【技术实现步骤摘要】
本专利技术涉及智能楼宇，涉及灰色关联度分析、灰色预测、多元线性回归模型，具体公开一种考虑时变特征关联度的楼宇负荷预测方法，属于计算、推算或计数的。
技术介绍
1、楼宇负荷预测是建筑节能控制的重要环节之一，其对于合理调控建筑内多种设备的能源消耗以及优化建筑系统性能，提高建筑节能效果至关重要。多元线性回归模型和灰色预测模型是常用的两种预测算法，它们适用于实时预测和快速响应需求的场景，因此在进行一些短期预测时经常结合两种预测算法来进行数据预测。目前已有短期负荷预测算法，首先通过灰色预测模型根据提取的相关数据预测出相关数据在下一时段的参数值，然后将相关数据在预测时段的参数值代入多元线性回归模型以获取预测值。然而，多元线性回归模型预测相关数据的方法存在数据相关性不明显、模型拟合程度低等多种不稳定因素，这都影响最终预测模型的质量和准确度，因此传统的相关数据预测算法会产生较大的误差。
2、楼宇负荷预测面临的难题是无法通过现有的短期负荷预测算法获得准确的预测结果，而现有短期负荷预测技术并未考虑到楼宇负荷预测的实际情况中各特征因素与预测变量之...
【技术保护点】
1.一种考虑时变特征关联度的楼宇负荷预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述一种考虑时变特征关联度的楼宇负荷预测方法，其特征在于，所述步骤1提取的特征因素包括但不限于气温、露点温度、太阳辐射强度、气压、风速以及建筑占有率。
3.根据权利要求2所述一种考虑时变特征关联度的楼宇负荷预测方法，其特征在于，所述步骤2建立的特征因素参数矩阵为建立的楼宇负荷向量为Y＝[y0(1)…y0(t)]，其中，X0为特征因素参数矩阵，x0(1,1)为第1时段第1个特征因素参数，x0(1,t)为第t时段第1个特征因素参数，x0(n,1)为第1时段第...
【技术特征摘要】
1.一种考虑时变特征关联度的楼宇负荷预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述一种考虑时变特征关联度的楼宇负荷预测方法，其特征在于，所述步骤1提取的特征因素包括但不限于气温、露点温度、太阳辐射强度、气压、风速以及建筑占有率。
3.根据权利要求2所述一种考虑时变特征关联度的楼宇负荷预测方法，其特征在于，所述步骤2建立的特征因素参数矩阵为建立的楼宇负荷向量为y＝[y0(1)…y0(t)]，其中，x0为特征因素参数矩阵，x0(1,1)为第1时段第1个特征因素参数，x0(1,t)为第t时段第1个特征因素参数，x0(n,1)为第1时段第n个特征因素参数，x0(n,t)为第t时段第n个特征因素参数，n为特征因素的个数，t为选取的时段数，t≥n+1，n为正整数，t为大于或等于2的正整数。
4.根据权利要求3所述一种考虑时变特征关联度的楼宇负荷预测方法，其特征在于，所述步骤2通过表达式对所述特征因素参数矩阵进行归一化处理，通过表达式对楼宇负荷向量进行归一化处理，其中，x′0(i,j)为第j时段第i个特征因素参数的归一化结果，x0(i,j)为第i个特征因素第j时段的参数，maxjx0(i,j)、minjx0(i,j)分别为第j时段所在日期第i个特征因素参数在最大值和最小值，y′0(j)为第j时段楼宇负荷数据的归一化，y0(j)表示楼宇负荷第j时段的数据，maxjy0(j)、minjy0(j)分别为第j时段所在日期楼宇负荷数据的最大值和最小值，i≤n，j≤t。
5.根据权利要求4所述一种考虑时变特征关联度的楼宇负荷预测方法，其特征在于，所述步骤3计算当前一时段内楼宇负荷与特征因素的特征关联系数矩阵的表达式为：其中，δ(i,j)为第j时段内楼宇负荷与第i个特征因素的特征关联系数，ri为第i个特征因素与楼宇负荷的皮尔逊相关系...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。