（热能工程专业论文）既有建筑能耗模型建模方法的研究.pdf

目录 摘要。i l l a b s t r a c t 。i v 第1 章绪论。1 1 1 课题背景及意义l 1 2 国内外研究现状1 1 2 1 国外研究现状1 1 2 2 国内研究现状一4 1 3 本文主要研究内容6 参考文献：7 第2 章既有建筑能耗的影响因素及建模方法1 0 2 1 既有建筑能耗影响因素及建立能耗模型的一般原理1 0 2 2 既有建筑能耗模型主要建模方法介绍及特性分析11 2 2 1 人工神经网络1 1 2 2 2 量纲分析1 3 2 2 3 统计学方法建模1 4 2 2 4 建模方法特点比较1 5 参考文献：一1 6 第3 章利用人工神经网络对既有建筑能耗建模研究1 7 3 1 建筑能耗建模工具17 3 1 1 样本参数的确定1 7 3 2 能耗模型的建立1 9 3 2 1 输入样本参数的归一化处理2 0 3 2 2 输入层节点数的选择2 0 3 2 3 隐层节点的选择2 0 3 2 4 输出层节点数的选择2 1 3 2 5 训练算法及参数选择2 1 3 3 实例分析及结果对比2 1 3 3 1 实例1 一2 1 3 3 2实例2 2 3 3 4 模型精度及应用分析2 4 3 4 1 模型精度2 4 3 4 2 实际应用分析2 5 参考文献：一2 7 第4 章量纲分析法对既有建筑能耗建模研究2 8 4 1 量纲分析对既有建筑能耗建模的原理2 8 4 1 1 建筑能耗及其影响因素的量纲2 8 4 2 能耗数学模型的建立2 9 4 2 1 建立数学模型2 9 4 3 实例分析及结果对比3 0 4 3 1 建筑物简介3 0 4 3 2 选取能耗影响因素3 1 4 3 3 建立能耗数学模型31 4 4 模型精度及实用性分析3 6 参考文献：3 7 第5 章结论与展望3 8 5 1 结论3 8 5 2 创新点。3 8 5 3 后续工作及工作展望3 9 致谢。4 0 攻读学位期间发表的学术论文4 l i i 摘要 近年来，我国建筑业快速发展，目前已经成为我国国民经济中原材料、能源 与人工消耗量最大的部门之一。现在社会各界对于建筑节能工作日益重视，建筑 节能已成为国家节能战略的重要组成部分。 新建建筑的节能达标和既有建筑的节能改造是建筑节能的两个重点。综合分 析建筑能耗主要影响因素，对既有建筑能耗进行建模，可对既有建筑能耗的发展 进行有效地模拟及预测，对既有建筑的节能改造工作起到推动作用。本方法可应 用于科学计算既有建筑改造的实际节能量，为合同能源管理的节能量的计算提供 可靠的依据。 本文分别介绍了基于人工神经网络和量纲分析理论的既有建筑能耗模型的 两种建模方法。两种方法均由分析既有建筑能耗的各主要影响因素入手，并对影 响因素对既有建筑能耗的影响作了简要分析，将度时数、建筑使用面积变化情况、 建筑使用人数、建筑围护结构特征等作为既有建筑能耗的主要影响因素，以此建 立相应的建筑能耗模型，模拟出既有建筑的全年能耗值。 建立基于人工神经网络的既有建筑能耗模型。采用三层反向传播网络，隐含 层的传递函数采用正切s i g m o i d 函数；输出层采用p u r e l i n 线性函数；训练采用 l e v e n b e r g - m a r q u a r d t 的优化算法( l - m 算法) 。以此网络结构建立南京地区某两 幢既有公共建筑能耗模型，将该建筑0 5 、0 6 年能耗影响因素与逐月能耗值作为输 入样本进行训练，分别模拟出两幢建筑的0 7 年逐月能耗。经比较，两幢建筑0 7 年全年能耗模拟值与实际值偏差均在3 左右。 利用量纲分析理论对既有建筑能耗模型建模。以量纲和谐原理与定理为基 础通过分析建筑能耗与其影响因素的量纲，建立既有建筑能耗模型，定性地分析 出建筑能耗的函数关系式，另通过软件模拟进行数据拟合，将能耗与其影响因素 的关系定量化，得出既有建筑能耗的数学表达式。 在目前国内能源管理水平较低、建筑能耗历史数据缺乏的背景下，利用人工 神经网络和量纲分析理论两种不同的方法建立既有建筑采暖空调能耗模型，为建 筑能耗的模拟及预测带来了新的思路和方法。 关键词：既有建筑能耗能耗影响因素人工神经网络量纲分析 i i i a b s t r a c t c o n s t r u c t i o ni n d u s t r yi no u rc o u n t r y , w h i c hd e v e l o p e dr a p i d l yi nr e c e n ty e a r s ， h a sn o wb e c o m eo n eo ft h em o s ti m p o r t a n td e p a r t m e n t sw h i c hc o n s u m eal o to fr a w m a t e r i a l ，t h es o u r c e so fe n e r g ya n dm a n p o w e r h o w e v e r , o u rs o c i e t yh a sp a i dm u c h m o r ea t t e n t i o nt ot h ee n e r g yc o n s e r v a t i o no fb u i l d i n g s a c h i e v i n gt h es u s t a i n a b l e d e v e l o p m e n to ft h ec o n s t r u c t i o ni n d u s t r yh a sb e e na d m i t t e db yt h ew h o l es o c i e t y e n e r g y c o n s e r v a t i o n r e a c h i n g s t a n d a r d so fn e wb u i l d i n g sa n d e n e r g y c o n s e r v a t i o nt r a n s f o r m a t i o no fe x i s t i n gb u i l d i n g sa r et h et w op o i n t si nt h ep r o j e c to f e n e r g yc o n s e r v a t i o no fb u i l d i n g s w h e nt h ei n f l u e n c eo fe n e r g yc o n s u m p t i o no f b u i l d i n g sb e i n ga n a l y z e d ，t h em o d e lo fe n e r g yc o n s u m p t i o no fb u i l d i n g sb e i n gb u i l t ， e f f e c t i v es i m u l a t i o na n df o r e c a s tw a sc a l c u l a t e d ，t h ep r o j e c to ft h ee n e r g y - s a v i n gw i l l b ew e l lp r o m o t e d t i l i sm e t h o db eu s e dt oc a l c u l a t eo fe n e r g yc o n s e r v a t i o na m o u n t f o re x i s t i n gb u i l d i n g sa f t e rb e i n gr e b u i l t a l s o ，t h em e t h o dc a np r o v i d ec r e d i b l eb a s i s f o rc a l c u l a t i o no ft h ee n e r g yc o n s e r v a t i o ni ne n e r g ym a n a g e m e n tc o n t r a c t t w om o d e l i n gm e t h o d sf o rc a l c u l a t i o no fe n e r g yc o n s u m p t i o no fe x i s t i n g b u i l d i n g sw e r ei n t r o d u c e di n t h i sp a p e r , o n eo ft h e mi sb a s e do na r t i f i c i a ln e u t r a l n e t w o r k s ( a n n ) ，t h eo t h e ri sb a s e do nd i m e n s i o na n a l y s i st h e o r y b o t ho ft h et w o m e t h o d sa n a l y z et h em a j o ri n f l u e n c eo ft h e e n e r g yc o n s u m p t i o n o fe x i s t i n g b u i l d i n g s ，s u c ha sd e g r e eh o u r , c h a n g eo fa r e ao fb u i l d i n g s ，n u m b e r so fp e o p l eu s i n g t h eb u i l d i n g s ，t h ec h a r a c t e ro fb u i l d i n g sp r o t e c t i o n s ot h a tam o d e lo fe n e r g y c o n s u m p t i o no fb u i l d i n g sc a nb ee s t a b l i s h e d ，t h ey e a r l ye n e r g yc o n s u m p t i o nc a nb e s i m u l a t e d am o d e lo fe n e r g yc o n s u m p t i o no fe x i s t i n gb u i l d i n g sw h i c hi sb a s e do na n n w a se s t a b l i s h e d t h r e el a y e r so f b a c kp r o p a g a t i o nn e t w o r kw a su s e d t a n g e n t s i g m o i df u n c t i o nw a su s e da st h et r a n s f e rf u n c t i o no fc o n n o t a t i v el a y e r t h ep u r e l i n l i n e a rf u n c t i o nw a su s e di nt h ee x p o r tl a y e r ab e t t e rl e v e n b e r g - m a r q u a r d t ( l - m ) a r i t h m e t i cw a st r a i n e d w i t ht h i sn e t w o r k ，a ne n e r g yc o n s u m p t i o nm o d e lo ft w o e x i s t i n gp u b l i cb u i l d i n gi nn a n j i n gw a se s t a b l i s h e d m o n t h l ye n e r g yc o n s u m p t i o no f 2 0 0 7c a nb es i m u l a t e db yu s i n gt h em o n t h l ye n e r g yc o n s u m p t i o no f2 0 0 5 a n d2 0 0 6 a st h ei m p o r ts a m p l e a n dt h es i m u l a t i o no ft h ee n e r g yc o n s u m p t i o no ft w o p u b l i c b u i l d i n g si n2 0 0 7 ，i nn a n j i n g ，s h o w st h a tt h ed e v i a t i o nb e t w e e nt h ea n n u a ls i m u l a t e d v a l u ea n dt h ea c t u a lv a l u ei si n3 t h em o d e lo fe n e r g yc o n s u m p t i o no f e x i s t i n gb u i l d i n gc a n b ee s t a b l i s h e do nt h e d i m e n s i o na n a l y s i st h e o r yw h i c hi sb a s e do nt h et h e o r yo fh a r m o n i o u sd i m e n s i o n a n dnt h e o r e m t h em o d e lo fe n e r g yc o n s u m p t i o no f e x i s t i n gb u i l d i n g sc a nb eb u i l t b ya n a l y s i n gt h ei n f l u e n c e a f t e rt h ef u n c t i o nr e l a t i o n s h i po ft h ee n e r g yc o n s u m p t i o n b e i n ga n a l y z e dq u a l i t a t i v e l ya n db e i n gf i x e dq u a n t i t a t i v e l yb yu s i n gc o m p u t e rt of i t d a t e ，t h em a t h e m a t i c a le x p r e s s i o no fe n e r g yc o n s u m p t i o nc a nb ef o u n d b e c a u s eo ft h el o wl e v e lo fd o m e s t i ce n e r g ym a n a g e m e n ta n dt h el a c ko f h i s t o r i c a ld a t a , t h ee n e r g yc o n s u m p t i o no fh e a t i n ga n da i r - c o n d i t i o no fe x i s t i n g b u i l d i n g sc a nb es i m u l a t e do nt h em e t h o d so fa n na n dd i m e n s i o na n a l y s i st h e o r y s o t h a tan e w t h o u g h ta n dm e t h o dc a nb eu s e dt os i m u l a t ea n df o r e c a s tt h ec o n s u m p t i o n o fb u i l d i n g s k e y w o r d s ：e n e r g yc o n s u m p t i o no fe x i s t i n gb u i l d i n g s ，e n e r g yi n f l u e n c i n gf a c t o r , a r t i f i c i a ln e u t r a ln e t w o r k s ( a n n ) ，d i m e n s i o na n a l y s i s v 硕士学位论文 1 1 课题背景及意义 第1 章绪论 能源与环境问题日益得到世界范围内越来越多的重视。在各发达国家，建筑 节能被普遍作为国家的大政方针之一。改革开放以来，建筑行业也成为我国国民 经济中原材料、能源与人工消耗量最大的部门之一，尤其是近年来，我国建筑业 快速发展，但我国节能工作起步较晚，能源浪费现象严重。据测算，建筑运行用 能在我国能源总消耗量中所占比例上升较快，根据发达国家经验，这个比例将可 能逐步提高到2 5 左右。n 1 建筑节能现在已经成为我国能源战略的一个重要组 成部分，节能工作的任务十分艰巨。 新建建筑的节能达标和既有建筑的节能改造是建筑节能的两个重点瞳1 。如果 仅考虑新建建筑节能而不考虑既有建筑节能，那么建筑节能的实际成效也只能限 定在很小范围，所以加强既有建筑节能改造的研究迫在眉睫。我国既有建筑节能 改造工作目前尚处于起步阶段，在各方面都面临着较多的困难。 综合分析既有建筑能耗的各影响因素，对既有建筑能耗进行数学建模研究在 建筑节能领域有着广泛的应用空间，在既有建筑节能工作中起到至关重要的作 用。例如：可以采用年度能耗模型来分析各种因素的影响，科学计算既有建筑改 造的实际节能量，为合同能源管理的节能量的计算提供可靠的依据等等。 1 2 国内外研究现状 1 2 1 国外研究现状 1 )人工神经网络在建筑能耗或相关负荷方面的应用 美国、加拿大等欧美国家在利用人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ， 简称a 卜m ) 进行空调负荷预测方面研究较早。1 9 9 0 年f e r r a n o 利用神经网络方 法进行冰蓄冷空调负荷预测，并与实时专家系统结合用于迈阿密一幢建筑的冰蓄 冷系统控制，发现对于冰蓄冷空调，神经网络的介入具有良好效果。口1 k r e i d e r 和w a n g 最早将神经网络方法引入到建筑物空调设备能耗预测工作 第1 章绪论 中来，所建立的模型主要目的在于检测空调系统和设备的性能变化，并且， k r e i d e r 指出在负荷预测中复杂的人工神经网络拓扑结构是不必要的。h “1 k a l o q i r o u 采用反向传播神经网络( b a c kp r o p a g a t i o nn e u r a ln e t w o k ，简称 b p 神经网络) 进行太阳能领域的计算，模拟了太阳能蒸汽产生器并模拟计算了 建筑物的热负荷，以便设计太阳能蒸汽产生器并模拟计算了建筑物的热负荷。1 国际上分别举行了几次有影响的负荷预测竞赛活动。阳8 1 可见表卜1 表卜1 建筑物能量预测国际竞赛情况说明 举办单位时间竞赛内容结论 比较不同研究者利用的数学模型在预测精度最好的前 美国供热、制冷和空 ( 对同一栋建筑物进行负荷预 6 名研究者中有5 名 调工程师协会 1 9 9 3 测) ，来确定各种负荷预测模型的采用了神经网络进行 ( a s i t r a e ) 准确性和使用程度。负荷预测的建模。 建筑物能耗预测模型预测建筑改 采用b p 神经网络建 同上1 9 9 4 模的模型的预测精度 建后的节能效果。 是最好的。 分为t r i a l 一1 和t r i a l 一2 两个阶t r i a l 一1 的结果显 段。其中t r i a l 一1 主要探讨各种示，采用b p 神经网络 日本空气调和卫生工 1 9 9 7 预测方法的可行性，t r i a l - 2 进一方法的预测模型具有 学会 步验证模型在实际控制应用中的最高的预测精度。 可行性。 国际能耗负荷预测竞赛的结果表明，b p 神经网络方法非常适合于建筑物能 耗负荷的预测工作。 k a w a s h i m a 阳1 指出神经网络的结构和神经元的个数直接影响模型的计算结 果，对于b p 网络，隐含层可按照2 n + 1 个选取，其中n 为输入神经元数，文献 1 0 中，k a w a s h i m a 采用a s h r a e l 9 9 3 年首届建筑物能量预测竞赛中的数据集，对包括 人工神经网络( a n n ) 模型在内的七种预测模型( a r i m a 、l r 、e w m a 等) 进行比较论 证，指出a n n 模型预测最精确。 美国供暖制冷空调工程师学会( a s h r a e ) 倡议了“大能量预测器的开发”， 目标是预测热水负荷( w b h w ) 、冷水负荷( w b c w ) 以及能准确测量太阳辐射角度 的建筑模型。b r a d l e yp f e u s t o n ，w i l l i a mj s t e v e n s o n 与m a t t i a sb 0 0 h l s s o n 等研究者分别用人工神经网络( a n n ) 和相同的两组数据( 美国某大学的实测数据) 2 硕士学位论文 作了仿真试验。数据a ：时间t 、干球温度t a b 、相对湿度h 、太阳辐射照度s f 和 风速w 5 个参量。试验结果表明：预测的电负荷高于实际值，冷水和热水负荷低于 实际值。 j a nf k r e i d e 用神经网络预测一大型旅馆综合会议中心的耗电量。电负荷 与会议室使用率、进餐人数和次数、气候条件( 通风) 有关( 预测的电负荷不包括 制冷机负荷) ，数据样本是1 9 9 2 年9 月1 日至1 9 9 3 年8 月3 1 日共计2 0 0 0 0 0 0 个数据。 分别作了 1 5 6 1 、 1 5 1 0 1 0 1 两个b p 网络和两组不同的数据试验。 采用附加动量法修正其权值。通过试验得出：模拟耗电量与实际耗电量均方根 误差1 5 2 0 ；模拟滞后时间为2 小时；输入矢量和输出矢量的联系并不 是很紧密，但因果关系存在，例如电负荷与建筑负荷之间的关系。 s o t e r i sa k a l o g i r o u 和m i l o r a db o j i c 利用人工神经网络预测了被动式 太阳能建筑的能耗。以两幢建筑为例，其中一幢建筑墙体均做保温，另一幢仅有 一面墙体保温、其余墙体部分保温。分别模拟两幢建筑在冬夏季的情况：冬季有 全保温的墙体朝南向，夏季全保温的墙体朝北向。建筑的热量通过有限容积法建 立的热量建筑模型进行评估，以此得到的模拟数据来建立人工神经网络的样本输 入和期望输出，应用标准的反向传播学习算法进行训练。经结果显示，a n n 模 型计算速度速度远远超过了动态仿真程序。 b e t u lb e k t a se k ici 和t e o m a na k s o y 利用人工神经网络对建筑能耗进行预 测。他们利用b p 神经网络预测建筑在受到朝向、墙体厚度和玻璃透明度等因素 影响下的建筑能耗需求。对比研究了三幢体形系数不同、墙体厚度不同、但占地 面积相同的假定建筑。利用m a t l a b 自带的神经网络工具箱进行预测能耗， f o r t r a n 语言编写的计算机程序进行计算，对比结果显示，预测值与计算值平均 误差为3 4 3 。n 卜1 8 1 在国外，利用人工神经网络模型对建筑能耗或采暖空调负荷等进行预测模拟 已较为常见且准确度较高。 2 )量纲分析理论的应用 量纲分析是2 0 世纪初提出的在物理领域中建立数学模型的一种方法，后来逐 步发展为通过专门研究物理量的量纲关系进而揭示数量关系的半定量方法。1 9 4 7 年英国物理学家g i t a y l o r 通过研究美国原子弹爆炸的录影带，采用量纲分析 理论对这次爆炸所释放的能量进行估计，估计结果与实际结果非常接近。n 叩本次 第1 章绪论 实验是量纲分析理论在能量估计方面取得的一次巨大成功。 目前量纲分析理论较多应用于力学、原子物理等相关学科的数学物理建模、 公式推导、验证公式正确性等方面。 1 2 2 国内研究现状 1 )a n n 在建筑能耗或相关负荷方面的应用 国内对建筑物能耗及负荷的建模与预测的研究应用也较多。主要的研究成果 有： 文献 2 0 介绍了利用神经网络方法进行负荷预测的基本理论和方法；文献 2 1 利用神经网络预测研究空调负荷的实际预测过程，讨论了输入参数的选择和 预处理、目标误差的确定、网络的学习率和训练次数等与预测效果之间的关系。 将b p 神经网络用于蓄冷系统负荷控制方面的研究进行的最为深入，基于相 同的数据，分别采用逐步回归分析法和人工神经网络进行建筑物逐时冷负荷的模 拟预测。预测结果表明，人工神经网络的预测准确度较高，逐步回归分析法的预 测误差高于人工神经网络的预测误差。说明神经网络在处理冷负荷及其各影响因 素的非线性问题上具有优势。幽1 重庆建筑大学刘宪英等提出了冰蓄冷空调系统的 运行优化必须进行准确的负荷预测，并给出采用神经网络模型预测负荷的方法。 2 3 文献 2 4 为提高建筑空调负荷预测的有效性，应用组合预测方法，将目前常 用的几个空调负荷预测模型有机地结合起来，并引入层次分析法( a h p ) ，建立了 空调负荷组合预测的结构模型。利用a h p 的1 9 标度，根据实际情况计算了各单 预测模型在组合预测中的权重系数。实例分析表明，基于a h p 的空调负荷组合预 测模型在预测准确性和适应性方面均能得到一定改善，能很好地对建筑空调负荷 进行科学、有效地预测。 文献 2 5 通过引用b m t e s t 的相关论文结论，重点对单纯时间序列模型、传 递函数模型和神经网络模型三种常用的负荷预测模型进行比较，并对比分析日本 建筑物负荷预测国际竞赛的部分比赛数据及研究成果，认为在建筑物负荷预测模 型的选择方面，采用人工神经网络方法( 包括基于神经网络的时间序列方法) 的模 型具有预测精度高、适应性广等特点；并且在分析比较各种负荷预测方法的基础 上，给出了一个基于互联网的应用神经网络方法进行负荷预测的方案。通过互联 4 硕士学位论文 网以“准在线”的方式可同时满足较高的逐时负荷预测精度和模型调整的要求。 同济大学暖通空调与燃气研究所何大四、张旭等人对常用的空调负荷预测方 法如多元线性回归、季节性指数平滑法以及神经网络方法等三种方法进行负荷预 测研究，并对三种方法做了进一步改进。然后从预测精度、建模的复杂程度、工 程应用上的可行性以及模型的其他特性( 新建筑预测问题) 等四个方面对负荷预 测方法进行分析。结果表明：神经网络方法具有较高预测精度，而改进的季节性 指数平滑法则具有较好的工程应用价值。口4 1 另外如西安建筑科技大学的郑慧凡、白静等人在b p 神经网络的相关理论的 基础上，介绍了b p 神经网络在建筑物空调负荷预测中的应用心引；西安建筑科技 大学刘玮等利用b p 人工神经网络对某商场建筑物冷负荷进行预测乜6 f ；东华大学 林星春等人工利用神经网络对暖通空调负荷进行预测乜7 | 。均取得了较好的预测精 度。 宁波大学姚健等利用m a t l a b 建立b p 神经网络，将影响建筑能耗的1 8 个因 素作为网络的输入，进行学习训练，最后通过测试样本点数据预测建筑能耗， 并与d e s t h 模拟计算得到的结果比较，发现相对误差在3 5 以内，验证了该网 络模型的可行性。该方法有助于设计师在设计阶段即获得建筑物的能耗。本方法 对建筑能耗的主要影响因素进行了全面的考虑，但将室外气象参数以固定值的形 式作为输入样本，忽略了它的多变性。乜8 1 此类文献均为空调系统能耗及负荷的预测及模拟，国内利用a n n 对既有建筑 总体能耗的模拟及预测文献较少。 2 )量纲分析理论的应用 量纲分析理论目前较多应用于物理、化学等基础学科的教学研究工作。例如： 重庆大学i c t 研究中心程森林、王辉甫、卢婉冰建立了基于量纲分析理论的气缸 动力学系统模型，运用m a t l a b 进行仿真计算，并将仿真曲线气缸的实际运动特 性相比较，结果证明其无因次模型是正确有效的。啪1 同济大学甘祥根等人利用 两个实例解释了量纲分析在物理中的应用，最后指出了用量纲分析问题时因注意 的问题和不足。啪1 王明美对量纲分析原理做了梳理归纳，并对于原子物理中的一 系列关系式进行了量纲分析，包括氢原子的特征量、黑体辐射公式中的物理量、 q 粒子库仑散射特征量、与磁场有关的物理量。口妇 第1 章绪论 国内多见量纲分析理论在物理学基础方面的应用，未见利用量纲分析理论对 既有建筑能耗建模方面的文献。 1 3 本文主要研究内容 本课题在全国各地要求建筑节能的大形势下，对既有建筑能耗模型建模方法 及技术进行研究。具体来说，本文所做的工作主要包括以下几个方面： 1 ) 收集整理南京市数幢办公建筑的建筑信息、0 5 0 7 年逐月能耗量及与建 筑能耗相关的历史数据等； 2 ) 分析与建筑能耗相关的影响因素； 3 ) 研究基于人工神经网络的既有建筑能耗数学模型建模方法； 4 ) 研究基于量纲分析理论的既有建筑能耗数学模型建模方法； 5 ) 分析两种建模方法的模拟精度及适用性。 6 硕士学位论文 参考文献： 1 南京市“十一五”节能规划 m 南京市经济委员会 2 刘秀等建筑能耗统计方法探讨 j 中国能源2 0 0 6 ( 1 0 ) 3 】f e r r a n ofj ，w o n gk vp r e d i c t i o no ft h e r m a ls t o r a g el o a d su s i n gan e u r a l n e t w o r k j a s h r a et r a n s ，19 9 0 ，9 6 ( 2 ) ：7 2 3 - 7 2 6 4 】k r e i d e rjf ，w a n gx a a r t i f i c i a ln e u r a ln e t w o r k sd e m o n s t r a t i o nf o ra u t o m a t e d g e n e r a t i o no fe n e r g yu s ep r e d i c t o r sf o rc o m m e r c i a lb u i l d i n g s j a s h r a et r a n s ， 1 9 9 1 ，9 7 ( 2 ) ：7 7 5 - 7 7 9 5 k r e i d e rjf ，h a r b e r ljs p r e d i c t i n gh o u r l yb u i l d i n ge n e r g yu s a g e j a s h r a e j o u r n a , 119 9 4 ，3 6 ( 6 ) ：7 2 - 81 6 k a l o q k o us a a p p l i c a t i o n s o fa r t i f i c i a ln e u r a l n e t w o r k sf o r e n e r g y s y s t e m s j a p p l i e de n e r g y , 2 0 0 0 ，6 7 ( 1 ) ：1 7 - 3 5 7 】k r e i d e rjf , h a r b e r ljs p r e d i c t i n gh o u r l yb u i l d i n ge n e r g yu s e ：t h e g r e a te n e r g y p r e d i c t o rs h o o t o u t o v e r v i e wa n dd i s c u s s i o no fr e s u l t s j a s h r a et r a n s ，19 9 4 ， 1 0 0 ( 2 ) ：1 1 0 4 1 1 1 8 8 】 m a t t i a s bo o h l s s o n p r e d i c t i n gs y s t e m l o a d sw i t ha r t i f i c i a l n e u r a l n e t - w o r k - m e t h o d s a n dr e s u l t sf r o m “t h e g r e a te n e r g y p r e d i c t o r s h o o t o u t ” j a s h r a et r a n s ，19 9 4 ，10 0 ( 2 ) ：10 6 3 - 10 7 4 9 k a w a s h i m a m a r t i f i c i a ln e u r a ln e t w o r kb a c kp r o p a g a t i o nm o d e lw i t ht h r e e2 p h a s ea n n e a l i n gd e v e l o p e d f o rt h e b u i l d i n ge n e r g yp r e d i c t o r s h o o t o u t j a s h r a et r a n s ，1 9 9 4 ，1 0 0 ( 2 ) ：1 0 9 6 - 1 1 0 3 10 】k a w a s h i m a m ，d o r g a nce ，m i t c h e l lj w h o u r l yt h e r m a ll o a dp r e d i c t i o nf o rt h e n e x t2 4h o u r sb ya r i m a ，e w a ，l r ，a n da na r t i f i c i a ln e u r a ln e t w o r k j a s h r a e t r a n s ，1 9 9 5 ，1 0 1 ( 1 ) ：1 8 6 - 2 0 0 1 1 ssa k j a e e dn i z a m i ，a h m e dza 1 - g a m i f o r e c a s t i n ge l e c t r i c e n e r g y c o n s u m p t i o nu s i n gn e u r a ln e t w o r k s j e n e r g yp o l i c y v 0 1 2 3 n o 12 12 】s k a r a t a s o u ，m s a n t a m o u r i s ，vg e r o s m o d e l i n ga n dp r e d i c t i n gb u i l d i n g s e n e r g yu s ew i t l la r t i f i c i a ln e u r a ln e t w o r k s ：m e t h o d sa n dr e s u l t s j e n e r g ya n d b u i l d i n g s 3 8 ( 2 0 0 6 ) 9 4 9 - 9 5 8 1 3 】b r a d l e ypf e u s t o n g e n e r a l i z e dn o n l i n e a rr e g r e s s i o nw i t he n s e m b l eo f n e u r a ln e t s ： t h eg r e a te n e r g yp r e d i c t o rs h o o t o u t j a s h r a et r a n s ，1 9 9 4 ，1 0 0 ( 2 ) ：1 0 7 5 - 1 0 8 0 14 w i l l i a mjs t e v e n s o n u s i n ga r t i f i c i a ln e u r a ln e t st op r e d i c tb u i l d i n ge n e r g y 7 第1 章绪论 p a r a m e t e r s j a s h r a et r a n s ，1 9 9 4 ，1 0 0 ( 2 ) ：1 0 8 1 1 0 8 7 15 m a t t i a sb o o h l s s o n p r e d i c t i n gs y s t e ml o a d sw i m a r t i f i c i a ln e u r a ln e t w o r k m e t h o d sa n dr e s u l t sf r o m “t h eg r e a te n e r g yp r e d i c t o rs h o o t o u t ”【j 】a s h r a e t r a n s ，1 9 9 4 ，1 0 0 ( 2 ) ：1 0 6 3 - 1 0 7 4 16 】j a nfk r e i d e r o p e r a t i o n a ld a t a a st h eb a s i sf o rn e u r a ln e t w o r kp r e d i c t i o no f h o u r l ye l e c t r i c a ld e m a n d j a s h r a et r a n s ，1 9 9 7 ，1 0 3 ( 2 ) ：9 2 7 9 3 4 17 s o t e r i sa k a l o g i r o u ，m i l o r a db o j i c a r t i f i c i a ln e u r a ln e t w o r k sf o rt h ep r e d i c t i o n o ft h ee n e r g yc o n s u m p t i o no fap a s s i v es o l a rb u i l d i n g j e n e r g y2 5 ( 2 0 0 0 ) 4 7 9 4 9 1 18 】b e t u lb e k t a se k i c i ，u t e o m a na k s o y p r e d i c t i o no fb m l d i n ge n e r g yc o n s u m p t i o n b yu s i n ga r t i f i c i a ln e u r a ln e t w o r k s j a d v a n c e si ne n g i n e e r i n gs o f t w a r e4 0 ( 2 0 0 9 ) 3 5 6 3 6 2 1 9 姜启源数学建模案例选集 m 高等教育出版社2 0 0 6 ，7 2 0 杨自强，陆亚俊利用神经网络预测空调负荷 c 全国暖通空调制冷1 9 9 8 年学术年会论文集，1 9 9 8 ：6