邹明君，丁绪东，吴盼红，段培永

（1.山东建筑大学信息与电气工程学院，山东 济南250101；2.山东省智能建筑技术重点实验室，山东 济南250101；3.山东师范大学信息科学与工程学院，山东 济南250014）

0 引言

随着我国经济的快速发展，能源需求量日益剧增，建筑行业已跻身为3大“耗能大户”之一。据相关数据统计，此行业的能耗约占世界能源消耗量的20%［1］，国内的建筑能耗约占社会总能耗的28%［2］，目前，以优化建筑围护结构、建筑环境智能控制、系统操作设备等建筑节能的工作已全面展开。但由于建筑结构的复杂性、人为因素的影响以及热延迟等特性，使建筑实际用能存在能源浪费、用电高峰期时供能不足及供能不均衡等现象，不仅降低了建筑能源的利用率也影响了人们的舒适程度。因此，构建有效的建筑能耗预测模型，合理分配能源显得十分重要。

建筑能耗预测的研究以中短期负荷预测方法为研究重点，一般包括时间序列［3］、支持向量机［4］、灰色系统［5］、人工神经网络［6］等。时间序列方法多用于变化趋势不明显的情况，对于实时预测或数据波动大的情况预测效果并不理想；支持向量机法可使模型的预测精度与学习能力达到最佳平衡，但按经验选择核函数会影响预测效果；灰色系统多用于庞大的不完全统计数据中找到事物发展的规律，并不适合建筑负荷预测的研究。人工神经网络可分布式处理复杂的数学问题，具备自适应、自组织和实时学习的能力，可较好的完成建筑负荷预测的研究任务。……