一种基于深度学习的建筑能耗预测方法

本发明公开了一种基于深度学习的建筑能耗预测方法，涉及能耗预测技术领域，包括以下步骤：S1、获取气象数据和建筑物能耗数据；S2、建立基于孪生时序网络的建筑能耗预测模型，所述建筑能耗预测模型包括数据预处理层、时间嵌入层、时序特征提取层、特征自适应融合层和预测层；本发明结合CEEMDAN算法对原始数据进行模式分解，去除噪声并突出数据周期性，同时利用基于完全对称扩展因果卷积网络的孪生模型，分别对能耗和气象数据建模，能精准提取时序数据的上下文因果关系，使得T2SNET预测值能精准拟合观测值，在每天能耗的极值处表现良好，且不受能耗值震荡的影响，具有较高的鲁棒性，可广泛适用于多类型建筑能耗场景预测。