能耗预测导向的建筑能耗异常数据识别与修复

摘要：

建筑能耗异常数据处理是对建筑能耗进行准确预测的前提.为有效处理建筑能耗异常数据,利用基于机器学习的K-means和KNN(K-nearest neighbor)算法,对上海某酒店建筑2017年7月的逐时能耗数据进行了异常识别和修复.通过建立长短期记忆网络模型,利用处理后的能耗数据预测了该建筑2017年8月首周的逐时能耗数据.预测结果表明,提出的建筑能耗异常数据识别与修复方法能准确识别并修复建筑能耗异常数据,从而显著提高后续能耗预测的效果.

关键词：异常数据处理、机器学习、K-means算法、KNN算法、能耗预测

所属期刊栏目：19

分类号：TU17(建筑基础科学)

资助基金：国家重点研发计划2017YFC0704200

在线出版日期：2020-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：298-304