建筑能耗監(jiān)控與預測.pdf

1、近年調查發(fā)現(xiàn)，建筑類能源消耗正在高速度的增長，公共建筑雖然作為其中較小的一部分，但單位能耗量遠遠大于其他類建筑，各級政府高度重視，為此頒布一系列有關公共建筑節(jié)能減排的政策法規(guī)。由于缺乏相關的數(shù)據依據和科學指導，在制定政策規(guī)劃時具有一定的盲目性，雖然研究人員提供了很多解決方案，但權威機構指出目前仍存在一些問題：能耗數(shù)據質量參差不齊、能耗數(shù)據得不到充分利用。
　　本課題以此為基礎，設計和開發(fā)了一套建筑能耗監(jiān)控系統(tǒng)，建立了能耗預測模型。

2、通過神經網絡的理論以及預測模型的研究，指出了傳統(tǒng)神經網絡預測存在的缺陷，再進一步對以往提出的改進方法進行研究發(fā)現(xiàn)，常用的改進方法通常都是針對神經網絡的某個具體缺點進行優(yōu)化，但沒能從整體性能進行改進。建筑能耗短期預測不僅需要一定的精度，而且對預測的實時性要求很高，傳統(tǒng)的神經網絡以及改進方法都不能很好地滿足建筑能耗短期預測的需要。為此，本課題在遺傳算法神經網絡中加入Levenberg-Marquardts算法（以下簡稱LM），提出了Gene

3、tic algorithmLevenberg-Marquardts（以下簡稱GALM）學習算法。通過建立基于GALM神經網絡的能耗預測模型，經過仿真和實例證明了該模型不僅預測精度較高，預測速度還得到了充分提高。從而說明基于GALM神經網絡預測模型適用于能耗短期預測。
　　為提供能耗預測模型的數(shù)據來源，提高能耗數(shù)據的質量，實現(xiàn)管控結合的智能化管理，本課題設計和開發(fā)了一套能耗監(jiān)控系統(tǒng)，主要內容包括：
　　1.考慮到系統(tǒng)的安裝環(huán)境