基于改进型RBF神经网络的建筑用电能耗预测

	基于改进型RBF神经网络的建筑用电能耗预测
	李琳 1; 杨新华 1; 曹磊 1; 韩永军 2
刊名	建筑节能（中英文）
	2021-01-25
卷号	49 期号:2021,49(01)页码:81-86+139
关键词	能耗预测 RBF神经网络粒子群算法列文伯格-马夸尔特算法
英文摘要	径向基函数（Radial Basis Function,RBF）神经网络由于其网络结构简单、网络适应性好、学习过程收敛速度快等优点被运用于电力负荷预测领域。在将其应用于建筑用电能耗预测的过程中,由于对目前已有的建筑能耗数据和影响能耗的关键因素分析不足,以及网络参数不易确定,将导致预测精度无法满足实际需求。采用粒子群算法（Particle Swarm Optimization,PSO）及列文伯格-马夸尔特算法（Levenberg-M arquard,LM）优化模型参数,并以大型办公建筑为研究对象确定影响能耗的约束条件,将其作为网络输入参数进行学习,以提高预测模型的准确性。实验结果表明,改进后的RBF算法平均绝对误差和最大相对误差分别降低了2.2%和4.76%,误差保持在2%以内,具有更高的预测精度。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/147063]
专题	电气工程与信息工程学院
作者单位	1.. 兰州理工大学电气工程与信息工程学院; 2.. 甘肃省电力科学研究院
推荐引用方式 GB/T 7714	李琳,杨新华,曹磊,等. 基于改进型RBF神经网络的建筑用电能耗预测[J]. 建筑节能（中英文）,2021,49(2021,49(01)):81-86+139.
APA	李琳,杨新华,曹磊,&韩永军.(2021).基于改进型RBF神经网络的建筑用电能耗预测.建筑节能（中英文）,49(2021,49(01)),81-86+139.
MLA	李琳,et al."基于改进型RBF神经网络的建筑用电能耗预测".建筑节能（中英文） 49.2021,49(01)(2021):81-86+139.