吴 烨， 陈湘萍，蔡永翔

（1 贵州大学电气工程学院， 贵阳 550025；2 贵州电网有限责任公司电力科学研究院， 贵阳 550007）

0 引 言

随着社会的进步，经济的发展，建筑能耗也在快速的增长，据统计全球的建筑能耗约占总能耗的40%［1］，而中国建筑能耗约占中国能源消耗的21.7%［2］。确有效的建筑能耗预测是节能的基础［3］。

国内外学者对能耗预测进行了大量的研究，目前常用神经网络来进行能耗预测。 Kawashima 等［4］提出了基于神经网络的每小时负荷预测进行预测控制，并与传统机器学习方法进行对比，得出神经网络有更好效果的结论；许馨尹等［5］基于EnergyPlus 软件对办公建筑在气候变化的情况下进行能耗模拟，结果表明气候对建筑能耗有影响；Amber 等［6］建立多元回归模型对用电能耗进行模拟，结果表明环境温度对于建筑能耗有着显著影响。

在基于机器学习方法的能耗预测中，张卓渊［7］提出一种基于生成对抗网络的建筑能耗预测方法，以LSTM（Long Short-Term Memory Network）神经网络为生成器，卷积神经网络（CNN）为判别器，对比其他模型有着更高的精度；井文强等［8］针对局部最优问题，提出改进灰狼优化BP（Back Propagation）神经网络的预测模型，通过改变原始收敛因子使得该模型有较好的精度和泛化能力；曾国治等［9］基于CNN 的特征提取能力和循环神经网络（RNN）的时序学习能力，提出了CNN-RNN 模型来预测建筑能耗，效率提高的同时还有不错的精度；邵必林等［10］基于注意力机制和LSTM 神经网络建立预测模型，更好的捕捉重要信息并反映变化趋势。 总的来说，基于……