基于数据挖掘的医院建筑电负荷特性分析预测

作者：盘承巍; 王健^*; 谢孟晓

来源：建筑热能通风空调, 2019, 38(08): 6-11.

• 医院建筑
• 负荷预测
• 聚类分析
• 相关性分析
• 神经网络

本文基于青岛某医院建筑2017年全年逐时总用电能耗实测数据,将冷热源电耗从中分离,得到用于分布式能源系统运行策略研究的逐时电负荷数据。首先利用k-means聚类算法对该建筑的全年逐时电负荷特性进行分析,并根据聚类结果为神经网络的训练构建相似日样本集。然后利用相关性理论针对不同的相似日样本集筛选特征参数,作为神经网络的输入参数。最后利用平均绝对百分误差(MAPE)、变异系数(CV)、均方根误差(RMSE)等指标对本文提出的复合优化预测模型性能进行定量评价。结果显示,复合优化预测模型的预测精度相较于既不聚类也不进行相关分析的传统BP网络有了很大的提高。其中,MAPE、CV、RMSE分别降低了39.4%、36.9%、38.1%。

• 单位
  同济大学建筑设计研究院（集团）有限公司; 同济大学