典型文献
基于数据驱动的公共建筑用电能耗短期预测
文献摘要：
能源日渐枯竭,大力节约能源消耗的需求越来越高,公共建筑作为节能减排战略的重点目标,准确预测其用电能耗对电力可持续发展具有一定的指导意义.采取异常滤除、遗漏补偿以及归一化等措施,完成电能数据预处理,采用主成分分析策略线性转换初始多维能耗数据至多个正交坐标系内,获得关键特征分量,利用神经元架构三层前馈神经网络,引入模糊C均值聚类算法,得到IHCMAC神经网络预测模型,修正网络权重与阈值,结合温度、湿度以及用电能耗等历史数据,组建多维输入空间,实现用电能耗短期预测.仿真阶段中,选取图书馆作为研究目标,根据十天内的能耗预测结果,检验出所提方法预测相对误差较小,能耗实际值与预测值的离散程度也较为理想,预测精度优势显著.
文献关键词：
数据驱动;公共建筑;用电能耗;短期预测;异常数据;遗漏数据
中图分类号：
作者姓名：
高晓佳;王宏志
作者机构：
吉林建筑科技学院计算机科学与工程学院,吉林长春130000;长春工业大学计算机科学与工程学院,吉林长春130000
文献出处：
引用格式：
[1]高晓佳;王宏志-.基于数据驱动的公共建筑用电能耗短期预测)[J].计算机仿真,2022(10):89-93
A类：
IHCMAC,遗漏数据
B类：
公共建筑,建筑用,用电能耗,短期预测,枯竭,节约能源,能源消耗,重点目标,准确预测,滤除,电能数据,数据预处理,分析策略,能耗数据,至多,坐标系,关键特征,前馈神经网络,均值聚类,聚类算法,神经网络预测模型,历史数据,输入空间,现用,十天,天内,能耗预测,离散程度,较为理想,异常数据
AB值：
0.347917
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。
