黄银燕，于超，黄文新，覃智君，毕乐明，杨琳

（1. 广西大学电气工程学院，广西壮族自治区 南宁市 530004；2.广西万云科技有限公司，广西壮族自治区 南宁市 530022）

0 引言

我国建筑能耗快速上升，目前已占到总能耗的29%[1]，因而楼宇节能问题已经引起工业界和学术界的广泛关注。针对该问题的主要解决思路是利用楼宇负荷预测促进楼宇节能方案的制定，实现建筑能耗的降低[2]。例如：通过楼宇负荷预测可以了解楼宇用电的高低峰，合理分配设备在用电峰谷时段的用电需求[3]。

楼宇负荷受多方面因素影响，预测精度难以大幅提高。因此，本文将进一步挖掘影响负荷波动的因素，提升楼宇负荷预测模型的准确度。在建筑研究领域中，一般采用建筑占有率表示人员在建筑中的存在情况[4]。2019 年发表在Nature 杂志上的文献[5]提出建筑占有率是影响建筑能耗的特征之一，准确的建筑占有率对建筑能耗预测至关重要。该文献提出了一种检测移动手机信号得出楼宇中建筑占有率数据的方法。但该方法存在操作繁杂、泄露隐私等缺点。

在负荷预测领域，常用的预测算法有时间序列法、灰色预测法、回归分析法等[6-7]。时间序列法的运算速度比较快，但没有考虑影响负荷波动的因素，负荷预测误差较大[8]；灰色预测法虽然预测精度较高，但其最佳参数难以确定[9]。高斯过程(Gaussian process，GP)回归是基于贝叶斯框架下的机器学习方法[10-11]，对高维度、小样本的数据具有较强的处理能力，并具有容易实现、收敛性好、超参数自适应性等特点[12]。……