一种基于LASSO-TSA-GRNN网络的建筑热负荷预测方法及系统技术方案

本发明专利技术提供的一种基于LASSO

【技术实现步骤摘要】
一种基于LASSO
‑
TSA
‑
GRNN网络的建筑热负荷预测方法及系统


[0001]本专利技术属于建筑系统中负荷预测
，具体涉及一种基于LASSO
‑
TSA
‑
GRNN网络的建筑热负荷预测法及系统。

技术介绍

[0002]随着城市化进程的不断推进，智慧城市的建设逐渐受到广泛关注，智慧能源系统作为智慧城市的重点，建筑能耗是其需要解决的关键性问题。据统计，我国建筑能耗占总能耗的40％，其中供热制冷能耗占建筑能耗的68％。为了节约能源、降低能耗，我国热力行业相继采用集中供热取代传统的分散式供热，但供暖的时间和温度无法自适应调整，热量分配不均匀，用户舒适度较差，仍存在大量的能源浪费。热负荷预测作为供暖系统调控中重要的前期工作，不仅可以提高供热系统的精确度和用户的舒适度，为后期系统运营阶段的调适提供良好的保障；还可以节约成本和资源，为可持续发展提供有效的方案。与此同时，智慧能源系统的发展也面临瓶颈，迫切需要更有效的预测方法来支持该系统。因此，对供暖系统热负荷预测的研究是十分必要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LASSO
‑
TSA
‑
GRNN网络的建筑热负荷预测方法，其特征在于，包括以下步骤：预设GRNN网络预测模型；利用树种优化算法对预设的GRNN网络预测模型进行优化，得到最优的TSA
‑
GRNN网络预测模型；利用Lasso变量筛选待预测建筑的热负荷影响因素，并将筛选出的热负荷影响因素最为最优的TSA
‑
GRNN网络预测模型的输入变量，进而实现对待预测建筑的热负荷进行预测。2.根据权利要求1所述的一种基于LASSO
‑
TSA
‑
GRNN网络的建筑热负荷预测方法，其特征在于，预设的GRNN网络预测模型包括输入层、模式层、求和层和输出层，其中，模式层的传递函数为P
i
：式中，X为输入的热负荷影响因素变量，X
i
为第i个热负荷影响因素，σ为光滑因子；求和层利用两类计算对模式层所有神经元的输出算术求和，以及对模式层所有神经元的输出加权求和；输出层热负荷预测值y
j
：其中，S
D
第一类算术求和的传递函数；S
Mj
第二类加权求和的传递函数；k为输出热负荷值的个数。3.根据权利要求2所述的一种基于LASSO
‑
TSA
‑
GRNN网络的建筑热负荷预测方法，其特征在于，所述求合层的第一类计算用于对模式层所有神经元的输出算术求和，其传递函数为：为：4.根据权利要求2所述的一种基于LASSO
‑
TSA
‑
GRNN网络的建筑热负荷预测方法，其特征在于，所述求合层的第二类计算用于对模式层...

【专利技术属性】
技术研发人员：于军琪，惠蕾蕾，赵安军，杨晓寒，高之坤，边策，康智恒，米璐，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：