[发明专利]一种用于建筑能耗的复合预测方法

说明书

本发明涉及一种用于建筑能耗的复合预测方法，该方法包括：获取待测建筑物的建筑类型信息，按照区域功能，将建筑物划分为多个功能区域，将每个功能区域产生的能耗数据作为输入数据，输入至预先建立的建筑能耗预测采集模型，计算该功能区域的建筑能耗的预测值，然后汇总各个功能区域的建筑能耗的预测值，形成整个建筑的总体建筑能耗的预测结果。

技术领域

本发明属于建筑能耗预测技术领域，具体涉及一种用于建筑能耗的复合预测方法。

背景技术

目前，居住建筑能耗是区域能耗的重要组成部分。随着人们对室内舒适度的要求的不断提高，居住建筑的采暖空调能耗也逐年增加。随着气候变暖，国际上对碳排放有更多要求，国家也对节能减排有相关政策和法规，公共建筑作为建筑领域里的能耗大户，单位面积能耗远高于其他类型的建筑。对公共建筑的能源管理已经成为了建筑弱电系统的一个重要组成部分，而建筑的能耗预测是其中最为复杂和重要的部分，能够对建筑能耗进行准确预测是对建筑能耗有效进行能源管理的基础。

现有很多建筑能耗预测这样有两种：一种是基于历史数据的预测方法，但该方法忽略了动态变化数据对于能耗的影响，尤其是天气，人流量等数据对能耗的影响非常大；还有一种是基于神经网络算法，结合数学模型，来预测建筑的能耗，但该方法忽略了建筑不同区域的耗能特点，往往预测结果也不够准确。

发明内容

本发明的目的在于，为解决现有的建筑能耗预测方法存在上述缺陷，本发明提出了一种用于建筑能耗的复合预测方法，解决了现有的预测方法存在的过于复杂、准确度不高的问题；在充分利用现有的预测技术的前提下，能够大幅度提供整体建筑能耗预测的准确性、有效性和可靠性。

为了实现上述目的，本发明提供了一种用于建筑能耗的复合预测方法，该方法具体包括：

获取待测建筑物的建筑类型信息，按照区域功能，将建筑物划分为多个功能区域，将每个功能区域产生的能耗数据作为输入数据，输入至预先建立的建筑能耗预测采集模型，计算该功能区域的建筑能耗的预测值，然后汇总各个功能区域的建筑能耗的预测值，形成整个建筑的总体建筑能耗的预测结果。

作为上述方法的改进之一，预先建立的建筑能耗预测采集模型具体包括：

获取当地的气候历史数据、建筑物能耗历史数据、暖通系统历史信息、室内人员历史数据、耗能设备历史信息，根据时间对上述数据进行分组，并对数据进行归一化处理，建立建筑能耗预测采集模型。其中，所述当地的气候历史数据包括：室内外温度、室内外湿度、供冷季时长和供暖季时长。

所述建筑能耗预测采集模型包括：

照明使用时间与公共照明的电能耗的预测值之间的一次线性函数F₁(t1)；

空调使用时间、公共区域的人流量、天气与公共空调的电能耗的预测值之间的关系F2(t2，f1，w)，即F2(t2，f1，w)＝LSTM(t2，f1，w)；其中，LSTM(t2，f1，w)为公共空调的电能耗的LSTM模型，该模型的输入单元为：空调使用时间、公共区域的人流量和天气，输出为公共空调的电能耗的预测值；

公共区域的人流量与公共电源的电能耗的预测值之间的一次线性函数F3(f1)；

照明使用时间与公共通风的电能耗的预测值之间的一次线性函数F4(t1)；

办公使用时间与办公照明的电能耗的预测值之间的一次线性函数F5(t3)；

办公使用时间、办公区域的人流量、天气与办公空调的电能耗的预测值之间的函数F6(t3，f2，w)，即F6(t3，f2，w)＝LSTM(t3，f2，w)；其中，LSTM(t3，f2，w)为办公空调的电能耗的LSTM模型，该模型的输入单元为：办公使用时间、办公区域的人流量和天气，输出为办公空调的电能耗的预测值；