[发明专利]一种用于建筑能耗管理的分析预测方法及系统

说明书

本发明涉及能源管理技术领域，尤其涉及一种用于建筑能耗管理的分析预测方法及系统，其不同之处在于,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。本发明能够预测建筑能源的消耗情况，减少能源浪费，同时优化了建筑物运行过程中的能源消耗。

技术领域

本发明涉及能源管理技术领域，尤其涉及一种用于建筑能耗管理的分析预测方法及系统。

背景技术

随着我国建筑行业的发展，建筑物在城市中的数量与日俱增，其样式与风格也越来越多样化。建筑楼层不仅缓解了人口增长与建设用地供应不足的问题，而且作为衡量一个城市发展水平的重要指标。建筑楼宇的大量涌现，其运行过程中也伴随着各种能源的消耗。目前，建筑能耗资源的浪费十分严峻，主要包括建筑规划的不合理性与设备安装的不恰当性。

鉴于此，为克服上述技术缺陷，提供一种用于建筑能耗管理的分析预测方法及系统成为本领域亟待解决的问题。

发明内容

本发明的目的在于克服现有技术的缺点，提供一种用于建筑能耗管理的分析预测方法及系统，能够预测建筑能源的消耗情况，减少能源浪费，同时优化了建筑物运行过程中的能源消耗。

为解决以上技术问题，本发明的技术方案为：一种用于建筑能耗管理的分析预测方法，其不同之处在于，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。

按以上技术方案，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。

按以上技术方案，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。

按以上技术方案，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。

按以上技术方案，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