[发明专利]一种地铁车站能耗短期预测方法及其预测系统

摘要

本发明公开了一种地铁车站能耗短期预测方法，包括以下步骤，确定与地铁车站分项能耗有关的影响因素，在影响因素中确定主要影响因素并采集；建立地铁车站分项能耗数据库，与采集到的所述主要影响因素一起进行归一化处理，最后再将归一化处理后的数据划分为训练数据和测试数据；建构G‑ACO‑BP网络预测模型；利用训练数据训练G‑ACO‑BP模型，计算实际输出和目标输出的误差；将测试数据输入到训练后的G‑ACO‑BP模型中进行测试，得到通风空调能耗、动力能耗、照明能耗的预测结果。本发明有益效果：一是能够更准确有效地实现地铁车站能耗的分项短期预测；二是能够有效地避免BP神经网络训练时所带来的缺陷，达到神经网络模型的智能化寻优目的。

主权项

1.一种地铁车站能耗短期预测方法，其特征在于：包括以下步骤，确定与地铁车站分项能耗有关的影响因素，在影响因素中确定主要影响因素并采集，且对采集的主要影响因素进行预处理；根据地铁车站分项能耗历史数据进行综合分析，建立地铁车站分项能耗数据库，与采集到的所述主要影响因素一起进行归一化处理，最后再将归一化处理后的数据划分为训练数据和测试数据；建构G‑ACO‑BP网络预测模型，还包括对G‑ACO‑BP网络预测模型的参数进行最优化设置，G‑ACO‑BP网络预测模型的参数包括交叉变异概率、信息启发因子以及BP学习率；利用训练数据训练G‑ACO‑BP模型，计算实际输出和目标输出的误差；将测试数据输入到训练后的G‑ACO‑BP模型中进行测试，得到通风空调能耗、动力能耗、照明能耗的预测结果。