[發明專利]一種基于自動校準的建筑耗熱量預測建模方法

在審

• 申請號: 202110760839.5
• 申請日: 2021-07-06
• 公開（公告）號: CN113486514A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 李雪;張有志;李云龍
• 申請（專利權）人: 天津大學城市規劃設計研究院有限公司;天津中德應用技術大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/13;G06K9/62;G06N3/00;G06F119/08
• 代理公司: 南京中高專利代理有限公司 32333
• 代理人: 徐福敏

1.一種基于自動校準的建筑耗熱量預測建模方法，其特征在于，包括以下步驟：

S1：采集建筑逐時耗熱量及其與耗熱量相關的特征變量的原始數據；

S2：對采集到的原始數據進行數據預處理，包括異常值清洗和缺失值填補；

S3：對處理后的逐時耗熱量數據進行K-means聚類分析，得到建筑物的幾類典型用熱模式；

S4：使用EnergyPlus軟件對建筑物進行基本仿真模型構建；

S5：利用聚類得到的每一類典型用熱模式中的耗熱量數據，并結合粒子群優化算法對建筑基本仿真模型的配置參數進行自動校準；由此得到準確的建筑耗熱量預測模型。

2.根據權利要求1所述基于自動校準的建筑耗熱量預測建模方法，其特征在于，步驟S1中的特征變量包括逐時室外溫度和逐時太陽輻射強度。

3.根據權利要求1所述基于自動校準的建筑耗熱量預測建模方法，其特征在于，步驟S1中的所有原始數據以1小時為時間間隔進行采集，在每個采樣點采集建筑耗熱量及其相關特征變量數據。

4.根據權利要求1所述基于自動校準的建筑耗熱量預測建模方法，其特征在于，步驟S2中的數據預處理包括異常值檢測和清洗功能；采用Hampel濾波器檢測和清洗異常值，該方法計算每一樣本點及其周圍2k個樣本組成的移動窗口的中值，并使用中位數絕對偏差(MAD)計算每個樣本關于其窗口中位數的標準偏差；如果樣本與中位數的差異超過t個標準差，則將樣本檢測為異常值并去除。

5.根據權利要求1所述基于自動校準的建筑耗熱量預測建模方法，其特征在于，步驟S2中的缺失值填補采用相似日數據的方法進行，將缺失數據位置前后時刻以及前后天相同時刻的4個數據取平均值，對該缺失數據進行填補。

6.根據權利要求1所述基于自動校準的建筑耗熱量預測建模方法，其特征在于，步驟S3中，使用K-means對建筑逐時耗熱量數據進行典型用熱模式聚類；首先對每日逐時耗熱量曲線進行歸一化處理，然后使用K-means聚類算法對所有天的建筑耗熱量曲線進行聚類，并使用Dunn指標來確定聚類中心的個數；進而得到該建筑物典型的用熱模式特征。

7.根據權利要求1所述基于自動校準的建筑耗熱量預測建模方法，其特征在于，步驟S4中的基本仿真模型由建筑基本調研信息構建，包括建筑幾何尺寸，墻體、屋面、窗戶的傳熱系數，照明、設備和人員密度以及時刻表。

8.根據權利要求1所述基于自動校準的建筑耗熱量預測建模方法，其特征在于，步驟S5中使用粒子群優化算法對基本仿真模型中的配置參數進行自動校準，校準參數主要包括：建筑圍護結構傳熱系數、設備和照明的功率密度以及人員密度；校準目標則為：在每一類典型模式下，基本仿真模型的建筑耗熱量輸出值與實際測量值的誤差最??；最終獲得準確的建筑耗熱量預測模型。