一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法及裝置的制造方法
【專利摘要】本發(fā)明涉及計算機技術(shù)領(lǐng)域，尤其涉及一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法及裝置，包括：獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的實測建筑負(fù)荷，針對所述前N個歷史周期中的每個歷史周期，確定所述歷史周期對應(yīng)的預(yù)測誤差；根據(jù)預(yù)測周期的前N個歷史周期分別對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差；若目標(biāo)預(yù)測誤差不大于誤差閾值，則根據(jù)預(yù)測周期的預(yù)測氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到預(yù)測周期的預(yù)測建筑負(fù)荷。該方法通過預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的實測建筑負(fù)荷來使用神經(jīng)網(wǎng)絡(luò)模型，如果預(yù)測結(jié)果符合預(yù)期，則使用當(dāng)前神經(jīng)網(wǎng)絡(luò)模型對預(yù)測周期進(jìn)行建筑負(fù)荷的預(yù)測，因而可以保證預(yù)測結(jié)果的準(zhǔn)確性。
【專利說明】
一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及計算機技術(shù)領(lǐng)域，尤其涉及一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法及 裝置。
【背景技術(shù)】
[0002] 建筑負(fù)荷預(yù)測指的是基于建筑負(fù)荷歷史數(shù)據(jù)，對建筑未來的負(fù)荷能力做一個預(yù) 測，例如預(yù)測建筑的承載能力等。目前建筑負(fù)荷預(yù)測方法主要分為兩種，一種是數(shù)學(xué)統(tǒng)計方 法(也稱經(jīng)典負(fù)荷預(yù)測方法），另一種是人工智能方法(也稱現(xiàn)代負(fù)荷預(yù)測方法），目前人工 智能預(yù)測方法取得了較大突破，已經(jīng)成功應(yīng)用到建筑負(fù)荷的預(yù)測中。
[0003] 目前在使用神經(jīng)網(wǎng)絡(luò)模型來做建筑負(fù)荷預(yù)測時，一般是先根據(jù)歷史數(shù)據(jù)訓(xùn)練神經(jīng) 網(wǎng)絡(luò)模型，在訓(xùn)練結(jié)束后，后續(xù)直接使用該神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行建筑負(fù)荷預(yù)測。該方法存在 的主要問題是:在做建筑負(fù)荷預(yù)測時，有可能使用一個沒有及時得到更新的神經(jīng)網(wǎng)絡(luò)模型， 從而導(dǎo)致預(yù)測結(jié)果不準(zhǔn)確。
[0004] 綜上所述，現(xiàn)有技術(shù)在使用神經(jīng)網(wǎng)絡(luò)模型做建筑負(fù)荷預(yù)測時，無法判別神經(jīng)網(wǎng)絡(luò) 模型的準(zhǔn)確性，從而可能導(dǎo)致預(yù)測結(jié)果不準(zhǔn)確。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法及裝置，用以解決現(xiàn)有技術(shù)中 存在的使用神經(jīng)網(wǎng)絡(luò)模型做建筑負(fù)荷預(yù)測時，無法判別神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性，從而可能 導(dǎo)致預(yù)測結(jié)果不準(zhǔn)確的技術(shù)問題。
[0006] -方面，本發(fā)明實施例提供一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法，包括：
[0007] 獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，所述氣象 參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù)；
[0008] 針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng) 前神經(jīng)網(wǎng)絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷 及所述歷史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差；
[0009] 根據(jù)所述預(yù)測周期的前N個歷史周期分別對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差；
[0010]若所述目標(biāo)預(yù)測誤差不大于誤差閾值，則獲取所述預(yù)測周期的預(yù)測氣象參數(shù)，并 根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所述預(yù)測周期的預(yù)測建 筑負(fù)荷。
[0011]本發(fā)明實施例提供的方法，獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的 的實測建筑負(fù)荷，所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù);針對所述 前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得 到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所述歷史周期的實 測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差;根據(jù)所述預(yù)測周期的前N個歷史周期分別 對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差;若所述目標(biāo)預(yù)測誤差不大于誤差閾值，則獲取所述預(yù)測周 期的預(yù)測氣象參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所 述預(yù)測周期的預(yù)測建筑負(fù)荷。該方法中，由于預(yù)先通過預(yù)測周期的前N個歷史周期的氣象參 數(shù)及對應(yīng)的的實測建筑負(fù)荷來使用神經(jīng)網(wǎng)絡(luò)模型，如果預(yù)測結(jié)果符合預(yù)期，即滿足目標(biāo)預(yù) 測誤差不大于誤差閾值，則使用當(dāng)前神經(jīng)網(wǎng)絡(luò)模型對預(yù)測周期進(jìn)行建筑負(fù)荷的預(yù)測，因而 該方法可以保證使用的神經(jīng)網(wǎng)絡(luò)模型是滿足要求的，進(jìn)而可以保證預(yù)測結(jié)果的準(zhǔn)確性。
[0012] 可選地，所述神經(jīng)網(wǎng)絡(luò)模型為反饋BP神經(jīng)網(wǎng)絡(luò)模型;所述方法還包括：
[0013] 若所述目標(biāo)誤差大于所述誤差閾值，則獲取所述預(yù)測周期的前Mk個歷史周期的氣 象參數(shù)及對應(yīng)的實測建筑負(fù)荷，K為對所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的已訓(xùn)練次數(shù)，M k大于N;
[0014] 根據(jù)所述預(yù)測周期的前Mk個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，對所 述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，并返回到 針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng) 絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所述歷 史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差的步驟。
[0015] 可選地，根據(jù)下列公式確定所述目標(biāo)誤差：
[0017] 其中，δ為所述目標(biāo)誤差，P為所述N個歷史周期中每個歷史周期內(nèi)的預(yù)測時刻的總 數(shù)量，為所述Ν個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的預(yù)測建筑負(fù)荷，cU為所述Ν 個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的實測建筑負(fù)荷。
[0018] 可選地，所述獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù) 荷，包括：
[0019] 根據(jù)選擇的參數(shù)篩選條件，選擇符合所述參數(shù)篩選條件的所述預(yù)測周期的前N個 歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，所述參數(shù)篩選條件用于表示待選擇的氣象 參數(shù)的類型。
[0020] 可選地，所述氣象參數(shù)包括下列部分或者全部：
[0021 ] 時刻、溫度、濕度、輻照度。
[0022]另一方面，本發(fā)明實施例提供一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測裝置，包括：
[0023]獲取單元，用于獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑 負(fù)荷，所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù)；
[0024]確定單元，用于針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的 氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的 預(yù)測建筑負(fù)荷及所述歷史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差；以及 根據(jù)所述預(yù)測周期的前N個歷史周期分別對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差；
[0025]預(yù)測單元，用于若所述目標(biāo)預(yù)測誤差不大于誤差閾值，則獲取所述預(yù)測周期的預(yù) 測氣象參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所述預(yù)測 周期的預(yù)測建筑負(fù)荷。
[0026]可選地，所述神經(jīng)網(wǎng)絡(luò)模型為反饋BP神經(jīng)網(wǎng)絡(luò)模型;所述裝置還包括訓(xùn)練單元，用 于：
[0027] 若所述目標(biāo)誤差大于所述誤差閾值，則獲取所述預(yù)測周期的前Mk個歷史周期的氣 象參數(shù)及對應(yīng)的實測建筑負(fù)荷，K為對所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的已訓(xùn)練次數(shù)，M k大于N;
[0028] 根據(jù)所述預(yù)測周期的前Mk個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，對所 述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，并返回到 針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng) 絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所述歷 史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差的步驟。
[0029] 可選地，所述確定單元，具體用于根據(jù)下列公式確定所述目標(biāo)誤差：
[0031]其中，δ為所述目標(biāo)誤差，P為所述N個歷史周期中每個歷史周期內(nèi)的預(yù)測時刻的總 數(shù)量，為所述Ν個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的預(yù)測建筑負(fù)荷，cU為所述Ν 個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的實測建筑負(fù)荷。
[0032]可選地，所述獲取單元，具體用于：
[0033]根據(jù)選擇的參數(shù)篩選條件，選擇符合所述參數(shù)篩選條件的所述預(yù)測周期的前N個 歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，所述參數(shù)篩選條件用于表示待選擇的氣象 參數(shù)的類型。
[0034] 可選地，所述氣象參數(shù)包括下列部分或者全部：
[0035] 時刻、溫度、濕度、輻照度。
【附圖說明】
[0036]為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使 用的附圖作簡要介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本 領(lǐng)域的普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其 他的附圖。
[0037]圖1為BP神經(jīng)網(wǎng)絡(luò)模型示意圖；
[0038] 圖2為本發(fā)明實施例提供的一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法流程圖；
[0039] 圖3為本發(fā)明實施例提供的一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法詳細(xì)流程圖；
[0040] 圖4為本發(fā)明實施例提供的一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測裝置示意圖。
【具體實施方式】
[0041] 為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明作進(jìn) 一步地詳細(xì)描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施 例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的 所有其它實施例，都屬于本發(fā)明保護(hù)的范圍。
[0042] 本發(fā)明中，主要是使用神經(jīng)網(wǎng)絡(luò)模型來做建筑負(fù)荷的預(yù)測，其中神經(jīng)網(wǎng)絡(luò)主要分 為前饋神經(jīng)網(wǎng)絡(luò)，反饋神經(jīng)網(wǎng)絡(luò)(Back Propagation，BP)和自組織神經(jīng)網(wǎng)絡(luò)，本發(fā)明對于神 經(jīng)網(wǎng)絡(luò)的具體類型沒有限定，只要是神經(jīng)網(wǎng)絡(luò)模型，均可以應(yīng)用于本發(fā)明中實現(xiàn)對建筑負(fù) 荷的預(yù)測，為發(fā)明說明，本發(fā)明以神經(jīng)網(wǎng)絡(luò)模型為BP神經(jīng)網(wǎng)絡(luò)模型為例進(jìn)行說明。
[0043]在介紹本發(fā)明實施例的方案之前，首先簡單介紹下BP神經(jīng)網(wǎng)絡(luò)模型。
[0044] 如圖1所示，為神經(jīng)網(wǎng)絡(luò)模型示意圖，其中，輸入層有η個神經(jīng)元，隱藏層有p個神經(jīng) 元(本發(fā)明實施例以隱藏層的層數(shù)為1為例進(jìn)行說明），輸出層有m個神經(jīng)元，并且輸入層的 第i個神經(jīng)元與隱藏層的第j個神經(jīng)元之間權(quán)重可以用Wij(i = l，2, . . .，n, j = l，2,. . .，p) 來表示，隱藏層的第j個神經(jīng)元與輸出層的第k個神經(jīng)元之間的權(quán)重可以使用cojk(j = l， 2，...，p，k=l，2，···，m)來表示。
[0045] 在BP神經(jīng)網(wǎng)絡(luò)模型的使用中，主要包含以下參數(shù):輸入層神經(jīng)元個數(shù)，隱藏層個 數(shù)，每個隱藏層的神經(jīng)元個數(shù)，輸出層神經(jīng)元個數(shù)，輸入層神經(jīng)元與隱藏層神經(jīng)元之間的權(quán) 重，隱藏層神經(jīng)元與輸出層神經(jīng)元之間的權(quán)重，以及在BP神經(jīng)元模型進(jìn)行訓(xùn)練時，還包括學(xué) 習(xí)率，誤差率，迭代次數(shù)等參數(shù)。
[0046] 在本發(fā)明實施例的建筑負(fù)荷預(yù)測中，是通過氣象參數(shù)來預(yù)測建筑負(fù)荷，可選地，所 述氣象參數(shù)包括下列部分或者全部:時刻、溫度、濕度、輻照度。本發(fā)明實施例中，以氣象參 數(shù)同時包括時刻、溫度、濕度和輻照度為例進(jìn)行說明，則此時選擇的輸入層神經(jīng)元個數(shù)為4， 4個神經(jīng)元分別為時刻、溫度、濕度和輻照度，隱藏層的層數(shù)不限制，例如可以選擇為1個隱 藏層，由于只是做建筑負(fù)荷的預(yù)測，因此輸出層的神經(jīng)元個數(shù)為1，即為預(yù)測的建筑負(fù)荷。 [0047]下面給出一個具體例子來說明如何使用BP神經(jīng)網(wǎng)絡(luò)模型，假設(shè)當(dāng)前是4月27日，且 根據(jù)天氣預(yù)報，可以得到4月28日的預(yù)測氣象參數(shù)如表1所示：
[0050] 表1氣象參數(shù)表
[0051] 基于上述表1，如果想預(yù)測0時刻的建筑負(fù)荷，則將0時刻的預(yù)測氣象參數(shù)(0,18， 60,560)作為輸入?yún)?shù)，輸入到BP神經(jīng)網(wǎng)絡(luò)模型中，可以得到一個預(yù)測建筑負(fù)荷，同樣地，對 于其它時刻，以相同的方式進(jìn)行預(yù)測，分別得到每個時刻對應(yīng)的預(yù)測建筑負(fù)荷，假設(shè)預(yù)測得 到的預(yù)測建筑負(fù)荷如表2所示。

[0054] 表2預(yù)測建筑負(fù)荷表
[0055] 并且在4月28日之后，可以對4月28日中的24個時刻的進(jìn)行實際測試(例如，可以在 4月29日進(jìn)行實際測試），從而得到每個時刻的實測建筑負(fù)荷，如表3所示，為預(yù)測建筑負(fù)荷 和實測建筑負(fù)荷表。
[0058] 表3預(yù)測建筑負(fù)荷和實測建筑負(fù)荷表
[0059]以上是本發(fā)明實施例基于氣象參數(shù)和BP神經(jīng)網(wǎng)絡(luò)模型來預(yù)測建筑負(fù)荷的具體方 法。另外，如果想要對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，則可以通過歷史數(shù)據(jù)(包括歷史氣象輸入 參數(shù)、歷史預(yù)測建筑負(fù)荷、歷史實測建筑負(fù)荷），對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，具體地，可以 基于預(yù)先設(shè)定的誤差精度反向調(diào)整BP神經(jīng)網(wǎng)絡(luò)模型中的所有權(quán)重（即調(diào)整BP神經(jīng)網(wǎng)絡(luò)模型 中的《ij(i = l，2, · · ·，n，j = l，2, · · ·，p)和 c〇jk(j = l，2, · · ·，p，k=l，2, · · ·，m))，從而得到 新的BP神經(jīng)網(wǎng)絡(luò)模型。
[0060] 基于本發(fā)明對BP神經(jīng)網(wǎng)絡(luò)模型的上述使用和訓(xùn)練方法，下面結(jié)合說明書附圖對本 發(fā)明實施例作進(jìn)一步詳細(xì)描述。
[0061] 如圖2所示，本發(fā)明實施例提供的一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法，包括： [0062]步驟201、獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷， 所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù)；
[0063] 步驟202、針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象 參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測 建筑負(fù)荷及所述歷史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差；
[0064] 步驟203、根據(jù)所述預(yù)測周期的前N個歷史周期分別對應(yīng)的預(yù)測誤差，確定目標(biāo)誤 差；
[0065] 步驟204、若所述目標(biāo)預(yù)測誤差不大于誤差閾值，則獲取所述預(yù)測周期的預(yù)測氣象 參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所述預(yù)測周期的 預(yù)測建筑負(fù)荷。
[0066] 本發(fā)明中，一個周期可以是一個月，一天，一個小時等，沒有具體限定，如何定義一 個周期，視實際需要而定。本發(fā)明實施例中，后續(xù)以一個周期為一天為例進(jìn)行說明，并且在 一天中包含有24個時刻，分別為0時刻、1時刻、2時刻、3時刻、4時刻、5時刻、6時刻、7時刻、8 時刻、9時刻、10時刻、11時刻、12時刻、13時刻、14時刻、15時刻、16時刻、17時刻、18時刻、19 時刻、20時刻、21時刻、22時刻、23時刻。
[0067] 下面給出一個統(tǒng)一的例子，后續(xù)均根據(jù)該例子對本發(fā)明進(jìn)行說明：假設(shè)當(dāng)前時刻 為4月27日23點30點，在此時刻執(zhí)行本發(fā)明方法，預(yù)測周期為4月28日全天，即想要預(yù)測4月 28日中24個時刻的建筑負(fù)荷。
[0068] 在上述步驟201中，獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建 筑負(fù)荷，其中，所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，在本發(fā)明實施例中，氣象 參數(shù)以時刻、濕度、溫度和輻照度為例進(jìn)行說明，且N為正整數(shù)。例如當(dāng)N為1時，則獲取的是4 月27日的24個時刻的氣象參數(shù)及對應(yīng)的實測建筑負(fù)荷;如果N為2，則獲取的是4月27日的24 個時刻的氣象參數(shù)及對應(yīng)的實測建筑負(fù)荷，以及4月26日的24個時刻的氣象參數(shù)及對應(yīng)的 實測建筑負(fù)荷；以此類推。
[0069] 上述步驟202中，針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期 的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期 的預(yù)測建筑負(fù)荷及所述歷史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差。
[0070] 例如，N取值為2,貝1JN個歷史周期分別為4月27日和4月26日，下面以計算4月27日對 應(yīng)的預(yù)測誤差為例進(jìn)行說明。
[0071 ]由于4月27日是歷史周期，因此其氣象參數(shù)都是已知參數(shù)，是可以直接獲取到的， 并且4月27日中每個時刻的實測建筑負(fù)荷也都是可以直接獲取到的。
[0072]假設(shè)4月27日的氣象參數(shù)和實測建筑負(fù)荷如表4所示：
[0075] 表4 4月27日氣象參數(shù)和實測建筑負(fù)荷
[0076] 首先根據(jù)4月27日的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得到4月27日的預(yù)測建筑負(fù) 荷，然后根據(jù)4月27日的預(yù)測建筑負(fù)荷及實測建筑負(fù)荷來計算4月27日的預(yù)測誤差。
[0077] 如表5所示，為4月27日氣象參數(shù)、實測建筑負(fù)荷及預(yù)測建筑負(fù)荷表。
[0080] 表5 4月27日氣象參數(shù)、實測建筑負(fù)荷及預(yù)測建筑負(fù)荷表
[0081] 基于當(dāng)前神經(jīng)網(wǎng)絡(luò)模型對4月27日的建筑負(fù)荷進(jìn)行預(yù)測，得到預(yù)測建筑負(fù)荷，然后 跟實測建筑負(fù)荷進(jìn)行比較，從而可以得到4月27日的預(yù)測誤差。一個歷史周期的預(yù)測誤差可 以使用下列公式進(jìn)行計算：
[0083]其中，ε為一個歷史周期的預(yù)測誤差，P為一個歷史周期內(nèi)的預(yù)測時刻的總數(shù)量，yi 為一個歷史周期內(nèi)的第i預(yù)測時刻的預(yù)測建筑負(fù)荷，cU為一個歷史周期內(nèi)的第i預(yù)測時刻的 實測建筑負(fù)荷。
[0084]具體地，在計算4月27日的預(yù)測誤差時，使用上述公式，則P = 24,根據(jù)表5中的數(shù) 據(jù)，可以得到4月27日的預(yù)測誤差￡1為：
[0086] 基于同樣的方法，可以計算4月26日的預(yù)測誤差ε2，假設(shè)ε2 = 0.04。
[0087]在上述步驟203中，根據(jù)所述預(yù)測周期的前Ν個歷史周期分別對應(yīng)的預(yù)測誤差，確 定目標(biāo)誤差，具體地，可以使用下列公式得到預(yù)測日期的前Ν個歷史周期的目標(biāo)誤差：
[0089] 其中，δ為所述目標(biāo)誤差，Ρ為所述Ν個歷史周期中每個歷史周期內(nèi)的預(yù)測時刻的總 數(shù)量，為所述Ν個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的預(yù)測建筑負(fù)荷，cU為所述Ν 個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的實測建筑負(fù)荷。
[0090] 具體地，4月28日的前2個周期（即4月27日和4月26日）的目標(biāo)誤差為：
[0092]在上述步驟204中，將步驟203中得到的目標(biāo)誤差與預(yù)先設(shè)定的誤差閾值進(jìn)行比 較，若所述目標(biāo)預(yù)測誤差不大于誤差閾值，則認(rèn)為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果符合預(yù)期， 因此接下來直接將當(dāng)前神經(jīng)網(wǎng)絡(luò)模型用于對預(yù)測周期的建筑負(fù)荷進(jìn)行預(yù)測，具體地，獲取 所述預(yù)測周期的預(yù)測氣象參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò) 模型得到所述預(yù)測周期的預(yù)測建筑負(fù)荷。
[0093] 通過上述步驟201~步驟204,首先利用預(yù)先周期前N個歷史周期的氣象參數(shù)和對 應(yīng)的實測建筑負(fù)荷，對當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的預(yù)測準(zhǔn)確性進(jìn)行檢驗，如果當(dāng)前神經(jīng)網(wǎng)絡(luò)模型 的預(yù)測準(zhǔn)確性符合預(yù)期要求，則可以直接使用當(dāng)前神經(jīng)網(wǎng)絡(luò)模型對預(yù)測周期的建筑負(fù)荷進(jìn) 行預(yù)測，從而保證了對預(yù)測周期的建筑負(fù)荷的預(yù)測準(zhǔn)確性。
[0094]在上述步驟204中，可選地，所述神經(jīng)網(wǎng)絡(luò)模型為反饋BP神經(jīng)網(wǎng)絡(luò)模型；若所述目 標(biāo)誤差大于所述誤差閾值，則對當(dāng)前神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，即調(diào)整當(dāng)前神經(jīng)網(wǎng)絡(luò)模型中 的權(quán)重值，具體地，首先獲取所述預(yù)測周期的前M k個歷史周期的氣象參數(shù)及對應(yīng)的實測建 筑負(fù)荷，K為對所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的已訓(xùn)練次數(shù)，Mk大于N;根據(jù)所述預(yù)測周期的前M k個 歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練得 到的神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，并返回到步驟202。
[0095] 例如，假設(shè)在上述例子中，N = 2,根據(jù)4月26日和4月27日的氣象參數(shù)、實測建筑負(fù) 荷和預(yù)測建筑負(fù)荷，得到的目標(biāo)誤差大于誤差閾值，則對當(dāng)前BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練：
[0096]第一次訓(xùn)練:選擇預(yù)測日期前Mo個歷史周期的氣象參數(shù)及對應(yīng)的實測建筑負(fù)荷， 根據(jù)這些數(shù)據(jù)對當(dāng)前BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，假設(shè)M〇 = 5,則第一次訓(xùn)練選擇的相關(guān)數(shù)據(jù) 來自：4月27日、4月26日、4月25日、4月24日及4月23日。
[0097] 具體地，根據(jù)歷史數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，指的是根據(jù)歷史數(shù)據(jù)及預(yù)先 設(shè)定的誤差精度，來調(diào)整當(dāng)前BP神經(jīng)網(wǎng)絡(luò)模型中的權(quán)重，訓(xùn)練結(jié)束的條件為:訓(xùn)練結(jié)果達(dá)到 誤差精度〇.〇1或者訓(xùn)練次數(shù)達(dá)到設(shè)定的最大訓(xùn)練次數(shù)。
[0098] 對于如何根據(jù)歷史數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，屬于現(xiàn)有技術(shù)，對此本發(fā)明 不做過多贅述。
[0099]在第一次訓(xùn)練結(jié)束之后，將訓(xùn)練后得到的BP神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前BP神經(jīng)網(wǎng)絡(luò)模 型，則返回到步驟202,繼續(xù)對預(yù)測周期的前N個歷史周期的建筑負(fù)荷進(jìn)行預(yù)測，再次計算預(yù) 測周期的前N個歷史周期對應(yīng)的目標(biāo)誤差，如果目標(biāo)誤差不大于誤差閾值，則表明訓(xùn)練后的 BP神經(jīng)網(wǎng)絡(luò)模型滿足了要求，如果目標(biāo)誤差還是大于誤差閾值，則繼續(xù)對當(dāng)前BP神經(jīng)網(wǎng)絡(luò) 模型進(jìn)行訓(xùn)練，即進(jìn)入第二次訓(xùn)練。
[0100]第二次訓(xùn)練:選擇預(yù)測日期前此個歷史周期的氣象參數(shù)及對應(yīng)的實測建筑負(fù)荷， 根據(jù)這些數(shù)據(jù)對當(dāng)前BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，假設(shè)Ml = 10，則第一次訓(xùn)練選擇的相關(guān)數(shù) 據(jù)來自：4月27日、4月26日、4月25日、4月24日及4月23日、4月22日、4月21日、4月20日、4月19 日及4月18日。
[0101] 在訓(xùn)練結(jié)束之后，講訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前BP神經(jīng)網(wǎng)絡(luò)模型，返回到 步驟202。
[0102] 對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的次數(shù)取決于訓(xùn)練后得到的BP神經(jīng)網(wǎng)絡(luò)模型是否滿 足預(yù)期要求，如果滿足了，則無需再進(jìn)行訓(xùn)練了。
[0103] 此外，在上述步驟201中，可選地，所述獲取預(yù)測周期的前N個歷史周期的氣象參數(shù) 及對應(yīng)的的實測建筑負(fù)荷，包括:根據(jù)選擇的參數(shù)篩選條件，選擇符合所述參數(shù)篩選條件的 所述預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，所述參數(shù)篩選條件 用于表示待選擇的氣象參數(shù)的類型。
[0104] 例如篩選條件可以是根據(jù)歷史周期是否為節(jié)假日，舉例來說，如果4月28日是一個 節(jié)假日，由于可能節(jié)假日的建筑負(fù)荷于非節(jié)假日建筑負(fù)荷相差較大，那么在對神經(jīng)網(wǎng)絡(luò)模 型進(jìn)行驗證的時候，選擇的預(yù)測日期前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷 可以也選擇節(jié)假日的數(shù)據(jù)，例如N取值為3,并且4月27日為非節(jié)假日，4月26日為節(jié)假日，4月 25日為節(jié)假日，4月24日為非節(jié)假日，4月23日為非節(jié)假日，4月22日為非節(jié)假日，4月21日為 節(jié)假日，那么選擇的預(yù)測日期（即4月28日）的前3個歷史周期的氣象參數(shù)及對應(yīng)的的實測建 筑負(fù)荷分別為4月26日，4月25日，4月21日的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，從而通過 該方法，可以更好地對當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的精確度進(jìn)行判斷。
[0105] 例如，篩選條件還可以是根據(jù)入住率，如歷史數(shù)據(jù)入住率為50%，訓(xùn)練結(jié)果按照 50 %入住率進(jìn)行，若某天入住率突然增加到70%，且沒有入住率為70 %的歷史數(shù)據(jù)，則需要 用50%入住率的數(shù)據(jù)訓(xùn)練擬合預(yù)測，最后在乘以偏差值1.2即為當(dāng)前70%入住率時的負(fù)荷。 其中，在本發(fā)明實施例中，入住率為業(yè)主手動輸入。
[0106] 本發(fā)明實施例提供的方法，獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的 的實測建筑負(fù)荷，所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù);針對所述 前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得 到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所述歷史周期的實 測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差;根據(jù)所述預(yù)測周期的前N個歷史周期分別 對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差;若所述目標(biāo)預(yù)測誤差不大于誤差閾值，則獲取所述預(yù)測周 期的預(yù)測氣象參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所 述預(yù)測周期的預(yù)測建筑負(fù)荷。該方法中，由于預(yù)先通過預(yù)測周期的前N個歷史周期的氣象參 數(shù)及對應(yīng)的的實測建筑負(fù)荷來使用神經(jīng)網(wǎng)絡(luò)模型，如果預(yù)測結(jié)果符合預(yù)期，即滿足目標(biāo)預(yù) 測誤差不大于誤差閾值，則使用當(dāng)前神經(jīng)網(wǎng)絡(luò)模型對預(yù)測周期進(jìn)行建筑負(fù)荷的預(yù)測，因而 該方法可以保證使用的神經(jīng)網(wǎng)絡(luò)模型是滿足要求的，進(jìn)而可以保證預(yù)測結(jié)果的準(zhǔn)確性。
[0107] 下面對本發(fā)明實施例提供的一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法做詳細(xì)描述， 如圖3所示，包括：
[0108] 步驟301、獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷， 所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù)；
[0109] 步驟302、針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象 參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測 建筑負(fù)荷及所述歷史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差；
[0110] 步驟303、根據(jù)預(yù)測周期的前N個歷史周期分別對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差；
[0111] 步驟304、判斷目標(biāo)預(yù)測誤差是否小于或等于誤差閾值，若是則轉(zhuǎn)到步驟305,否則 轉(zhuǎn)到步驟306;
[0112] 步驟305、獲取所述預(yù)測周期的預(yù)測氣象參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參 數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所述預(yù)測周期的預(yù)測建筑負(fù)荷；
[0113]步驟306、獲取所述預(yù)測周期的前Mk個歷史周期的氣象參數(shù)及對應(yīng)的實測建筑負(fù) 荷，K為對所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的已訓(xùn)練次數(shù)，Mk大于N;
[0114]步驟307、根據(jù)所述預(yù)測周期的前Mk個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑 負(fù)荷，對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型， 并返回到步驟302。
[0115] 本發(fā)明實施例提供的方法，獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的 的實測建筑負(fù)荷，所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù);針對所述 前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得 到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所述歷史周期的實 測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差;根據(jù)所述預(yù)測周期的前N個歷史周期分別 對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差;若所述目標(biāo)預(yù)測誤差不大于誤差閾值，則獲取所述預(yù)測周 期的預(yù)測氣象參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所 述預(yù)測周期的預(yù)測建筑負(fù)荷。該方法中，由于預(yù)先通過預(yù)測周期的前N個歷史周期的氣象參 數(shù)及對應(yīng)的的實測建筑負(fù)荷來使用神經(jīng)網(wǎng)絡(luò)模型，如果預(yù)測結(jié)果符合預(yù)期，即滿足目標(biāo)預(yù) 測誤差不大于誤差閾值，則使用當(dāng)前神經(jīng)網(wǎng)絡(luò)模型對預(yù)測周期進(jìn)行建筑負(fù)荷的預(yù)測，因而 該方法可以保證使用的神經(jīng)網(wǎng)絡(luò)模型是滿足要求的，進(jìn)而可以保證預(yù)測結(jié)果的準(zhǔn)確性。
[0116] 基于相同的技術(shù)構(gòu)思，如圖4所示，本發(fā)明實施例還提供一種基于神經(jīng)網(wǎng)絡(luò)的建筑 負(fù)荷預(yù)測裝置，包括：
[0117] 獲取單元401，用于獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建 筑負(fù)荷，所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù)；
[0118] 確定單元402,用于針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周 期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周 期的預(yù)測建筑負(fù)荷及所述歷史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差； 以及根據(jù)所述預(yù)測周期的前N個歷史周期分別對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差；
[0119] 預(yù)測單元403，用于若所述目標(biāo)預(yù)測誤差不大于誤差閾值，則獲取所述預(yù)測周期的 預(yù)測氣象參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所述預(yù) 測周期的預(yù)測建筑負(fù)荷。
[0120] 可選地，所述神經(jīng)網(wǎng)絡(luò)模型為反饋BP神經(jīng)網(wǎng)絡(luò)模型；所述裝置還包括訓(xùn)練單元 404,用于：
[0121] 若所述目標(biāo)誤差大于所述誤差閾值，則獲取所述預(yù)測周期的前Mk個歷史周期的氣 象參數(shù)及對應(yīng)的實測建筑負(fù)荷，K為對所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的已訓(xùn)練次數(shù)，M k大于N;
[0122] 根據(jù)所述預(yù)測周期的前Mk個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，對所 述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，并返回到 針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng) 絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所述歷 史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差的步驟。
[0123] 可選地，所述確定單元402,具體用于根據(jù)下列公式確定所述目標(biāo)誤差：
[0125] 其中，δ為所述目標(biāo)誤差，P為所述N個歷史周期中每個歷史周期內(nèi)的預(yù)測時刻的總 數(shù)量，為所述Ν個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的預(yù)測建筑負(fù)荷，cU為所述Ν 個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的實測建筑負(fù)荷。
[0126] 可選地，所述獲取單元401，具體用于：
[0127] 根據(jù)選擇的參數(shù)篩選條件，選擇符合所述參數(shù)篩選條件的所述預(yù)測周期的前N個 歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，所述參數(shù)篩選條件用于表示待選擇的氣象 參數(shù)的類型。
[0128] 可選地，所述氣象參數(shù)包括下列部分或者全部：
[0129] 時刻、溫度、濕度、輻照度。
[0130]本發(fā)明實施例，獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑 負(fù)荷，所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù);針對所述前N個歷史周 期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得到所述歷史 周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所述歷史周期的實測建筑負(fù) 荷，確定所述歷史周期對應(yīng)的預(yù)測誤差;根據(jù)所述預(yù)測周期的前N個歷史周期分別對應(yīng)的預(yù) 測誤差，確定目標(biāo)誤差;若所述目標(biāo)預(yù)測誤差不大于誤差閾值，則獲取所述預(yù)測周期的預(yù)測 氣象參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所述預(yù)測周 期的預(yù)測建筑負(fù)荷。本發(fā)明實施例，由于預(yù)先通過預(yù)測周期的前N個歷史周期的氣象參數(shù)及 對應(yīng)的的實測建筑負(fù)荷來使用神經(jīng)網(wǎng)絡(luò)模型，如果預(yù)測結(jié)果符合預(yù)期，即滿足目標(biāo)預(yù)測誤 差不大于誤差閾值，則使用當(dāng)前神經(jīng)網(wǎng)絡(luò)模型對預(yù)測周期進(jìn)行建筑負(fù)荷的預(yù)測，因而該方 法可以保證使用的神經(jīng)網(wǎng)絡(luò)模型是滿足要求的，進(jìn)而可以保證預(yù)測結(jié)果的準(zhǔn)確性。
[0131] 本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設(shè)備（系統(tǒng)）、和計算機程序產(chǎn)品的流程 圖和/或方框圖來描述的。應(yīng)理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流 程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機程序 指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn) 生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實 現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
[0132] 這些計算機程序指令也可存儲在能引導(dǎo)計算機或其他可編程數(shù)據(jù)處理設(shè)備以特 定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指 令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或 多個方框中指定的功能。
[0133] 這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計 算機或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或 其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一 個方框或多個方框中指定的功能的步驟。
[0134] 盡管已描述了本發(fā)明的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造 性概念，則可對這些實施例做出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu) 選實施例以及落入本發(fā)明范圍的所有變更和修改。
[0135] 顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動和變型而不脫離本發(fā)明的精 神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍 之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。
【主權(quán)項】
1. 一種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測方法，其特征在于，包括： 獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，所述氣象參數(shù) 為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù)； 針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神 經(jīng)網(wǎng)絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所 述歷史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差； 根據(jù)所述預(yù)測周期的前N個歷史周期分別對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差； 若所述目標(biāo)預(yù)測誤差不大于誤差闊值，則獲取所述預(yù)測周期的預(yù)測氣象參數(shù)，并根據(jù) 所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所述預(yù)測周期的預(yù)測建筑負(fù) 荷。2. 如權(quán)利要求1所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型為反饋BP神經(jīng)網(wǎng)絡(luò)模型； 所述方法還包括： 若所述目標(biāo)誤差大于所述誤差闊值，則獲取所述預(yù)測周期的前Mk個歷史周期的氣象參 數(shù)及對應(yīng)的實測建筑負(fù)荷，K為對所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的已訓(xùn)練次數(shù)，Mk大于N; 根據(jù)所述預(yù)測周期的前Mk個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，對所述神 經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，并返回到針對 所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模 型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所述歷史周 期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差的步驟。3. 如權(quán)利要求1所述的方法，其特征在于，根據(jù)下列公式確定所述目標(biāo)誤差：其中，S為所述目標(biāo)誤差，P為所述N個歷史周期中每個歷史周期內(nèi)的預(yù)測時刻的總數(shù) 量，yi為所述N個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的預(yù)測建筑負(fù)荷，di為所述N個 歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的實測建筑負(fù)荷。4. 如權(quán)利要求1-3中任一項所述的方法，其特征在于，所述獲取預(yù)測周期的前N個歷史 周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，包括： 根據(jù)選擇的參數(shù)篩選條件，選擇符合所述參數(shù)篩選條件的所述預(yù)測周期的前N個歷史 周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，所述參數(shù)篩選條件用于表示待選擇的氣象參數(shù) 的類型。5. 如權(quán)利要求1-3中任一項所述的方法，其特征在于，所述氣象參數(shù)包括下列部分或者 全部： 時刻、溫度、濕度、福照度。6. -種基于神經(jīng)網(wǎng)絡(luò)的建筑負(fù)荷預(yù)測裝置，其特征在于，包括： 獲取單元，用于獲取預(yù)測周期的前N個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷， 所述氣象參數(shù)為預(yù)設(shè)的影響建筑負(fù)荷的氣象參數(shù)，N為正整數(shù)； 確定單元，用于針對所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象 參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測 建筑負(fù)荷及所述歷史周期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差；w及根據(jù) 所述預(yù)測周期的前N個歷史周期分別對應(yīng)的預(yù)測誤差，確定目標(biāo)誤差； 預(yù)測單元，用于若所述目標(biāo)預(yù)測誤差不大于誤差闊值，則獲取所述預(yù)測周期的預(yù)測氣 象參數(shù)，并根據(jù)所述預(yù)測周期的預(yù)測氣象參數(shù)及所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型得到所述預(yù)測周期 的預(yù)測建筑負(fù)荷。7. 如權(quán)利要求6所述的裝置，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型為反饋BP神經(jīng)網(wǎng)絡(luò)模型； 所述裝置還包括訓(xùn)練單元，用于： 若所述目標(biāo)誤差大于所述誤差闊值，則獲取所述預(yù)測周期的前Mk個歷史周期的氣象參 數(shù)及對應(yīng)的實測建筑負(fù)荷，K為對所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的已訓(xùn)練次數(shù)，Mk大于N; 根據(jù)所述預(yù)測周期的前Mk個歷史周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，對所述神 經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，并返回到針對 所述前N個歷史周期中的每個歷史周期，根據(jù)所述歷史周期的氣象參數(shù)及當(dāng)前神經(jīng)網(wǎng)絡(luò)模 型，得到所述歷史周期的預(yù)測建筑負(fù)荷;根據(jù)所述歷史周期的預(yù)測建筑負(fù)荷及所述歷史周 期的實測建筑負(fù)荷，確定所述歷史周期對應(yīng)的預(yù)測誤差的步驟。8. 如權(quán)利要求6所述的裝置，其特征在于，所述確定單元，具體用于根據(jù)下列公式確定 所述目標(biāo)誤差：其中，S為所述目標(biāo)誤差，P為所述N個歷史周期中每個歷史周期內(nèi)的預(yù)測時刻的總數(shù) 量，yi為所述N個歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的預(yù)測建筑負(fù)荷，di為所述N個 歷史周期中每個歷史周期內(nèi)的第i預(yù)測時刻的實測建筑負(fù)荷。9. 如權(quán)利要求6-8中任一項所述的裝置，其特征在于，所述獲取單元，具體用于： 根據(jù)選擇的參數(shù)篩選條件，選擇符合所述參數(shù)篩選條件的所述預(yù)測周期的前N個歷史 周期的氣象參數(shù)及對應(yīng)的的實測建筑負(fù)荷，所述參數(shù)篩選條件用于表示待選擇的氣象參數(shù) 的類型。10. 如權(quán)利要求6-8中任一項所述的裝置，其特征在于，所述氣象參數(shù)包括下列部分或 者全部： 時刻、溫度、濕度、髓照度。
【文檔編號】G06Q50/08GK106096761SQ201610383732
【公開日】2016年11月9日
【申請日】2016年6月1日 公開號201610383732.2, CN 106096761 A, CN 106096761A, CN 201610383732, CN-A-106096761, CN106096761 A, CN106096761A, CN201610383732, CN201610383732.2
【發(fā)明人】王亞靜, 聶志華, 宋志春
【申請人】新奧泛能網(wǎng)絡(luò)科技股份有限公司