基于改进IHCMAC神经网络的建筑负荷预测方法和装置

摘要

本发明公开了一种基于改进IHCMAC神经网络模型的建筑负荷预测方法和装置，所述方法包括：对建筑物的实际运行情况进行模拟仿真，获取建筑冷/热负荷数据及其影响因素数据；根据影响因素和建筑冷/热负荷的相关程度确定模型的输入变量；根据粒子群‑K均值聚类算法对输入变量进行聚类，得到L个聚类中心的值即模型节点值，并对每个节点定义高斯核函数；通过权值训练算法对节点的权值进行更新，得到模型的建筑负荷预测值。本发明的方法收敛速度快，学习精度高，泛化能力强，能够为建筑系统的节能优化控制提供决策依据。