[发明专利]一种基于GBDT的LightGBM模型的冷、热负荷预测方法

权利要求书

1.一种基于GBDT的LightGBM模型的冷、热负荷预测方法，其特征在于，包括：

步骤1：获取若干个建筑案例；

步骤2：将所述建筑案例通过第一模型生成模型数据；所述模型数据包括：特征变量数据和冷、热负荷数据；

步骤3：将模型数据进行预处理，拆分训练集和测试集，基于LightGBM模型对所述训练集进行训练建模，以训练生成冷、热负荷预测模型；

步骤4：采用测试集的数据对所述冷、热负荷预测模型进行测试；

步骤5：将测试通过的所述冷、热负荷预测模型保存；

步骤6：获取待预测的建筑案例，通过所述第一模型生成待测模型数据；

步骤7：调用测试通过的所述冷、热负荷预测模型对待测模型数据进行预测，获取预测结果。

2.如权利要求1所述的预测方法，其特征在于，所述第一模型为energyplus模型。

3.如权利要求1所述的预测方法，其特征在于，步骤3：基于LightGBM模型对所述训练集进行训练建模，以训练生成冷、热负荷预测模型；包括：

基于LightGBM模型采用五折交叉验证方法对所述训练集进行训练建模，以训练生成冷、热负荷预测模型。

4.如权利要求1所述的预测方法，其特征在于，步骤4：采用测试集的数据对所述冷、热负荷预测模型进行测试；包括：

当均方差误差小于第一预设值且相关系数的绝对值大于第二预设值时，所述冷、热负荷预测模型测试通过。

5.如权利要求1所述的预测方案，其特征在于，所述特征变量包括：与建筑自身属性相关的变量和与外部天气参数相关的变量。

6.如权利要求1所述的预测方案，其特征在于，步骤2：将所述建筑案例通过第一模型生成模型数据；所述模型数据包括：特征变量数据和冷、热负荷数据；包括：

步骤21：将建筑案例生成输入变量采样值；

步骤22：批量读取变量值，根据建筑外形数据生成几何模型；

步骤23：将几何模型添加建筑模型基准文件，生成模型文件；

步骤24：调用第一模型对所述模型文件进行计算，获得模型数据。

7.如权利要求1所述的预测方案，其特征在于，步骤5：将测试通过的所述冷、热负荷预测模型保存；包括：

使用python的sklearn库中的joblib模块，将所述冷、热负荷预测模型保存下来，并分别命名。

8.如权利要求1所述的预测方案，其特征在于，所述将模型数据进行预处理，拆分训练集和测试集；具体为：将所述模型数据通过python的Pandas库导入，然后进行预处理，拆分训练集和测试集。

9.如权利要求1所述的预测方案，其特征在于，所述基于LightGBM模型采用五折交叉验证方法对所述训练集进行训练建模，以训练生成冷、热负荷预测模型，具体为：

调整LightGBM模型的超参数；

将训练集分成五份，以循环的方式；利用其中任意四份进行训练，另一份验证训练结果，获得所述冷、热负荷预测模型；所述冷、热负荷预测模型包括：五个训练模型。