能耗预测
能耗预测的相关文献在2005年到2023年内共计558篇,主要集中在自动化技术、计算机技术、建筑科学、机械、仪表工业
等领域,其中期刊论文185篇、会议论文22篇、专利文献107025篇;相关期刊125种,包括制冷技术、制冷与空调、机械设计与制造等;
相关会议22种,包括第二十届全国自动化应用技术学术交流会、第6届全国建筑环境与设备技术交流大会、2015年湖北省暖通空调制冷及热能动力学术年会暨湖北省暖通年会等;能耗预测的相关文献由1633位作者贡献,包括张华、郑军、王黎航等。
能耗预测—发文量
专利文献>
论文:107025篇
占比:99.81%
总计:107232篇
能耗预测
-研究学者
- 张华
- 郑军
- 王黎航
- 鄢威
- 于军琪
- 陈焕新
- 张德江
- 凌玮
- 彭涛
- 李聪波
- 江志刚
- 刘峥
- 刘鹏
- 向琴
- 杨海东
- 林家泉
- 梁鹏
- 罗铭强
- 赵安军
- 陈志文
- 马峰
- 龙云
- 于忠清
- 傅启明
- 刘丹丹
- 姜利辉
- 宫运启
- 尹凤福
- 张含智
- 张少男
- 徐成良
- 徐磊
- 李云
- 李志超
- 李林
- 李磊
- 杨化林
- 桂卫华
- 潘建
- 焦冬梅
- 王刚
- 王震坡
- 罗淑湘
- 胡文斌
- 袁俊
- 袁景
- 赵超
- 钱青
- 阳春华
- 陈世和
-
-
司圣生
-
-
摘要:
建筑的能耗是由建筑内所有电气设备共同决定的,由于不同设备所处环境的差异,导致其能耗也不同,使得相关预测工作的准确性相对较低,为此本文提出大型公共建筑电气设备能耗预测方法研究。将建筑内的电气设备转化为包含具体环境信息的粒子,利用PSO算法在每个粒子对应的可行解空间范围寻找的最优值,最后综合所有粒子的最优值,得到建筑电气设备能耗的综合预测结果。测试结果表明,在以月为周期的预测中,设计方法预测结果与实际结果的误差不超过2.0×103kwWh。
-
-
-
董道国;
朱建龙;
方瑾
-
-
摘要:
文章在常规建筑能耗和设备故障预测方法的基础上,根据智慧建筑中BIM模型数据和物联网数据融合形成的数据集,提出了基于BP神经网络的多任务学习方法,将建筑能耗和设备故障预测采用同一神经网络模型进行学习和预测,并阐述了网络结构及损失函数的设计方法,为建筑能耗和设备故障预测提供了新的思路,也为智慧建筑运维管理系统中的智能诊断服务提供算法基础,将人工智能技术真正地应用于智慧建筑运维管理系统之中。
-
-
高堰泸;
徐圆;
朱群雄
-
-
摘要:
全球人口的快速增长和技术进步极大地提高了世界的总发电量,电能消耗预测对于电力系统调度和发电量管理发挥着重要的作用,为了提高电能消耗的预测精度,针对能耗数据的复杂时序特性,文中提出了一种将注意力机制(Attention)放置于双层长短期记忆人工神经网络(Double layer Long Short-Term Memory,DLSTM)中的新颖夹层结构,即A-DLSTM。该网络结构利用夹层中的注意力机制自适应地关注单个时间单元中不同的特征量,通过双层LSTM网络对序列中的时间信息进行抓取,以对序列数据进行预测。文中的实验数据为UCI机器学习数据集上某家庭近5年的用电量,采用网格搜索法进行调参,实验对比了A-DLSTM与现有的模型在能耗数据上的预测性能,文中的网络结构在均方误差、均方根误差、平均绝对误差、平均绝对百分比误差上均达到了最优,且通过热力图对注意力层进行了分析,确定了对用电量预测影响最大的因素。
-
-
刘杭;
罗恒;
章挺飞
-
-
摘要:
在广泛存在的商业建筑节能预测中,经常面临数据匮乏的困境。作为解决此类问题的一种尝试,论文依据某大型商业建筑历史能耗,构建一种基于generative adversarial networks(GAN)-gated recurrent unit(GRU)的短期能耗序列预测组合模型。利用门控循环单元(GRU)捕捉序列数据前后依赖关系,设计生成关键点时间信息平行数据的生成对抗网络(GAN)结构。并利用平行数据与原始数据的关联程度,实现GRU的复合数据预测分析,最后融入方差-协方差权重组合思想,较大程度提升预测鲁棒性。实验结果验证了所提出的模型在模拟真实序列不足环境下的能耗预测上,具有更高的准确率,为新兴产业下的大型商业建筑节能预测提供了重要的解决方案。
-
-
王金鑫;
陈红;
邹亮;
彭爱;
韩悦;
蒋秀莲
-
-
摘要:
为推进节能减排、合理规划一次能源使用,推动美丽江苏建设,对江苏省交通运输业能耗进行预测具有重要意义。计算客运、货运和经济发展水平3个方面共8个影响因素与交通运输业能耗灰色关联度,并确定将这些因素作为模型输入。构建了主要由LSTM层、Dropout层构成的深度学习模型,在此基础上对2021—2025年江苏省交通运输业能耗进行预测。
-
-
李国栋;
周扬;
李凯
-
-
摘要:
为了对能源消耗做出精准的预测,文章提出了一种基于带外生变量的季节差分移动自回归(seasonal autoregressive integrated moving average with exogenous,SARIMAX)模型与极限梯度提升算法(extreme gradient boosting,XGBoost)混合模型的能耗预测方法。首先导入实验所需的训练数据以及辅佐用的天气环境数据,利用k-means构建天气簇类,然后构建节假日指示器,根据季节趋势做进一步调整,利用网格搜索选取SARIMAX模型最优参数组合,最后混合XGBoost算法优化预测模型,做出预测并对比实现结果。通过结果分析可知,混合SARIMAX模型和XGBoost模型能够在考虑多个外生变量的基础上实现对区域能耗的精准预测。
-
-
周雅夫;
王习道;
李琳辉
-
-
摘要:
纯电动汽车的续驶里程低于同价位传统燃油车,续航问题严重限制了纯电动汽车在中国的推广,因此精确预测纯电动汽车能耗,可以准确估计续驶里程,降低司机里程焦虑,提升消费者购买意愿。文章基于纯电动汽车监控平台的实车采集数据,提出了一种多元线性回归和径向基函数神经网络组合能耗预测方法。首先系统分析纯电动汽车能量流向,其主要包括行驶阻力能耗、制动回收的能量和附件能耗三部分。在能量流向分析基础上,考虑温度对整车能耗的影响,利用实车采集数据,辨识回归模型参数,建立能耗预测多元线性回归模型,对比实际值得到非线性误差,最后利用RBF神经网络拟合回归模型的非线性残差。对比结果表明,该模型能够改善单一模型预测精度不足的问题,对估计纯电动汽车续驶里程具有工程应用意义。
-
-
祁滢;
李峻;
郭以东
-
-
摘要:
随着人工智能的蓬勃发展,国际上的很多石油公司开始将人工智能的相关理论应用于油气勘探开发和地质数据的处理分析中,从而指导油气田企业的生产。在油气田日常生产过程中油气田企业积累了大量生产数据和能耗数据,然而隐藏在数据之间的逻辑关系有待挖掘,所以,将采用人工智能的相关算法从地区公司层级对某油气田企业的历史生产数据和能耗数据进行研究和分析。首先选用企业历史的生产数据和能耗数据作为实验数据集,然后选用无监督学习方法聚类对数据进行预处理,剔除异常数据。最后采用长短期记忆网络(Long Short-Term Memory,LSTM)模型和人工神经网络模型(Artificial Neural Network)从时间序列维度和生产总量维度来分别研究企业的月能源消耗量和能源消耗总量。最终,通过训练好的模型,预测企业未来能源的消耗量,进而提高企业的智能化管理水平。
-
-
许晔炫;
潘景山;
王继彬
-
-
摘要:
云计算资源池由大量同构物理机构成,但由于用户和应用产生的需求不同,导致每个节点产生的计算能耗不同,使得某些节点长期处于高能耗状态,出现热点现象,而节点长期处于热点会损害物理机使用寿命。针对以上问题,提出一种基于随机森林的能耗预测调度算法(ECPRF),根据能耗预测进行虚拟机迁移,平衡每台物理机的能耗。实验表明,该调度算法可以有效平衡服务器能耗,避免出现热点现象。
-
-
-
-
-
陈旺;
张云翼;
林佳瑞
- 《第六届全国BIM学术会议》
| 2020年
-
摘要:
建筑能耗预测和建筑节能调控与用能优化具有重要意义.然而,目前有关建筑能耗预测方法只针对特定的数据类型,省略数据清洗过程,且往往实现过程较为复杂,可借鉴性较差.本研究提出一个预测建筑能耗的完整流程,详细论述了流程的四个步骤:确定主要影响因素、脏数据识别与标记、数据清洗、模型构建与对比,并对比了流程中可以采用的几种大数据清洗方法和预测模型构建方法.最后通过一个案例研究验证了该流程的科学性与有效性.
-
-
李峻
- 《2019年中国石油石化企业信息技术交流大会》
| 2019年
-
摘要:
本文采用人工智能的相关算法从地区公司层级对某油气田企业的历史生产数据和能耗数据进行研究和分析,首先选用企业历史的生产数据和能耗数据作为实验数据集,然后选用无监督学习方法聚类对数据进行预处理,剔除异常数据.最后采用长短期记忆网络(Long Short-Term Memory,LSTM)模型和人工神经网络模型(Artificial Neural Netwrk)从时间序列维度和生产总量维度来分别研究企业的月能源消耗量和能源消耗总量.最终,通过训练好的模型,预测企业未来能源的消耗量,进而提高企业的智能化管理水平.
-
-
-
-
-