[发明专利]一种基于机器学习的建筑碳排放动态寻优管控系统及方法

说明书

本发明公开一种基于机器学习的建筑碳排放动态寻优管控系统及方法，包括建筑碳排放动态调控系统和建筑碳排放动态管理系统；所述建筑碳排放动态调控系统包括建筑监测模块、能源资源预测模块、碳排放定额计算模块、当前碳排放计算模块、碳排放调控模块；所述建筑碳排放动态管理系统包括建筑运营期碳排放计算模块、建筑固有碳计算模块、建筑低碳性能评价模块；本发明可根据当天或一段时间建筑运营信息与能源资源消耗数据得到即时动态的建筑能源资源模型，进而得到动态的碳排放定额和影响要素，针对性的调控影响碳排放的主要对象，直到建筑运营碳排放达到允许条件下最优，可减少建筑运营期的碳排放。

技术领域

本发明涉及建筑碳排放定额与管控领域，具体是一种基于机器学习的建筑碳排放动态寻优管控系统及方法。

背景技术

针对性解决建筑能源消耗量大、碳排放量高等问题，依托信息化技术，利用大数据汇集与分析预测的优势，提升建筑用能效率、精细化建筑用能分析、优化建筑运营维护、降低建筑碳排放量，将是有利于科技提升建筑业发展水平，促进建筑业节能减排增效的关键发展方向。

但是目前在控制建筑碳排放方面存在以下不足：一是能耗限额的调控局限性，往往根据年能耗数据进行年度对标，时间周期过长，无法及时知晓建筑能耗现状，更不能对相关耗能行为进行及时碳排放管控；二是碳排放包括能源与资源的碳排放，却较少有方法将资源纳入管控范围；三是碳排放影响因素的不确定性，每个建筑特征不同，影响碳排放的因素权重也不尽相同，导致调控对象无从确定，降低了碳排放管控效率，如何寻找碳排放影响要素，进行及时且具有针对性的调控，也是一个重要问题。

近年机器学习技术在建筑能耗预测领域取得长足发展，利用机器学习算法的优势，可根据不同且持续更新的数据来源进行快速建模分析，获得自变量与因变量相关模型并知晓影响要素，将为建筑碳排放管控提供优良的技术支持。

因此，为解决建筑碳排放限额不灵活、范围不全面、影响因素不详细、调控对象不精确、调控效果反馈不及时等问题，构建一套基于机器学习的建筑碳排放动态定额、对标后反馈调控、降低碳排放、寻找最优碳排放效果的建筑碳排放管控系统与方法具有较好的实用意义。

发明内容

本发明的目的是提供一种基于机器学习的建筑碳排放动态寻优管控系统，包括建筑碳排放动态调控系统；

所述建筑碳排放动态调控系统包括建筑监测模块、能源资源预测模块、碳排放定额计算模块、当前碳排放计算模块、碳排放调控模块；

所述建筑监测模块用于采集建筑运营信息与能源资源消耗数据，并输入到能源资源预测模块和当前碳排放计算模块中；

所述能源资源预测模块存储有基于机器学习算法构建的能源预测模型和资源预测模型；

根据建筑运营信息与能源资源消耗数据，所述能源预测模型向碳排放定额计算模块输出能源预测数据，所述资源预测模型向碳排放定额计算模块输出资源预测数据；

根据建筑运营信息与能源消耗数据，形成所述能源预测模型，模型得到当前能源消耗的影响因素，并传输至碳排放调控模块；

根据建筑运营信息与资源消耗数据，形成所述资源预测模型，模型得到当前资源消耗的影响因素，并传输至碳排放调控模块；

所述碳排放定额计算模块根据碳排放因子将能源预测数据、资源预测数据转换为碳排放预测数据，然后根据碳排放预测数据计算得到建筑的小时碳排放定额，并传输至碳排放调控模块；

所述当前碳排放计算模块根据碳排放因子将能源资源消耗数据转换为小时运营碳排放数据，并传输至碳排放调控模块；

所述碳排放调控模块对小时运营碳排放数据和小时碳排放定额进行比较，若小时运营碳排放数据大于小时碳排放定额，则碳排放调控模块根据当前能源消耗的影响因素、当前资源消耗的影响因素进行能源、资源的系统调控，并控制建筑监测模块继续工作。