摘要
本申请提供一种能耗概率预测模型的训练方法、能耗概率预测方法、计算机设备及可读存储介质,涉及建筑能源管理与智能预测技术领域。该方法包括:对目标建筑物在预设历史时间段的历史建筑数据进行特征提取,得到样本能耗相关特征;根据样本能耗相关特征以及真实能耗概率,构建样本数据集;将样本数据集划分为多个子数据集;根据多个子数据集,分别对多个初始能耗预测模型进行训练,得到多个训练后能耗预测子模型;根据多个训练后能耗预测子模型,构建目标能耗预测模型。本申请根据多样本能耗相关特征得到目标能耗预测模型,使得预测区间覆盖度高,且适应动态负荷变化,进而实现对建筑能耗的准确预测需求。
技术关键词
能耗预测模型
概率预测方法
时间段
斯皮尔曼等级相关系数
样本
分析方法
数据
非线性
皮尔逊相关系数
建筑物
建筑能源管理
预测残差
智能预测技术
计算机设备
时序特征
处理器
网络
可读存储介质
系统为您推荐了相关专利信息
多任务神经网络
建立神经网络模型
优化神经网络
样本
引入注意力机制
剩余使用寿命
训练预测模型
多层卷积网络
多层卷积神经网络
数据
高原红细胞增多症
标志物
诊断试剂盒
早期诊断模型
咽拭子样本
配电网台区
灵敏度矩阵
集群划分方法
配电网运行工况
节点