[發(fā)明專利]一種基于建筑能源管理應用場景的建筑能耗模型評價方法

有效

• 申請?zhí)枺?/td>: 202011091332.7
• 申請日: 2020-10-13
• 公開（公告）號: CN112182720B
• 公開（公告）日: 2023-07-28
• 發(fā)明（設計）人: 顧中煊;王江華;羅淑湘
• 申請（專利權）人: 北京建筑技術發(fā)展有限責任公司
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06Q10/0639;G06Q10/04;G06F16/21;G06F119/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于建筑能源管理應用場景的建筑能耗模型評價方法，其特征在于，包括：

S1，獲取建筑歷史能耗數(shù)據(jù)，所述建筑歷史能耗數(shù)據(jù)包括實測歷史能耗數(shù)據(jù)和實測歷史氣象數(shù)據(jù)；

S2，采用機器學習方法建立建筑能耗模型，在所述建筑能耗模型中進行特征變量的設定和模型算法的設定；

S3，將所述建筑能耗模型中特征變量的選取和模型算法的選擇配置進行耦合，形成評價任務；

S4，根據(jù)建筑能耗模型并結合建筑能源管理應用場景，建立針對建筑能耗模型性能的多維綜合評價模型；

S5，根據(jù)評價任務，采用多維綜合評價模型對建筑能耗模型的預測性能進行綜合評價；

所述建筑能耗模型的建立包括：

S21，對實測歷史能耗數(shù)據(jù)、實測歷史氣象數(shù)據(jù)進行數(shù)據(jù)預處理，構成數(shù)據(jù)集；所述數(shù)據(jù)預處理包括：數(shù)據(jù)異常值的剔除和將監(jiān)測頻率小于1小時的監(jiān)測數(shù)據(jù)轉化為小時顆粒度數(shù)據(jù)；

S22，將數(shù)據(jù)集分為訓練集和測試集；

S23，特征變量設定：包括特征選擇、特征提取和/或特征構建；

所述特征變量包括氣象特征變量和時間特征變量；

所述特征選擇指從氣象特征變量中選擇特征變量；所述特征提取指從時間特征變量中進行標簽特征提取；所述特征構建指將時間特征變量t轉換為sin(ωt)，其中ω表示時間周期；

S24，模型算法設定：選擇模型算法，所述模型算法為機器學習方法，并設定相應的超參數(shù)，生成建筑能耗模型，從歷史能耗數(shù)據(jù)中選取過去5年的數(shù)據(jù)，分別基于線性回歸算法、支持向量機算法SVM、人工神經(jīng)網(wǎng)絡算法ANN和隨機森林算法RF搭建4個模型，并對這4個模型中的超參數(shù)進行配置，生成4個待測建筑能耗模型；

S25，模型預測：采用設定的模型算法和超參數(shù)，在所述訓練集上對生成的建筑能耗模型進行擬合，并用擬合好的建筑能耗模型在所述測試集上進行預測；

步驟S4所述多維綜合評價模型為層次化多維綜合評價模型，依次包括目標層、準則層和度量層，各層中設有逐層細化的指標；所述目標層的指標為建筑能耗模型性能的綜合評價結果；所述準則層的指標為一級指標；所述度量層的度量指標為二級指標；所述目標層、準則層和度量層的指標分類存放于度量指標庫中；

步驟S5具體為：

S51，根據(jù)評價任務，從度量指標庫中選取所需的度量指標；

S52，計算并設置選取的度量指標的權重；

S53，對實測得到的度量指標值進行歸一化處理，并對各度量指標值進行加權求和，得到所述建筑能耗模型預測性能的綜合評價結果；

S54，根據(jù)綜合評價結果，給出適用于建筑能源管理應用場景的建筑能耗模型的最優(yōu)推薦排序。

2.根據(jù)權利要求1所述的基于建筑能源管理應用場景的建筑能耗模型評價方法，其特征在于，所述準則層的指標包括：準確性、高效性、穩(wěn)定性、易用性和可解釋性。

3.根據(jù)權利要求2所述的基于建筑能源管理應用場景的建筑能耗模型評價方法，其特征在于，所述度量層的度量指標包括：

準確性指標，包括：決定系數(shù)R2、平均絕對百分比誤差MAPE、平均絕對誤差MAE、均方誤差MSE或平方根誤差RMSE、均方對數(shù)誤差MSLE；

高效性指標，包括：時間性能、資源消耗；

穩(wěn)定性指標，包括：穩(wěn)定性；

易用性指標，包括：特征變量個數(shù)、建筑能耗模型參數(shù)個數(shù)、建筑能耗模型深度；

可解釋性指標，包括：可解釋性。