基于BP神经网络的建筑物用电能耗预测.pdf

《基于BP神经网络的建筑物用电能耗预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷第2期山东建筑大学学报Vo1．26No．22011正4月JOURNALOFSHANDONGJIANZHUUNIVERSITYApr．2011文章编号：1673—7644(2011)02-0162—04基于BP神经网络的建筑物用电能耗预测李然然，张永坚，刘畅，王珊珊(1．山东建筑大学信息与电气工程学院，山东济南250101；2．山东政法学院商学院，山东济南250013)摘要：建筑节能是当今城市建设和社会发展的前沿和研究热点，对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础，而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、

2、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规BP网络算法收敛速度慢、易陷入局部最小点的缺点，采用了具有较快收敛速度及稳定性的LM算法进行预测，构造了基于BP神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本，并采用MATLAB对预测模型进行了仿真预测。结果显示：误差在允许范围内。关键词：建筑物用电能耗；BP网络；LM算法；MATLAB；预测模型中图分类号：TU1l1．195文献标识码：APredictionofbuildingelectricityconsumptionbasedonBPneuralnetworkLIRan—ran

3、，ZHANGYong-jian，LIUChang，eta1．(SchoolofInformation＆ElectricalEngineering，ShandongJianzhuUniversity，Jinan250101，China)Abstract：ThispaperpresentsakindofbuildingbasedonBPneuralnetworkpowerpredictionmode1．AsthetraditionalBPalgorithmhassomeunavoidabledisadvantagessuchastheslowtrainingspeedandbe

4、ingeasilyplungedintolocalminimums，anoptimizedLMalgorithmisappliedtoforecast，whichhasaquickertrainingspeedandbetterstability，andthepredictionmodelisconstructedofthebuildingelectricityconsumptionbasedonBPneuralnetwork．Withthestatisticaldataofthepublicbuildingelectricityconsumptioninacityasth

5、esample，thepredictionmodelissimulatedwithMAT—LAB．Theresultsshowthattheerroriswithintheallowablerange．Thispredictionmethodisfeasibleandhasagoodapplicationprospect．Keywords：buildingelectricityconsumption；BPneuralnetwork；levenberg—marquardtalgorithm；MATLAB；predictionmodel“十二五”建筑节能规划目标具有重要意义。建

6、筑0引言节能是当今城市建设和社会发展的前沿和研究热点，公共建筑物节能是建筑节能的重要组成部分。随着我国经济的发展，国家机关办公建筑和大对建筑的能耗现状进行综合分析与评估是对公用建型公共建筑高耗能的问题日益突出。做好国家机关筑进行节能改造或对新建建筑进行节能设计的前提办公建筑和大型公共建筑的节能管理工作，对实现和基础，而建立反映能耗变化的预测模型是从宏观收稿日期：2011一O3—09作者简介：李然然(1986一)，女，山东滨州人，在读硕士，主要从事公共建筑能耗监测方向研究．E-mail：li—ranran@163．con第2期李然然等：基于BP神经网络的建筑物用电能耗预测——

7、尺度上分析认识建筑能耗变化与发展特性、为公共需要根据实际的特点进行优化。建筑节能工作提供决策依据的有效途径和重要手1．2LM算法段。原始的BP算法即梯度下降法，参数沿着与误人工神经网络，是一种旨在模仿人脑结构及功差梯度相反方向移动，使误差函数减小，直至取得极能的信息处理系统，具有自学习、自组织、联想记忆小值，其计算复杂度主要是由计算偏导数引起，基于和并行处理等功能。BP(back—propagation)神经网梯度下降方法仅为线性收敛，速度慢。算法的改进络是神经网络中应用最为广泛的模型之一⋯。神主要有两种途径，一是