[發明專利]一種基于GBDT的LightGBM模型的冷、熱負荷預測方法

在審

• 申請號: 201911151057.0
• 申請日: 2019-11-21
• 公開（公告）號: CN111062517A
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 唐繼旭;馮毅;許鵬;朱國皓;徐櫟亞;李和穎;陳智博;陳永保
• 申請（專利權）人: 上海航天智慧能源技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N20/00
• 代理公司: 上海世圓知識產權代理有限公司 31320
• 代理人: 陳穎潔;王佳妮

1.一種基于GBDT的LightGBM模型的冷、熱負荷預測方法，其特征在于，包括：

步驟1：獲取若干個建筑案例；

步驟2：將所述建筑案例通過第一模型生成模型數據；所述模型數據包括：特征變量數據和冷、熱負荷數據；

步驟3：將模型數據進行預處理，拆分訓練集和測試集，基于LightGBM模型對所述訓練集進行訓練建模，以訓練生成冷、熱負荷預測模型；

步驟4：采用測試集的數據對所述冷、熱負荷預測模型進行測試；

步驟5：將測試通過的所述冷、熱負荷預測模型保存；

步驟6：獲取待預測的建筑案例，通過所述第一模型生成待測模型數據；

步驟7：調用測試通過的所述冷、熱負荷預測模型對待測模型數據進行預測，獲取預測結果。

2.如權利要求1所述的預測方法，其特征在于，所述第一模型為energyplus模型。

3.如權利要求1所述的預測方法，其特征在于，步驟3：基于LightGBM模型對所述訓練集進行訓練建模，以訓練生成冷、熱負荷預測模型；包括：

基于LightGBM模型采用五折交叉驗證方法對所述訓練集進行訓練建模，以訓練生成冷、熱負荷預測模型。

4.如權利要求1所述的預測方法，其特征在于，步驟4：采用測試集的數據對所述冷、熱負荷預測模型進行測試；包括：

當均方差誤差小于第一預設值且相關系數的絕對值大于第二預設值時，所述冷、熱負荷預測模型測試通過。

5.如權利要求1所述的預測方案，其特征在于，所述特征變量包括：與建筑自身屬性相關的變量和與外部天氣參數相關的變量。

6.如權利要求1所述的預測方案，其特征在于，步驟2：將所述建筑案例通過第一模型生成模型數據；所述模型數據包括：特征變量數據和冷、熱負荷數據；包括：

步驟21：將建筑案例生成輸入變量采樣值；

步驟22：批量讀取變量值，根據建筑外形數據生成幾何模型；

步驟23：將幾何模型添加建筑模型基準文件，生成模型文件；

步驟24：調用第一模型對所述模型文件進行計算，獲得模型數據。

7.如權利要求1所述的預測方案，其特征在于，步驟5：將測試通過的所述冷、熱負荷預測模型保存；包括：

使用python的sklearn庫中的joblib模塊，將所述冷、熱負荷預測模型保存下來，并分別命名。

8.如權利要求1所述的預測方案，其特征在于，所述將模型數據進行預處理，拆分訓練集和測試集；具體為：將所述模型數據通過python的Pandas庫導入，然后進行預處理，拆分訓練集和測試集。

9.如權利要求1所述的預測方案，其特征在于，所述基于LightGBM模型采用五折交叉驗證方法對所述訓練集進行訓練建模，以訓練生成冷、熱負荷預測模型，具體為：

調整LightGBM模型的超參數；

將訓練集分成五份，以循環的方式；利用其中任意四份進行訓練，另一份驗證訓練結果，獲得所述冷、熱負荷預測模型；所述冷、熱負荷預測模型包括：五個訓練模型。