[發明專利]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

• 申請號: 202011091332.7
• 申請日: 2020-10-13
• 公開（公告）號: CN112182720B
• 公開（公告）日: 2023-07-28
• 發明（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

本申請涉及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。所述方法首先建立了建筑能耗模型，結合建筑能源應用場景，建立多維綜合評價模型，根據評價模型對建筑能耗模型在某建筑多年歷史能耗數據中分別在不同時期的能耗預測性能進行評價，得到建筑能耗模型的綜合評價結果，按照綜合評價結果確定最終部署模型。本申請還提出了基于該方法所實現的建筑能耗模型評價系統，為建筑能耗管理人員選用合適的建筑能耗模型提供指導。針對特定的建筑能源應用場景，通過對設定的評價任務按照所述方法進行綜合評價，選擇最佳性能的建筑能耗模型進行部署，以指導綠色建筑能源管理運行策略制定與實施，達到綠色建筑能源系統運行高效節能的目的。

技術領域

本申請涉及建筑能耗技術領域，尤其是涉及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。

背景技術

目前建筑能耗建模及預測在綠色建筑管理，特別是建筑能源管理方面發揮著重要的作用。傳統建筑能耗模型包括物理模型和統計模型，隨著智能電表（用電分項計量系統）和傳感器（樓宇自控系統）在建筑中的大規模應用，建筑能耗及環境數據的可獲取性大大提高，數據驅動的建模方法（機器學習方法）在建筑能耗建模與預測領域的應用日益增多。因而建筑能耗模型性能評價的重要性日益凸顯。

基于數據驅動的機器學習方法目前已經在建筑能耗建模中得到應用，能耗預測涉及機器學習模型在實際建筑歷史能耗數據集上的訓練、評價和部署。但是由于機器學習模型穩定性問題，同一模型在不同訓練集上的表現可能不同，對于建筑能耗而言，由于運行規律和能耗影響因素的變化，能耗水平變化規律存在年度和季節性差異，基于單一訓練集得出的模型不能滿足實際應用需求。

此外，由于機器學習模型建模方法眾多，建筑能源管理人員目前在實際建筑能耗分析中，對于模型的選擇缺乏明確的標準和全面的評價方法?，F有針對建筑能耗模型的性能評價方法，主要集中在對模型準確性方面的評價，針對過渡季建筑能耗預測中機器學習模型訓練集的選取方法不恰當、對建筑能耗模型的評價基于當年預測表現，無法體現建筑能耗數據不同年份的波動對模型穩定性的影響，導致模型性能不佳、對于建筑能耗模型的應用場景、建模所依托的歷史能耗特征等涉及較少，且缺乏系統工具對不同應用場景下的建模任務所形成的多個模型進行全面、分層次、多角度的性能評價。

發明內容

為了便于對不同應用場景下的建筑能耗模型進行全面、分層次、多角度的綜合評價，得到穩定地建筑能耗模型，以指導建筑能源管理運行策略制定與實施，達到建筑能源系統運行高效節能的目的，本申請提供了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。

第一方面，本申請提供了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，采用如下的技術方案：

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，包括：

S1，獲取建筑歷史能耗數據，所述建筑歷史能耗數據包括實測歷史能耗數據和實測歷史氣象數據；

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。

通過采用上述技術方案,?所述評價方法為建筑能耗分析人員針對建模所面對的實際應用場景和數據集，選用合適的建筑能耗模型提供指導，針對某建筑的特定應用場景，通過對設定的評價任務性能按照所述建筑能耗模型評價方法進行綜合評價，從中選擇最佳性能的建筑能耗模型進行部署，以指導綠色建筑能源管理運行策略制定與實施，達到綠色建筑能源系統運行高效節能的目的。

進一步地，所述建筑能耗模型的建立過程包括：