[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

本發明公開了一種建筑能耗預測校核方法、裝置、設備及存儲介質，該方法包括：獲取指定區域內的人流數據；采用python對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并結合季節類型和不同的日類型，采用盒須圖進行數據處理，剔除異常數據并獲取人員密度和人員在室率并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，否則修改預設的建筑模型中的參數，重新獲取建筑能耗模擬值。本發明通過對人流數據的處理獲取人員密度和人員在室率改進了參數設置，從而提高了建筑模型校核的準確度。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種建筑能耗預測校核方法、裝置、設備及存儲介質。

背景技術

目前人流量數據用于能耗分析，探究人員因素對建筑能耗的影響，對建筑內人員在室情況和人行為建立隨機馬爾科夫模型來研究人員因素對建筑節能的潛在影響，采用聚類分析的方法，定量地探究人員因素和建筑能耗之間的關系，基于人工神經網絡，對人員作為初入參數的建筑節能改造進行評估，在進行建筑能耗校核的時候，由于建筑能耗模型極大的不確定性和高度非線性，調節不同的輸入參數往往可以達到相同的效果，使得大多數時間，模擬校驗的工作極大地取決于模擬人員的自身經驗，且模型校核工作費時費力，容易和建筑的實際參數產生較大的偏差。建模者初始建立模型時，常常采用各類建筑規范的推薦值輸入，而建筑規范的推薦值對一天不同時刻的人員逐時在室率采取的描述非常粗放，忽略了不同建筑在設計和運行時的差異，采用同一套靜態參數來對建筑人員信息進行描述，導致較大的能耗誤差。

發明內容

本發明目的在于，提供一種建筑能耗預測校核方法，以解決現有技術中建筑模型校核步驟復雜的問題并提高校核的準確度。

為實現上述目的，本發明提供一種建筑能耗預測校核方法，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。

優選地，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。

優選地，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。

優選地，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：