公开(公告)号：CN116796887A

公开(公告)日：2023-09-22

申请号：CN202310559216.0

申请日：2023-05-18

Applicant: 南昌大学

Inventor： 李墨轩 ,  朱自伟 ,  张钟炼 ,  王昭军 ,  邱斌 ,  陈业德

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/08 ,  G06Q50/26 ,  G06N20/20 ,  G06N5/01 ,  G06F30/27 ,  G06F18/214 ,  G06F18/21

Abstract: 本发明公开了一种基于集成机器学习预测办公楼冷、热负荷的方法，该方法可以实现对办公楼中冷、热负荷的有效预测，同时分析几种气候变量对负荷变化的影响。本发明的预测精确度较传统机器学习和神经网络更高、误差更小，并且该发明能够完成对长期的冷、热负荷的预测工作，有利于为碳达峰、碳中和综合能源系统的配置搭建提供冷、热负荷数据依据，有利于能源企业实现碳达峰、碳中和，除此之外，本发明能够科学地分析出各个天气参数对负荷的影响，为建筑绿色转型提供了气候参考。