摘要：利用BP神经网络模型来预测上海高校"十二五"期间的能源消耗水平。在这一模型中,将上海市GDP、城市居民可支配收入、高校学生人数、高校建筑面积、高校空调面积、高校科研经费,以及1999年-2011年上海市高校的总能耗作为输入层,输出层为2012年-2022年上海高校总能耗。首先采用1999年-2008年的样本数据对神经网络进行训练,接着采用2009年-2011年的样本数据对神经网络进行仿真,最后利用训练好的神经网络预测2012年-2022年上海市高校的总能耗。经过训练后的网络对于输入信号的仿真误差为0.007 774 7,表明BP神经网络模型可有效地预测上海高校的能耗水平。

摘要：通过对福建省高校建筑能耗分析,构建了作为建筑分类依据的综合指标。通过聚类分析,将样本分为2类,以建筑年总能耗为因变量,建筑类型、竣工时间、建筑面积、层数、常驻人数、空调区域面积和照明功率7个指标为自变量,采用多元线性回归方法,分别建立了能耗预测模型,并验证了模型的有效性。模型计算得到的预测值与实际值能较好拟合,模型具有一定的实际应用价值。

摘要：为了提高高校建筑的能耗预测精度,在比较传统灰色预测模型和神经网络预测模型优缺点的基础上,建立了灰色径向基函数(Radical basis function,RBF)神经网络能耗预测算法。该方法综合了灰色系统理论所需数据少以及神经网络自学习和自组织的优点。实例分析表明:与传统灰色理论和RBF神经网络预测模型相比较,组合模型预测值与实际值的相对误差平均降低了5.4%,为建筑节能评估和设计提供了决策依据。

摘要：最近几年,雾霾天气给人们造成的心理压力显著增强,抑制建筑行业的高能耗增长趋势,合理利用能源,有利于缓解这种现象的发生。随着高校学生数量的逐年增加,高校建筑能耗占社会总能耗的比重也越来越大。目前,在校生的节能意识不强,高校建筑节能管理系统还不完善,这阻碍了高校节能工作的开展。因此,研究高校各类建筑能耗的变化趋势,制定合理的节能控制策略,对高校节能工作显得尤为重要。高校公共建筑节能工作涉及能耗数据的采集与分析、节能策略的研究等多个环节。本文分析了高校公共建筑能耗的统计指标、用能特点和影响因素,总结了高校公共建筑的能耗特点；基于GA-BP算法建立了实验楼、行政楼、教学楼、体育馆、图书馆、宿舍和餐厅这七类建筑适宜的能耗预测模型,验证了模型的通用性；采用SQL Server 2012软件和MCGS软件搭建了高校公共建筑节能管理系统,并对系统新增的能耗预测模型、供水控制系统、供暖控制系统和自修室自主预约系统的功能进行了测试,验证了系统的可行性。结果表明,分项能耗中,照明能耗所占的比重较大,夏季空调能耗有可能超过照明能耗,各类公共建筑能耗的峰值出现在6月份的概率较大；GA-BP模型的预测效果要优于BP模型的预测效果,BP模型的预测结果不稳定,多维输入变量时的预测误差可能很大；节能管理系统新增的功能运行良好,可为高校管理者能源决策和节能计划的实施提供技术手段。

摘要：随着中国建筑行业的发展,2015年中国GDP是63.6万亿,占全世界的13%,但是单位GDP能耗远高于发达国家,恰恰体现了能耗利用率严重低下的问题；从能耗增长率来看,现阶段发展中国家的能耗增长率占全世界的23%,并仍以6.1%的速度持续增大；对我国建筑能耗结构进行分析的结果表明,校园建筑能耗占社会建筑总能耗的30%以上,在校园建筑能耗中,公共建筑能耗占比达86.1%。因此,对高校公共建筑的能耗影响因素及预测模型构建进行研究是十分重要的。本文以西安某高校能源管理系统为研究背景,以高效节能为控制目的,结合当前无线传感器网络先进技术,通过选型价格低廉可以模块化的产品,搭建了基于无线通信技术的能耗监测平台,建立了两种能耗预测模型,阐明了采用更为准确并且适用于高校公共建筑的能耗预测模型,有利于优化高校建筑的节能管理,并为推广节能减排政策提供理论依据和数据支撑,课题具有较为重要的理论意义和实践价值。本文建立的基于多元线性回归的预测模型和基于NARX的时间序列动态响应预测模型,确定了建筑内部对建筑能耗的主要影响因素的大小依次次序。通过对两种模型的预测结果对比分析,指出了两种模型各自的适用范围和优缺点。本文根据预测模型及能耗影响因素,分析建筑节能的重点,为旧高校公共建筑的节能改造或建筑节能设计者对设计参数进行权衡分析提供理论支持及参考。

摘要：针对高校能源消耗建模研究与应用问题,文中介绍了高校能耗日益增长现状,给出了高校能耗模型构建,为节约能源必须做好精准能耗预测。建立了灰色径向基函数神经网络高校能耗预测模型,并采用基于排序等分法赌盘规则选择算子的遗传算法对该模型进行全局优化,进一步用实例对比分析评估了模型的有效性。实践表明,优化后的模型能有效预测能耗,与传统单一的建模方式相比,有更好的拟合性、稳定性、预测精度和更快的收敛速度,为节能评估和设计提供了决策依据。

摘要：针对铝型材生产过程中能耗较大,传统人工采集能耗数据频率低,采集速度慢等问题,该文提出一种铝型材熔铸炉生产实时能耗监测及能耗预测系统。该系统一方面使用基于zigbee协议的无线传输通讯方式将生产现场电表、燃气表与交换机相连接,并通过网络接口数据发送至服务器,实现对生产能耗数据的实时监测;另一方面采用回归型支持向量机对历史生产数据进行学习,得到预测能耗模型,用于对当前生产能耗数据预测,及时发现生产中的能源损失、生产参数不当等异常现象。

摘要：针对铝型材生产过程中能耗较大，传统人工采集能耗数据频率低，采集速度慢等问题，该文提出一种铝型材熔铸炉生产实时能耗监测及能耗预测系统。该系统一方面使用基于zigbee协议的无线传输通讯方式将生产现场电表、燃气表与交换机相连接，并通过网络接口数据发送至服务器，实现对生产能耗数据的实时监测；另一方面采用回归型支持向量机对历史生产数据进行学习，得到预测能耗模型，用于对当前生产能耗数据预测，及时发现生产中的能源损失、生产参数不当等异常现象。

摘要：针对铝型材生产过程中能耗较大，传统人工采集能耗数据频率低，采集速度慢等问题，该文提出一种铝型材熔铸炉生产实时能耗监测及能耗预测系统。该系统一方面使用基于zigbee协议的无线传输通讯方式将生产现场电表、燃气表与交换机相连接，并通过网络接口数据发送至服务器，实现对生产能耗数据的实时监测；另一方面采用回归型支持向量机对历史生产数据进行学习，得到预测能耗模型，用于对当前生产能耗数据预测，及时发现生产中的能源损失、生产参数不当等异常现象。

摘要：建筑能耗在总能源消费中占比已达三分之一,有效的能源消费预测,对建筑能源管理和节能决策是重要的。本文对近期相关文献进行了回顾,总结介绍了建筑能耗预测方法技术。着重关注了神经网络、支持向量机应用,并引用文献的研究结果,进行预测精度对比。

摘要：建筑的能源消耗情况被很多因素影响,例如天气环境情况,建筑结构和特点,子组件的性能,例如照明和空调通风系统,入住率和他们的住户的行为。这些复杂的情况使准确的预测建筑能耗变得很困难。本文综述了关于建模和建筑能耗预测的最近的工作。这些方法包括工程、统计和人工智能的方法。

摘要：基于高校能耗监测平台,对高校校园典型功能建筑学生宿舍和行政办公室的待机能耗数据进行实时监测与统计分析,结果显示:学生宿舍和行政办公建筑的待机能耗因师生的用能习惯不同分别达到12.7%和33.88%不等。待机能耗居高不下的原因是用能主体对待机能耗的认知不足,导致个体行为促进待机能耗消减的动力不足,高校校园建筑的待机能耗节约空间较大。根据分析与调研结果,从4个方面提出了高校典型建筑消减待机能耗的对策。