典型文献
基于机器学习算法的区域建筑负荷预测建模研究
文献摘要：
在全球能源转型和低碳可持续发展的趋势下,半集中式的区域供冷供热系统受到了广泛关注,而区域建筑冷热负荷预测是区域供冷供热系统优化控制的重要依据.本文对比了 5种常见机器学习算法在不同输入组合下的商务区建筑负荷预测建模结果,提出了参数寻优和分段建模的优化方法,并引入区间和概率形式量化负荷预测的不确定性.研究结果表明,以温度和历史负荷为输入的随机森林预测模型准确度高稳定性好.文章的最后用实测数据对优化建模方法进行了验证性研究,证明了基于随机森林的负荷预测分段模型比多项式回归预测模型的准确度高实用性更强,并给出了实例模型预测的不确定性区间.
文献关键词：
负荷预测;机器学习;不确定性;优化建模;区域供冷供热
中图分类号：
作者姓名：
步婷;范蕊;孙可欣;周亿冰;史洁
作者机构：
同济大学,上海200092;上海建筑科学研究院,上海201108
文献出处：
引用格式：
[1]步婷;范蕊;孙可欣;周亿冰;史洁-.基于机器学习算法的区域建筑负荷预测建模研究)[J].建筑科学,2022(04):85-96
A类：
半集
B类：
基于机器学习,机器学习算法,建筑负荷预测,预测建模,建模研究,全球能源转型,低碳可持续发展,集中式,区域供冷供热,供冷供热系统,建筑冷热负荷预测,系统优化控制,商务区,参数寻优,分段建模,随机森林预测模型,高稳定性,优化建模,验证性,分段模型,多项式回归,回归预测模型,高实
AB值：
0.276982
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
