基于深度学习的办公建筑照明插座能耗多步预测

照明插座能耗多步预测对建筑电力负荷调度、能耗优化管理等节能技术的研究具有重要意义。然而,由于受到人行为、室外干球温度、相对湿度等诸多因素的影响,照明插座能耗时间序列具有不确定性、随机性以及非线性等特征,难以准确预测。文中分析了大型办公建筑照明插座分项能耗时间序列的分布特征,采用长短期记忆模型,提出了基于深度学习的多步预测建模方法,讨论了隐含层数、隐含层神经元数与迭代次数等深度学习建模超参数的选择问题,并探讨了样本数量对模型预测精度的影响。仿真结果表明,与BP神经网络模型、最小二乘支持向量机模型相比,深度学习预测模型的24 h多步预测平均精度分别提高了13.25%与4.23%。

厦门市政府办公建筑能耗特征分析

通过对厦门市9栋政府办公建筑能耗的调研、比较和分析了该类型建筑各分项能耗的能耗特征,包括平均能耗、水耗指标及该类建筑的照明插座能耗、空调系统能耗、综合服务系统能耗和特殊区域能耗等,分析结果表明,各分项能耗中空调系统能耗比重最高,是该地区政府办公建筑节能管理和节能改造工作的重点。

CABR近零能耗示范楼运行能耗追踪研究

本文以一栋持续使用5年的近零能耗办公建筑为研究对象,基于统计方法对该建筑总能耗、暖通空调系统能耗、插座能耗、电梯能耗和典型功能房间典型日的室内环境进行了追踪分析,并提出了针对性的节能措施。