基于机器学习的建筑能耗预测方法研究

建筑业作为国民经济支柱性产业，在推动社会发展的同时也消耗了大量能源。推动 建筑行业进行节能减排，对实现我国于2030年左右使二氧化碳排放达到峰值的节能减 排目标具有重要意义。建筑节能减排的一个重要手段是建筑能耗精细化管理，而进行这 一工作的基础就是对建筑能耗进行准确的预测，从而支撑建筑运行优化管理，实现节能 减排的目标。 为更高效的完成建筑能耗预测工作，本文将机器学习算法应用于建筑能耗预测领域， 以实际案例公共建筑能耗数据为基础，通过完成建筑能耗数据预处理、建筑能耗特征分 析、机器学习算法能耗预测模型建立、模型预测结果分析与评价等工作，建立起了不同 类型建筑与机器学习算法模型之间的适配关系，最终总结提出了标准化的基于机器学习 的建筑能耗预测方法。本文主要研究内容和成果如下: 首先，本文提出了基于KNN算法和K-means算法的建筑能耗异常数据识别和修复 方法，并利用该方法完成了对案例建筑历史能耗数据的预处理工作。建筑能耗预处理结 果表明，该方法可以合理且准确的完成对建筑能耗异常数据的修复工作。这为后续研究 奠定了数据基础。 其次，本文对四栋不同用途的案例公共建筑进行了能耗特征分析，分别