[发明专利]一种建筑运行能耗预测方法

权利要求书

1.一种建筑运行能耗预测方法，其特征在于，包括以下步骤：

S1、采集办公建筑的运行能耗数据并进行预处理；

S2、对预处理后的办公建筑运行能耗数据进行特征分析，统一量纲为千克标准煤的形式，得到办公建筑运行能耗的时间序列；

S3、利用C-C相关估计法对办公建筑运行能耗的时间序列进行相空间重构；

S4、利用最大lyapunov指数判断步骤S3重构后的办公建筑运行能耗时间序列是否具备混沌特性；

S5、利用Chaos-SVR神经网络对步骤S4中具备混沌特性的办公建筑运行能耗时间序列进行短期能耗预测；

S6、利用Chaos-SVR神经网络划分步骤S5预测结果的误差区间，构建Markov概率转移矩阵；

S7、对步骤S6的Markov概率转移矩阵进行Markov链误差修正，得到预测值对办公建筑的运行能耗进行预测。

2.根据权利要求1所述的建筑运行能耗预测方法，其特征在于，步骤S1中，预处理具体为：将办公建筑运行能耗数据划分为水耗量、电耗量、燃气量、集中供冷/热量和其它能源使用量。

3.根据权利要求1所述的建筑运行能耗预测方法，其特征在于，步骤S3中，通过办公建筑运行能耗逐时序列的关联积分构成统计量，通过统计量和延迟时间的关系图计算延迟时间τ和最佳窗宽τ_w，根据τ_ω＝(m-1)τ求出嵌入维数，得到重构后的相空间。

4.根据权利要求1所述的建筑运行能耗预测方法，其特征在于，步骤S4中，利用小数据量法求取最大Lyapunov指数，具体为：首先计算平均周期、延迟时间和嵌入维数，然后进行相空间重构，找出最临近点，限制短暂分离，测量平均分离后，用最小二乘法进行直线拟合，当最大Lyapunov指数值为正值时，出办公建筑总能耗量时间序列具有混沌特性。

5.根据权利要求1所述的建筑运行能耗预测方法，其特征在于，步骤S5中，运用混沌理论构造非线性映射，利用相空间重构技术将原始时间序列数据所隐含的信息进行还原重构，作为SVR模型的输入进行非线性训练和预测。

6.根据权利要求5所述的建筑运行能耗预测方法，其特征在于，具体为：

S501、构建预测模型结构，包括输入向量、支持向量的非线性变化和输出；

S502、利用支持向量机中的ε不敏感损失函数得到ε-SVR模型，采用高斯径向基函数f(x_i,x)＝exp(-γ||x_i-x||²)作为ε-SVR的核，采用遗传算法优化惩罚因子C和核函数参数γ；

S503、进行网络循环学习，修正SVR的输出及权值，直到误差控制在允许范围或迭代次数达到上限，训练结束；

S504、取样本前n个数据之后连续的Q个数据点作为预测数据，对模型进行预测，网络的输出值即为预测值，将预测值进行相应的反归一化处理，得到预测的实际值。

7.根据权利要求1所述的建筑运行能耗预测方法，其特征在于，步骤S6具体为：

S601、分别用E₁,E₂,...,E_m表示误差状态区间，状态转移只在t₁,t₂,...,t_m可数时刻发生，定义误差均值X和标准差S，根据中心极限原理，将误差状态区间划分为5组，即

S602、Markov链由状态E_i经过k步转移到状态E_j的转移概率用表示，根据一步状态转移概率矩阵计算k步的状态转移概率矩阵；

S603、设初始向量为P⁽⁰⁾，经k步转移后的状态向量判断k步所处的状态空间；

S604、根据步骤S602所得概率转移矩阵和步骤S603所得状态向量，得出误差修正后的值。