基于机器学习的办公建筑暖通空调系统能耗预测及优化调度

该文针对办公建筑暖通空调设计中的能耗预测难题,以山东省烟台市某商业社区3栋商业楼为例,基于Catboost学习方法和极端随机树学习方法对办公建筑暖通空调系统能耗进行预测,并基于预测结果对能源结构进行优化。结果表明,基于Catboost学习方法得到的预测值与实测值之间呈现出不同程度的离散性,但两者的误差仍位于±10%误差线范围内;基于极端随机树学习方法预测得到的能耗误差值超出了-10%的误差线;办公建筑暖通空调系统能耗值表现为夏季和冬季高、春季和秋季低,能耗峰值均位于7:00~17:00,并针对预测结果对各个季节的能源供给进行了优化调整。