[發明專利]一種建筑能耗預測校核方法、裝置、設備及存儲介質

在審

• 申請號: 202111148444.6
• 申請日: 2021-09-28
• 公開（公告）號: CN113887038A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 劉日榮;楊雨瑤;潘峰;馬鍵;危阜勝
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司計量中心
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;鐘文瀚

1.一種建筑能耗預測校核方法，其特征在于，包括：

獲取指定區域內的人流數據；

采用python對所述指定區域內的人流數據進行裁剪，獲取該區域每小時最大人流平均值和最小人流平均值；

結合季節類型和不同的日類型，采用盒須圖對所述該區域每小時最大人流平均值和最小人流平均值進行數據處理，剔除異常數據并獲取人員密度和人員在室率；

將所述人員密度和人員在室率輸入預設的建筑能耗預測模型中，獲取建筑能耗模擬值；

計算所述建筑能耗模擬值與實際能耗值的平均誤差和均方根變異系數，若所述平均誤差和均方根變異系數均小于等于閾值，則校核完成，否則修改所述預設的建筑模型中的參數，重新獲取建筑能耗模擬值。

2.根據權利要求1所述的建筑能耗預測校核方法，其特征在于，所述若所述平均誤差和均方根變異系數均小于等于閾值，則校核完成，包括：

所述閾值包括第一閾值和第二閾值；

若所述平均誤差小于等于所述第一閾值且所述均方根變異系數小于等于所述第二閾值，則校核完成。

3.根據權利要求1所述的建筑能耗預測校核方法，其特征在于，所述結合季節類型和不同的日類型，采用盒須圖對所述該區域每小時最大人流平均值和最小人流平均值進行數據處理，剔除異常數據并獲取人員密度和人員在室率，包括：

結合季節類型和不同的日類型，采用傅里葉級數對所述該區域每小時最大人流平均值和最小人流平均值進行回歸分析，若所述該區域每小時最大人流平均值大于所述盒須圖的上限值，則作為第一異常數據，若所述該區域每小時最小人流平均值小于所述盒須圖的下限值，則作為第二異常數據；

剔除所述第一異常數據和所述第二異常數據并結合不同的日類型分別計算傅里葉線性回歸，獲取該建筑在不同的日類型下的所述人員密度，根據所述人員密度獲取不同的日類型下逐時人流數據作為所述人員在室率。

4.根據權利要求2所述的建筑能耗預測校核方法，其特征在于，所述計算所述建筑能耗模擬值與實際能耗值的平均誤差和均方根變異系數，包括：

根據所述建筑能耗模擬值與所述實際能耗值的差值占實際能耗值的比重確定所述平均誤差；

根據所述差值的平方之和除以月數確定均方根差，根據所述均方根差和逐月建筑能耗模擬值的比值確定所述均方根變異系數。

5.一種建筑能耗預測校核裝置，其特征在于，包括：

獲取模塊，用于獲取指定區域內的人流數據；

第一處理模塊，用于采用python對所述指定區域內的人流數據進行裁剪，獲取該區域每小時最大人流平均值和最小人流平均值；

第二處理模塊，用于結合季節類型和不同的日類型，采用盒須圖對所述該區域每小時最大人流平均值和最小人流平均值進行數據處理，剔除異常數據并獲取人員密度和人員在室率；

模擬模塊，用于將所述人員密度和人員在室率輸入預設的建筑能耗預測模型中，獲取建筑能耗模擬值；

校核模塊，用于計算所述建筑能耗模擬值與實際能耗值的平均誤差和均方根變異系數，若所述平均誤差和均方根變異系數均小于等于閾值，則校核完成，否則修改所述預設的建筑模型中的參數，重新獲取建筑能耗模擬值。

6.根據權利要求5所述的建筑能耗預測校核裝置，其特征在于，所述校核模塊，還用于：

所述閾值包括第一閾值和第二閾值；

若所述平均誤差小于等于所述第一閾值且所述均方根變異系數小于等于所述第二閾值，則校核完成。

7.根據權利要求5所述的建筑能耗預測校核裝置，其特征在于，所述第二處理模塊，還用于：

結合季節類型和不同的日類型，采用傅里葉級數對所述該區域每小時最大人流平均值和最小人流平均值進行回歸分析，若所述該區域每小時最大人流平均值大于所述盒須圖的上限值，則作為第一異常數據，若所述該區域每小時最小人流平均值小于所述盒須圖的下限值，則作為第二異常數據；

剔除所述第一異常數據和所述第二異常數據并結合不同的日類型分別計算傅里葉線性回歸，獲取該建筑在不同的日類型下的所述人員密度，根據所述人員密度獲取不同的日類型下逐時人流數據作為所述人員在室率。