926