基于青岛某办公建筑2015 年全年逐时总用电能耗及空调用电能耗数据,利用kmeans 聚类算法对其进行聚
类,将全年能耗水平分为四大类。利用求平均值法得到每一类典型设备使用率曲线。将典型曲线的数据、日前两
周数据以及气象数据一同作为BP 神经网络的输入,预测未来24 小时的建筑总用电和空调用电,该方法比单用日
前两周数据及气象数据进行负荷预测能获得更低的相对误差、均方根误差、平均绝对百分误差。BP 负荷预测相对
误差在5%以内,而kmeans-BP 负荷预测算法控制在±2.5%以内; BP 预测得到的均方根误差和平均绝对百分误差
范围分别在4.6~ 9.0 之间、2.3%~ 4.4%之间,km
1