[發明專利]基于樓宇總能耗的末端空間能耗預測方法、介質及設備

在審

• 申請號: 202011176687.6
• 申請日: 2020-10-28
• 公開（公告）號: CN112434787A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 董小社;何欣瑞;陳維多;王強;董凡;陳衡;余星達
• 申請（專利權）人: 西安交通大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06Q10/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.基于樓宇總能耗的末端空間能耗預測方法，其特征在于，包括以下步驟：

S1、建立末端空間能耗預測模型；

S2、采集樣本數據并進行預處理；

S3、對t時刻樣本，將步驟S2預處理后的N個末端空間在t時刻及前τ個時間步上的樣本數據依次送入步驟S1建立的末端空間能耗預測模型中，模型通過N次前向計算得到t時刻N個末端空間能耗預測值，利用所有末端空間能耗值之和等于樓宇總能耗的規律，在訓練中將預測得到各末端空間能耗相加，與樓宇實際能耗比較計算損失函數，通過梯度下降法反向傳播誤差調整末端空間能耗預測模型參數；

S4、在所有時刻樣本數據上重復步驟S3的訓練過程直至模型收斂到預測精度，完成末端空間能耗預測模型的訓練；

S5、使用步驟S4得到的末端空間能耗預測模型，通過樓宇暖通系統運作過程中各末端設備控制器參數、溫濕度傳感器、互聯網天氣信息、人流密度、電器及照明設備功率和房屋結構參數，對末端空間產生的能耗進行預測。

2.根據權利要求1所述的方法，其特征在于，步驟S1中，采用LSTM網絡建立末端空間能耗預測模型，LSTM層包括記憶單元c_t、輸入門i_t、輸出門o_t和遺忘門f_t；記憶單元c_t用于記憶任意時間間隔內的狀態值；門用于管理和確定信息流是否需要進出單元，用于選擇并拒絕通過網絡傳遞的信息；輸入門i_t確定添加到單元狀態中的新信息數量；遺忘門f_t確定從單元狀態中丟棄的信息；輸出門o_t選擇需被當成當前狀態的輸出信息；用經過輸入門i_t和遺忘門f_t篩選后的輸入信息更新記憶單元狀態，將輸出門o_t與通過tanh激活函數后的記憶單元c_t相乘以形成網絡最終輸出。

3.根據權利要求1所述的方法，其特征在于，步驟S2中，樣本數據來自樓宇系統運作過程中各末端設備控制器數據、傳感器數據、互聯網天氣數據、各類設備的實測數據及房屋結構參數，預處理包括殘缺補齊，異常值處理，類型轉換和歸一化處理，將末端空間抽象成外墻面積、外墻傳熱系數、窗墻面積比以及空間體積四個可以表現末端空間結構特征的房屋結構變量；通過將末端空間抽象成可量化變量，使不同末端空間樣本數據均可用于模型的訓練。

4.根據權利要求1所述的方法，其特征在于，步驟S3中，模型在t時刻反向梯度更新時對各參數總誤差為預測所需時間步長內各時刻誤差之和，具體如下：

其中，為t時刻各項參數的誤差，τ為預測所需時間步長。

5.根據權利要求4所述的方法，其特征在于，則t時刻的各項參數的梯度更新為來自N個末端空間預測誤差的均值，計算如下：

其中，Loss為網絡反向傳播的誤差值，用p表示輸入門、遺忘門、輸出門和記憶狀態，W_p,t、U_p,t為t時刻LSTM網絡權重矩陣，N表示有N個末端空間樣本數據參與模型訓練，為t時刻LSTM網絡輸入門、遺忘門、輸出門和記憶狀態輸出值，b_p,t為t時刻LSTM網絡輸入門、遺忘門、輸出門和記憶狀態偏置項。

6.根據權利要求5所述的方法，其特征在于，網絡反向傳播的誤差值Loss用樓宇總能耗預測值E_p與樓宇實際能耗E_r計算損失函數L得到，具體為：

Loss＝L(E_r，E_p)。

7.根據權利要求1所述的方法，其特征在于，步驟S3中，通過各末端空間能耗預測值間接得到樓宇總能耗預測值E_p如下：

其中，a_n表示不同末端空間預測得到能耗，n用于區分不同的區域，n＝1,2,...,N。