← 返回
面向机器学习的建筑负荷预测数据质量评估框架开发与验证
Development and validation of a data quality assessment framework for machine learning-based building load prediction
| 作者 | Ce Han · Yongbao Chen · Huilong Wang · Sicheng Zhan · Zhe Chen |
| 期刊 | Applied Energy |
| 出版日期 | 预计 2026年7月 |
| 卷/期 | 第 415 卷 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 机器学习 模型预测控制MPC 智能化与AI应用 可靠性分析 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 |
本文提出并验证了一种用于机器学习驱动建筑负荷预测的数据质量评估框架，涵盖数据完整性、一致性、时效性与代表性等维度，提升负荷预测模型鲁棒性与泛化能力。
S
SunView 深度解读
该研究对阳光电源iSolarCloud智能运维平台的负荷预测与光储协同调度模块具参考价值。建筑侧负荷预测精度直接影响户用光伏+PowerStack或ST系列PCS的削峰填谷策略有效性。建议将数据质量评估机制嵌入iSolarCloud边缘-云协同架构，提升ST PCS在用户侧储能场景下的日前/实时功率指令生成可靠性；同时可拓展至工商业光伏项目中与BMS联动的多源数据治理。