基于TCN-LSTM-Attention的建筑热动态与能耗预测
付伟豪
赵千川
清华大学自动化系和北京信息科学与技术国家研究中心,北京 100084
摘要：基于暖通空调系统热动态与能耗的多变量耦合特点及数据预测精度不足的问题,本文提出一种融合时间卷积-长短期记忆-注意力机制(TCN-LSTM-Attention)的融合预测模型.首先,为了能够更加好捕获建筑运行数据中的短期与长期依赖,建立了TCN-LSTM-Attention建筑热动态与能耗预测模型来预测HVAC能耗、室内温度、PMV;采用改进粒子群算法(IPSO)优化预测模型超参数,降低模型预测误差,并对模型逼近能力进行分析;其次,使用En-ergyPlus搭建建筑仿真模型并进行验证;以河北省某办公建筑运行数据进行预测模型仿真验证,实验表明本模型在对比算法中有较好的预测精度和预测稳定性,并且验证了算法在建筑围护结构参数改变时的泛化性.
关键词：建筑状态预测时间卷积网络长短期记忆网络注意力机制粒子群优化算法
论文发表日期：2025-11-30
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：11( 2125-2135 )
英文信息