[发明专利]一种基于使用者行为的严寒地区建筑节能设计优化方法

说明书

本发明提出了一种基于使用者行为的严寒地区建筑节能设计优化方法，针对严寒地区特殊的气候条件，利用调研数据分析得到促动节能行为的建筑设计参数组；应用数据挖掘技术中的机器学习算法对行为实测数据的学习得到更为准确的使用者随机行为模式；通过行为模式优化传统预测模型，并利用基于贝叶斯理论的高斯过程矫正预测模型，得到优化节能性能设计参数组；耦合促动节能行为和优化节能性能参数组得到优化的参数集合；最后结合优化设计参数组和能耗预测模型，建立严寒地区建筑节能设计新流程。本发明能够降低不确定性对预测模型的影响，更加优化参数的筛选过程、更加准确的节能效果预测、更理性的建筑节能设计流程以及更准确的预估建筑设计结果。

技术领域

本发明属于建筑节能技术领域，特别涉及一种基于使用者行为的严寒地区建筑节能设计优化方法。

背景技术

建筑节能设计是涉及多领域、多学科的交叉研究。在数字技术迅速发展，建筑性能化设计趋向的背景下，建筑节能设计不仅与建筑能耗预测研究相关，也与数字模拟技术及机器学习技术的发展紧密相联。

目前，建筑能耗预测方法主要有时间序列法，傅里叶级数模型(Fourier seriesmodels),回归模型，人工神经网络(artificial neural network models)及模糊逻辑理论(fuzzy logic models)等。建筑能耗预测模型虽有初步的发展，但其预测结果仍与实际能耗间有巨大差异，而使用者行为是造成这一差异的重要因素。既有研究表明，因使用者行为所造成既有建筑能耗预测模型预测值与实际值的差距，影响模型的预测精度。从而在预测模型与节能建筑设计过程结合时，影响节能建筑设计性能。因此，建立使用者行为模式模型是建筑设计阶段更为精确预测建筑能耗的关键。

建筑性能模拟在建筑设计初期阶段，应用模拟对建筑方案进行调试和操作，具有巨大的应用潜力。建筑性能化设计的潜力虽然已被广泛认可，但在实际的建筑方案中因其与真实数据的差异性，常常不能提供建筑节能设计的最佳方案；而在为设计者提供对建筑系统性能的认知方面，也因此差异性的存在，不能够真实反馈建筑设计方案对性能的影响。这一差异性，是由于建筑性能模拟中输入参数量大，以使用者行为参数为代表的非线性、离散型及不确定性等多类型参数更增加了影响要素的复杂性。因而，在建筑性能模拟中，如何针对不确定性的参数进行有效分析和整合，通过新手段新方法修正不确定性和随机性对模拟结果的影响，是优化建筑性能化设计的预测精度，增强其在建筑实际项目中的应用能力的核心问题之一。

模拟技术对使用者行为的描述与刻画还很不完善，随着节能工作与实践的深入，逐渐暴露出很多问题，例如：难以准确反映实际人行为对建筑用能水平的影响，模拟结果常常偏离实测数据；难以准确反映实际人行为对系统性能表现的影响，一些节能技术的模拟评估结论与实际观测到的能耗状况不相符，而一些技术手段带来的性能提升和节能潜力在模拟结果中又得不到有效反映；在基于模拟技术的宏观能耗研究、能耗定额与节能标准规范中，由于缺乏具有实际代表性的参考使用模式，导致一些性能指标与实际情况严重脱节等等。这些问题影响了模拟技术的可靠性与可信度，极大地限制了其在节能工作中进一步发挥作用。并且，由于建筑围护结构和系统的优化，建筑节能技术性能标准越发严格，节能系统逐渐的广泛应用，直接增加了使用者行为要素对建筑能耗的影响。这一变化进一步增大了预测值和实际值间的差距，而此差异性将导致性能预测的偏差，最终影响建筑设计结果达到预测的性能表现。

随着机器学习技术的繁荣，建筑研究人员开始尝试利用机器学习的方法解决节能建筑性能化设计的瓶颈问题。也有研究者针对如使用者行为模式等无法量化的问题，利用机器学习的数据挖掘技术得到较为优化的使用者行为模型。