摘要：本文基于青島某醫(yī)院建筑2017年全年逐時總用電能耗實測數(shù)據(jù),將冷熱源電耗從中分離,得到用于分布式能源系統(tǒng)運行策略研究的逐時電負荷數(shù)據(jù)。首先利用k-means聚類算法對該建筑的全年逐時電負荷特性進行分析,并根據(jù)聚類結果為神經網絡的訓練構建相似日樣本集。然后利用相關性理論針對不同的相似日樣本集篩選特征參數(shù),作為神經網絡的輸入參數(shù)。最后利用平均絕對百分誤差(MAPE)、變異系數(shù)(CV)、均方根誤差(RMSE)等指標對本文提出的復合優(yōu)化預測模型性能進行定量評價。結果顯示,復合優(yōu)化預測模型的預測精度相較于既不聚類也不進行相關分析的傳統(tǒng)BP網絡有了很大的提高。其中,MAPE、CV、RMSE分別降低了39.4%、36.9%、38.1%。