[发明专利]一种基于居住用户活动模式的住宅能耗预测方法

说明书

本发明公开一种基于居住用户活动模式的住宅能耗预测方法，包括活动行为和能源消耗模式的识别和分类以及基于居住活动模式进行建筑能耗预测两个步骤，其中活动行为和能源消耗模式的识别和分类提取居住活动数据集和住宅能耗数据集的共同特征社会经济特征，分别针对居住活动数据集和住宅能耗数据集的社会经济特征进行聚类，得到相应的簇、人群之间的对应关系；然后对相应簇中的活动模式与建筑能耗模式进行分析、挖掘互动模式与建筑能耗模式之间的映射；然后通过分类识别出居住用户所属的活动行为模式和能源消耗模式类别；基于居住活动模式进行建筑能耗预测先进行住宅类型的模拟、然后活动模式和住宅类型，再融合气象数据特征，基于工程计算方法进行建筑能耗预测。

技术领域

本发明涉及一种住宅能耗预测方法，具体是一种基于居住用户活动模式的住宅能耗预测方法，属于能耗预测应用技术领域。

背景技术

我国的建筑能耗占全球建筑总能耗的16.2％，仅次于美国，位居全球第二，建筑能耗又大约占国内社会总能耗的30％。建筑能耗因受建筑物结构，室外环境和居住者行为等多种因素的影响，对建筑能耗预测具有一定的难度，在高估的情况下，建设和维护成本不仅会显着增加，而在在低估的情况下，系统可能无法提供足够的能量来满足居民的舒适要求。目前对建筑能耗的预测，通常有以下两种方法：

基于工程的物理建模方法：基于流体力学和传热定律获得室内温度分布的动态，利用热力学第一定律计算建筑物内每个围护结构表面的热工参数和空气状况参数，同时考虑居住者行为，对建筑能耗进行仿真模拟。常用的有DOE-2、Energy Plus、BLAST和ESP-r等建筑能耗模拟软件。

数据驱动的机器学习方法：基于机器学习的方法可利用自变量同因变量间的关系建立预测模型进行预测，利用神经网络、支持向量机、随机森林等机器学习方法建立模型并进行能耗预测。

通过对研究现状的分析，发现存在以下问题：

1.针对一个具体的建筑物，对建筑能耗进行精准预测，需要建筑物结构数据集、居住行为数据集、气象数据集、建筑能耗数据集等，但这些数据集可能分别由多个不同的提供商提供，这些数据从不同的角度提供与建筑能耗相关的信息，单单依靠某一数据集，其所提供的信息却远远不足。因此在对建筑能耗分析和预测的研究中，需要对大规模群体行为的多源数据集进行深度分析和挖掘，通过映射、融合等方法从多个数据集中学习并挖掘所需要的知识；

2面向大规模群体行为的居住用户，需要进行模式识别，识别相应的活动行为模式、能源消耗行为模式，挖掘出它们之间的关系；

3.在对建筑能耗预测的相关研究中，或者根据建筑物结构利用流体力学和传热定律计算能耗，或者只是与建筑能耗相关的部分特征利用机器学习进行回归预测。缺乏综合考虑基于社会经济学特征(年龄、工作、教育、收入、家庭人数)，居住用户的个性化活动行为模式，及其对建筑能耗的影响以及预测的相关研究。

发明内容

针对现有技术的缺陷，本发明提供一种基于居住用户活动模式的住宅能耗预测方法，面向大规模群体行为的居住用户，通过对多源数据集的分析，提取居住用户的社会经济特征、活动行为特征、能源消耗行为特征、建筑物理结构特征，进行数据融合和挖掘，并进行建筑能耗的预测。