咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于庞大算例变量提取的办公建筑能耗预测方法及应用 收藏

基于庞大算例变量提取的办公建筑能耗预测方法及应用

Energy Consumption Prediction Method of Office Building Based on the Variables Extraction From a Large-scale Simulation Database and a Case Study

作     者:姬颖 连会会 陈永保 谢静超 刘加平 JI Ying;LIAN Huihui;CHEN Yongbao;XIE Jingchao;LIU Jiaping

作者机构:北京工业大学城建学部北京100124 北京工业大学绿色建筑环境与节能技术北京市重点实验室北京100124 上海理工大学能源与动力工程学院上海200093 

出 版 物:《北京工业大学学报》 (Journal of Beijing University of Technology)

年 卷 期:2023年第49卷第3期

页      面:386-394页

核心收录:

学科分类:080705[工学-制冷及低温工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家自然科学基金青年基金资助项目(51908006) “十三五”国家重点研发计划资助项目(2018YFC0705900) 

主  题:办公建筑 能耗预测 模拟数据库 特征变量 EnergyPlus LightGBM 

摘      要:模拟法应用专业软件,可准确计算动态能耗,但输入参数烦琐且建筑几何模型确定后往往无法更改;数据挖掘法计算速度快,适用条件多样,但是需要长时间历史数据进行训练,效果受样本数据限制.针对以上问题,提出一种基于庞大算例变量提取的办公建筑能耗预测模型,利用EnergyPlus建立批量典型建筑模型,调整建筑参数生成百万条数据作为训练数据集;采用LightGBM算法,筛选影响负荷的特征因素,构建负荷预测模型;结合EnergyPlus中空调设备能耗计算模型,应用python编译实现能耗预测,并在北京某办公建筑中进行应用和验证.结果表明,筛选的24维特征变量,可保证模型预测准确度在90%以上,逐日能耗的预测平均相对误差为8.27%.应用标准年气象参数计算全年建筑能耗,逐月平均相对误差为10.37%,建筑实际能耗指标为35.20 kW·h/(m2·a),预测能耗指标为36.25 kW·h/(m2·a),相对误差为2.98%.

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分