[发明专利]一种基于循环神经网络的多类别能耗预测方法

说明书

本发明公开一种基于循环神经网络的多类别能耗预测方法，预先训练形成一循环神经网络模型，包括：步骤S1、于循环神经网络模型的基础上加载原始能耗数据，并从原始能耗数据中判断出缺失值与异常值，并对缺失值与异常值进行检测与处理；步骤S2、以原始能耗数据为基础，从原始能耗数据中提取时序特征数据并建立循环神经网络模型的特征集合，对特征集合进行归一化处理；步骤S3、对归一化处理之后的特征集合进行分批训练，结合非时序特征数据建立多类别输出神经网络，对多类别输出神经网络输出的多类别能耗数据进行预测。有益效果：利用原始能耗数据的时序特征数据，并结合非时序特征数据建立多类别输出神经网络，以进行预测。

技术领域

本发明涉及建筑能耗预测技术领域，尤其涉及一种基于循环神经网络的多类别能耗预测方法。

背景技术

随着城市化进程的快速推进，城市中的大型建筑如酒店、商场等所产生的能耗越来越大，该类能耗在全国总能耗的占比也不断增加。为了响应国家节能减排的要求，建筑节能已经成为各大城市发展和规划的重要关注点。建筑能耗预测作为建筑能耗分析的重要环节，有利于及时发现建筑用能过程中存在的各种问题，也可以帮助指导建筑的环保节能设计，保证用能安全。

一般地，能耗预测问题可以看作是一个回归问题，即对能耗历史数据进行拟合分析，从而预测下一时刻的能耗值。常见的能耗预测方法包括线性回归预测、支持向量机回归预测、基于BP神经网络的回归预测等，但这些方法通常都没有很好的利用能耗历史数据的时序特征数据，尤其在逐时能耗预测场景下，时序特征数据更加明显且重要。此外，多数文献中提到的能耗预测模型都只能对一个节点或一个类别的能耗进行预测，如果需要预测多个类别能耗，则需要建立多个模型并进行训练，过程繁琐，不利于能耗预测系统的快速部署和高效运行。

发明内容

针对现有技术中存在的上述问题，现提供一种基于循环神经网络的多类别能耗预测方法。

具体技术方案如下：

一种基于循环神经网络的多类别能耗预测方法，其中，预先训练形成一循环神经网络模型，采用所述循环神经网络模型对多类别能耗进行预测，所述基于循环神经网络的多类别能耗预测方法包括：

步骤S1、于所述循环神经网络模型的基础上加载原始能耗数据，并从所述原始能耗数据中筛选出缺失值与异常值，并对所述缺失值与所述异常值进行检测与处理；

步骤S2、以所述原始能耗数据为基础，从所述原始能耗数据中提取时序特征数据并建立所述循环神经网络模型的特征集合，然后对所述特征集合进行归一化处理；

步骤S3、对归一化处理之后的所述特征集合进行分批训练，结合非时序特征数据建立多类别输出神经网络，对多类别输出神经网络输出的多类别能耗数据进行预测。

优选的，于所述步骤S1中，使用箱形图分析法检测所述缺失值与所述异常值。

优选的，所述步骤S1包括：

步骤S10、于所述循环神经网络模型的基础上加载所述原始能耗数据，并从所述原始能耗数据中判断所述原始能耗数据是否存在缺失值；

若存在，则进行所述缺失值处理；

若不存在，则进行步骤S11；

所述步骤S11、计算所述原始能耗数据的相对能耗值，并判断所述相对能耗值是否存在异常值；

若存在，则进行所述异常值处理；

若不存在，则进行步骤S12；

所述步骤S12、对所述相对能耗值进行分类别处理；

步骤S13、计算并存储处理之后的所述相对能耗值至所述原始能耗数据模型中。