基于Holt-Winters和极限学习机的建筑用能负荷预测方法及系统

摘要

本发明公开了一种基于Holt‑Winters和极限学习机的建筑用能负荷预测方法及系统，包括：根据建筑物的实际运行参数构建建筑物仿真模型，获取建筑物的原始负荷数据集；对原始负荷数据集进行分解得到线性负荷数据集和非线性负荷数据集；对线性负荷数据集采用训练后的Holt‑Winters模型预测得到线性负荷预测结果；以非线性负荷数据集、原始负荷数据集和线性负荷预测结果作为训练后的极限学习机模型的输入，输出得到建筑物仿真模型的建筑负荷预测值。基于负荷数据线性和非线性共存的特点，将建筑负荷数据分解为平稳的线性分量和波动的非线性分量；结合Holt‑Winters和极限学习机的算法优势，分别对线性分量和非线性分量进行处理，提高预测精度。