【技术实现步骤摘要】
本专利技术属于建筑负荷预测，具体涉及一种近零能耗建筑负荷预测方法、装置、设备及介质。
技术介绍
1、近零能耗建筑采用了大量保温隔热性能优异的围护结构和被动式技术，其负荷波动主要与建筑用途、人员行为、当地气候条件和激励政策有关，具有很大的随机性、波动性和不确定性，导致近零能耗建筑负荷预测十分复杂。然而，建筑负荷与综合能源系统的优化设计密切相关，准确的负荷预测是实现综合能源系统高效供能的关键。为了保障综合能源系统优化调度，需要对近零能耗建筑负荷预测开展研究。当前，负荷预测方法已有很多，如数据驱动、神经网络法、长短期记忆神经网络算法、支持向量机、随机森林算法等。为了提高负荷预测的精确度，有学者研究了信号处理与机器学习算法相结合的预测模型。
2、经验模态分解（empirical mode decomposition, emd）可将非平稳的负荷数据转化为平稳的模态分量，常用于负荷预测的数据处理，从而创建emd+机器学习的负荷预测模型，大量研究已证实该方法的有效性。然而，在emd分解方面，传统的分解方法未能充分体现负荷数据的时间序列特征...
【技术保护点】
1.一种近零能耗建筑负荷预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的近零能耗建筑负荷预测方法，其特征在于，获取预先训练好的第一预测模型、第二预测模型和第三预测模型的步骤中，所述第一预测模型、第二预测模型和第三预测模型按照如下方式训练：
3.根据权利要求2所述的近零能耗建筑负荷预测方法，其特征在于，获取历史气象数据所对应的历史负荷数据，将所述历史负荷数据进行逐日经验模态分解，得到高频IMF分量、中频IMF分量和低频IMF分量，包括：
4.根据权利要求2所述的近零能耗建筑负荷预测方法，其特征在于，所述第一预测模型、第二...
【技术特征摘要】
1.一种近零能耗建筑负荷预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的近零能耗建筑负荷预测方法，其特征在于，获取预先训练好的第一预测模型、第二预测模型和第三预测模型的步骤中，所述第一预测模型、第二预测模型和第三预测模型按照如下方式训练：
3.根据权利要求2所述的近零能耗建筑负荷预测方法，其特征在于，获取历史气象数据所对应的历史负荷数据，将所述历史负荷数据进行逐日经验模态分解，得到高频imf分量、中频imf分量和低频imf分量，包括：
4.根据权利要求2所述的近零能耗建筑负荷预测方法，其特征在于，所述第一预测模型、第二预测模型和第三预测模型训练完成之后，还包括：
5.根据权利要求4所述的近零能耗建筑负荷预测方法，其特征在于，对所述第一预测模型、第二预测模型和第三预测模型的超参数寻优，包括：
6.根据权利要求2所...
【专利技术属性】
技术研发人员：杨佳奇，贾颉辉，张顺禹，周振玲，王绍琨，宁爱华，吕昕宇，张一捷，刘志坚，吴迪，
申请(专利权)人：国网北京市电力公司，
类型：发明
国别省市：
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。