[发明专利]一种用于建筑能耗管理的分析预测方法及系统

权利要求书

1.一种用于建筑能耗管理的分析预测方法，其特征在于，其步骤包括：

S1、通过设备监控系统获取各城市建筑物有效的实测数据；

S2、通过数据采集模块对建筑能源的消耗情况进行数据信息的采集；

S3、通过云环境下的大数据资源实现对能源数据信息的高性能计算与大容量存储；

S4、对建筑能源历史数据进行分析，并根据能耗实时数据来进行能耗预测，预测下一期的能源消耗情况。

2.根据权利要求1所述的用于建筑能耗管理的分析预测方法，其特征在于：所述步骤S4中，能耗预测的流程如下：

A、选取能耗样本历史数据，并对其进行数据预处理准备，构建训练样本集与测试样本集；

B、选取合适的支持向量回归机SVR类型、核函数及相关的参数；

C、利用训练样本建立目标函数，寻找最优分类面；

D、根据求得的参数构建预测模型，用测试样本预测未来时刻的预测值。

3.根据权利要求2所述的用于建筑能耗管理的分析预测方法，其特征在于：所述步骤D中，预测模型的构建步骤为：

D1、能耗数据输入与输出的确定：利用支持向量机SVM模型选取训练样本集与测试样本集，选取数据库中存储的原始数据，构建支持向量回归机SVR的输入与输出；

D2、能源数据的预处理：对原始数据进行归一化处理；

D3、支持向量回归机SVR模型参数的选取：根据要求选取合适的参数取值进行样本数据的训练；

D4、支持向量回归机SVR预测模型函数的确定：得到最终的f(x)函数表达式。

4.根据权利要求3所述的用于建筑能耗管理的分析预测方法，其特征在于：所述步骤D1中，样本的数据来源于监控平台实时采集获取的数据，包括日期、建筑物高度、面积、电能耗数据。

5.根据权利要求3所述的用于建筑能耗管理的分析预测方法，其特征在于：所述步骤D4中，假设各种建筑能耗影响因素x₁,x₂,…,x_n，根据支持向量机模型预测的基本思想，其映射到一个高维特征空间下的表达形式为：支持向量回归机SVR的回归函数表达式为

其中，为非线性映射函数，w与b表示模型中待辨识的参数；

基于结构风险最小化原则，对公式(1)中需辨识的参数按照下式进行处理：

其中，R(w)为经验风险，||w||²为置信风险，C(e_i)为损失函数；

依据SVR原则，对上述(2)式的求解其本质上是对公式(3)的优化：

其中，公式中C为惩罚参数，ξ_i，ξ_i^*为松弛变量，ε为回归函数精度参数；

根据Mercer条件，选取高斯径向基核函数作为模型的核函数，其核函数为：

为了便于求解，通常将公式(3)转化为对偶问题，便可得到支持向量回归函数，即：

于是，将上式(4)直接代入(5)式中，经等价变换便可得到：

实际上，求解上式回归函数f(x)归结于求解a_i与a_i^*。

6.根据权利要求5所述的用于建筑能耗管理的分析预测方法，其特征在于：所述回归函数f(x)的求解，使用归一化的方式处理可加快算法的收敛速度与提高预测的准确性，如下：

其中，x_i(i＝0,1,…,n)为各项指标数据，x_max，x_min分别表示各项指标数据中的最大值与最小值。