基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法技术

本发明专利技术涉及一种基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法，包括：采集建筑能耗历史数据，构建建筑能耗预测数据集，对建筑能耗预测数据集进行预处理，并将处理后的数据集划分为训练集和预测集；对预处理后的数据集进行特征工程，利用多源融合特征方式选出最优特征子集和最优特征筛选个数；选择多个基模型，对基模型进行超参数优化，以组成Stacking框架的第一层，进而构建模糊差异性增强Stacking框架，利用构建的模糊差异性增强Stacking框架进行建筑能耗预测。与现有技术相比，本发明专利技术具有提高预测性能等优点。点。点。

【技术实现步骤摘要】
基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法


[0001]本专利技术涉及建筑能耗预测
，尤其是涉及一种基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法。

技术介绍

[0002]一个国家的总能源消耗可通过汇总三个主要经济部门的需求来进行估算：建筑、工业和运输。而根据国际能源署的统计，建筑物和建筑施工的能源消耗是世界能源消耗的主要来源，约占世界能源消耗总量的36％。因此，随着目前全球可持续发展事业的推进，建筑节能已逐渐被许多国家和地区视为关键问题。在促进城市可持续发展的需求下，了解城市建筑节能的特点是十分有必要的。为了迎合目前的节能需求，制定相应的建筑节能政策，建筑能耗预测模型成了必不可少的工具。它能够了解不同特征，例如天气、居住比、日期等，对建筑能耗的影响，从而对如何提高建筑能源使用效率并降低能源消耗进行指导。准确的能耗预测不仅可以有效减少能源浪费，还能减少区域化财政支出。
[0003]目前针对建筑能耗的预测目标主要包括建筑内部得热量、建筑冷负荷、区域热负荷、电力需求以及峰值电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法，其特征在于，包括：采集建筑能耗历史数据，构建建筑能耗预测数据集，对建筑能耗预测数据集进行预处理，并将处理后的数据集划分为训练集和预测集；对预处理后的数据集进行特征工程，利用多源融合特征方式选出最优特征子集和最优特征筛选个数；选择多个基模型，对基模型进行超参数优化，以组成Stacking框架的第一层，进而构建模糊差异性增强Stacking框架，利用构建的模糊差异性增强Stacking框架进行建筑能耗预测。2.根据权利要求1所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法，其特征在于，通过智慧能源管理系统采集建筑能耗历史数据，并对建筑能耗预测数据集进行归一化预处理。3.根据权利要求1所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法，其特征在于，利用多源融合特征方式选出最优特征子集和最优特征筛选个数的具体内容为：对预处理后的数据集进行特征工程后，分别通过不同的特征选择算法进行数据集中各特征的初步评估，获取四种不同特征选择算法的特征重要性值得分；分别对不同特征选择算法下的特征重要性值得分进行排序，在不同的特征子集个数需求下，获取针对不同特征选择算法的输出结果；依次进行不同特征选择数下的预测性能对比，在确定当前特征选择个数时，通过不同特征选择算法的排序值，依次选出相应的特征，并融合为最优特征预选集；遍历所有不同特征选择数下的预测性能，依次选择重要性值靠前的不同m个特征作为数据集的最优特征子集，对比预测性能，以此得到最优特征筛选个数，并对最优特征预选集进行元素整合优化后得到最优特征子集，将其作为后续预测模型的输入，所述预测模型为选择的基模型。4.根据权利要求3所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法，其...

【专利技术属性】
技术研发人员：刘刚，孙健，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：