[發明專利]一種基于SBO優化CNN的高層住宅建筑群熱負荷預測方法及系統

在審

• 申請號: 202110302870.4
• 申請日: 2021-03-22
• 公開（公告）號: CN112926795A
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 趙安軍;席江濤;于軍琪;米璐
• 申請（專利權）人: 西安建筑科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

本發明公開了一種基于SBO優化CNN的高層住宅建筑群熱負荷預測方法及系統，基于高層住宅建筑群將室外干球溫度、相對濕度、風速、建筑體形系數、建筑高度和窗墻面積比6個影響因素作為預測模型輸入，采用Lasso回歸模型篩選出顯著相關的輸入變量。然后使用卷積神經網絡構建預測模型，利用SBO迭代生成的最優個體對CNN卷積層過濾器數量和Dropout層概率進行優化，進而提高CNN模型的預測精度。本發明可直接用于住宅建筑群的熱負荷預測，使得節約預測成本、提高預測精度以優化室內舒適度和能源節約；滿足小區級換熱站及輸配管網按需供熱調控需要，實現對區域供暖系統的節能優化控制，同時也能夠協助建筑設計師基于預測熱負荷對建筑結構進行優化以及節能改造。

技術領域

本發明屬于住宅建筑熱負荷預測技術領域，具體涉及一種基于SBO優化CNN的高層住宅建筑群熱負荷預測方法及系統。

背景技術

由于人口的增多和土地資源的不可再生，我國大中城市住宅小區通常選擇高層建筑，高層住宅建筑群通風好、采光條件優越?，F階段區域供暖系統的控制大多處于數據采集和局部PID控制階段，忽略了系統的整體性，造成運行效率低，能源嚴重浪費；通過人工調節二次網，由于熱網的水力耦合作用，難以實現二次網的水力平衡。人們無論是工作還是生活停留在室內的時間占比高達80％以上，同時人們對舒適度有著比較高的要求，因此在滿足使用者舒適度的同時供熱節能對降低建筑能耗具有十分重要的作用。區域供暖系統中換熱站應當根據各個建筑實際熱需求按需供熱，供熱負荷的精確預測是制定區域供熱系統運行策略的關鍵；同時建筑設計師也可以根據設計建筑進行熱負荷預測，利用預測結果對建筑結構、環境和經濟進行優化以達到更重要的節能目的，因此對建筑進行精確的熱負荷預測研究具有非常重要的實際意義。

國內外學者對熱負荷預測的研究，大都僅將氣象參數作為模型輸入，沒有考慮建筑體形參數對熱負荷的影響；并且模型僅適用于單棟建筑，預測的負荷無法滿足小區級換熱站及輸配管網按需供熱調控需要；所使用的建模方法容易陷入局部最優從而導致預測結果不夠精確。

為了對高層住宅建筑群的熱負荷進行精確預測以實現區域供暖系統的節能優化控制，本發明在考慮氣象參數作為輸入的基礎上，基于高層住宅建筑群將建筑體形參數也作為模型的輸入，使用元啟發式算法對卷積神經網絡部分超參數進行優化以構建預測模型，最后通過西安市10個住宅小區相關運行參數作為數據集對模型進行了訓練和驗證。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于SBO優化CNN的高層住宅建筑群熱負荷預測方法及系統，用Lasso-SBO-CNN方法建立預測模型，同時基于住宅建筑群將室外干球溫度、相對濕度、風速、建筑體形系數、建筑高度、玻璃面積分布6個影響因素作為模型輸入來避免過擬合、提高預測精度并且節約預測成本，以建筑熱負荷作為因變量。

本發明采用以下技術方案：

基于SBO優化CNN的高層住宅建筑群熱負荷預測方法，包括以下步驟：

S1、基于高層住宅建筑群，將氣象參數和建筑體形參數作為熱負荷預測模型的輸入量進行分析，并收集歷史逐時熱負荷數據、對應的逐時氣象參數和住宅建筑參數作為原始數據集；采用Lasso回歸模型對收集的原始數據集的輸入變量進行篩選，選取與熱負荷顯著相關的影響因素作為模型輸入，得到最終數據集；

S2、使用CNN網絡構建熱負荷預測模型；

S3、利用元啟發式優化算法SBO生成的初始種群x₁,x₂,x₃對步驟S2構建的熱負荷預測模型的過濾器數量和Dropout層概率進行優化，基于步驟S1得到的最終數據集進行訓練和測試，計算系統誤差MSE；