[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

本發明公開一種基于自動校準的建筑耗熱量預測建模方法，包括如下步驟：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個典型用熱模式中的耗熱量數據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。本發明可以有效提高建筑耗熱量仿真模型的精度。

技術領域

本發明涉及建筑耗熱量預測建模領域，特別是涉及一種基于自動校準的建筑耗熱量預測建模方法。

技術背景

當前，建筑的能耗模擬軟件已被廣泛用于建筑節能方案設計、節能改造和優化運行等方面。但是卻經常面臨一個嚴重問題，即建筑能耗模擬結果與實際相差甚遠，這極大影響了建筑能耗軟件的應用范圍，限制了其在建筑領域深化的能力。因此，應積極探索提升建筑能耗模型準確性的技術路線。

建筑耗熱量仿真模型配置參數設置的準確與否直接決定了該仿真模型是否能夠輸出符合建筑實際特性的結果。因此，提高模型配置參數的準確性是提升建筑耗熱量仿真模型準確性的一個主要技術路線。然而，準確的配置參數在實際中很難準確獲取，例如建筑圍護結構的傳熱系數，一方面設計資料跟實際施工過程導致的結果會有一定的偏差，僅根據設計資料難以獲取準確值。另一方面，由于建筑是一個整體，僅通過單點測試也很難獲得表征整個建筑的熱工性能數據。而根據建筑運行耗熱量數據對仿真模型配置參數進行反向校準，利用智能優化算法來準確辨識仿真模型的配置參數，進而提高建筑耗熱量仿真模型的精度，是一種可行的技術路線。

發明內容

基于上述技術背景，本發明提出一種基于自動校準的建筑耗熱量預測建模方法，用來提升建筑逐時耗熱量預測模型的精度。

本發明采用如下的技術方案具體實現：

本發明提出一種基于自動校準的建筑耗熱量預測建模方法，該方法包括以下步驟：

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。

進一步的，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。

進一步的，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。

進一步的，步驟S2中的數據預處理包括異常值檢測和清洗功能。主要采用Hampel濾波器來檢測和清洗異常值。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，則將其檢測為異常值并去除。其中，k值取12。t取值為3。

進一步的，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。

進一步的，在步驟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。