机器学习和人工智能在建筑能耗预测、分类和节能潜力分析方面的研究

研究建筑物不同部门的能源消耗和动态基准的集成预测模型。通过对 100 多座建筑物进行大量数据收集、文献综述、统计分析以及与各利益相关者的合作，本研究开发了一个强大而准确的预测模型。由此产生的预测模型和基准具有巨大的潜力，可以推动建筑部门的积极变化，促进能源效率、可持续性和节能。
使用机器学习技术进行基准测试有助于根据特定能耗将建筑物分为优秀、良好、平均和不良，并且它由多个动态因素建模。使用回归模型和机器学习进行基准测试的研究已经很多。但大多数时候，人们注意到基准测试仅限于每平方米面积的能耗。然而，这篇研究论文强调了一种不同的方法，考虑了天气和占用率等众多变量。大多数时候，这些变量被忽视，为了方便起见，只考虑能量密度作为基准测试参数，如 kWh/Sqm，就像工业实践一样