训练建筑物空调负荷预测模型及用其预测的方法和装置制造方法及图纸

公开了一种训练建筑物空调负荷预测模型及用其预测的方法和装置。该训练建筑物空调负荷预测模型的方法包括：获取训练样本数据集以及对应的标签数据，其中，样本数据包括建筑物环境信息及其采集时间信息，标签数据包括空调负荷相关信息；对所述训练样本数据集中的样本数据进行特征提取处理，得到训练样本特征集；以及基于所述训练样本特征集以及对应的标签数据采用预设的机器学习算法进行训练，得到建筑物空调负荷预测模型。由此，通过获取精准预测所需的历史数据信息，并基于机器学习高效找出上述信息的内在联系，以较小代价实现对建筑物空调负载的准确预测，实现对能源的高效利用。

Training Building Air Conditioning Load Forecasting Model and Its Prediction Method and Device

【技术实现步骤摘要】
训练建筑物空调负荷预测模型及用其预测的方法和装置
本专利技术涉及建筑节能领域，尤其涉及一种训练建筑物空调负荷预测模型及用其进行预测的方法和装置。
技术介绍
在建筑节能工作中，对建筑能耗进行科学分析和合理预测十分重要。建筑能耗预测可以为建筑供能系统的运行策略优化和建筑节能评估提供依据。空调系统是商业建筑中能耗最大的部分，也是可自由调节的部分。在空调系统能耗与夏季高峰负荷逐年上升的大背景下，空调系统(尤其是大型商用建筑物的空调系统)节能成为当今社会实现可持续发展的关注热点之一。建筑能耗受诸多因素影响，其复杂的非线性关系使得建筑能耗难以被精确地预测。为此，需要一种能以较小代价准确预测建筑物空调负荷的方案。
技术实现思路
本专利技术提出了一种使用机器学习算法训练建筑物空调负荷预测模型以及使用上述模型进行预测的方案。通过获取随时间变化的建筑物环境变量，预测模型能够从历史数据中习得空调负载的变化规律。进一步地，通过采集涵盖各类建筑和空调系统和/或各个变化方面且相对容易取得的数据以进行特征提取，能够获取准确预测所需的足够数据信息；同时，通过引入合理的机器学习模型，能够通过训练准确找出上述信息的内在联系本文档来自技高网...

【技术保护点】
1.一种训练建筑物空调负荷预测模型的方法，包括：获取训练样本数据集以及对应的标签数据，其中，所述样本数据包括建筑物环境信息及其采集时间信息，标签数据包括空调负荷相关信息；对所述训练样本数据集中的样本数据进行特征提取处理，得到训练样本特征集；以及基于所述训练样本特征集以及对应的标签数据采用预设的机器学习算法进行训练，得到建筑物空调负荷预测模型。

【技术特征摘要】
1.一种训练建筑物空调负荷预测模型的方法，包括：获取训练样本数据集以及对应的标签数据，其中，所述样本数据包括建筑物环境信息及其采集时间信息，标签数据包括空调负荷相关信息；对所述训练样本数据集中的样本数据进行特征提取处理，得到训练样本特征集；以及基于所述训练样本特征集以及对应的标签数据采用预设的机器学习算法进行训练，得到建筑物空调负荷预测模型。2.如权利要求1所述的方法，其中，所述获取训练样本数据集以及对应的标签数据包括：获取来自不同建筑物的样本数据以及对应的标签数据，所述样本数据进一步包括每个建筑物的建筑物基本信息和空调系统基本信息。3.如权利要求2所述的方法，其中，所述获取来自不同建筑物的样本数据以及对应的标签数据包括：获取对应同一建筑物的不同时刻的状态的样本数据以及对应的标签数据，并且所述对所述训练样本数据集中的样本数据进行特征提取处理包括：构造针对特定建筑物的基于时刻的训练样本特征数据及其对应标签数据。4.如权利要求3所述的方法，其中，所述对所述训练样本数据集中的样本数据进行特征提取处理还包括：对所述样本数据进行处理以获取衍生变量；以及构造包括衍生变量的样本特征数据。5.一种建筑物空调负荷预测方法，包括：针对指定建筑物，获取与训练根据权利要求1-4中任一项所述得到的建筑物空调负荷预测模型所需训练样本数据属性相同或部分相同的预测样本数据集；对所述预测样本数据集中的样本数据进行特征提取处理，得到预测样本特征集；将所述预测样本特征输入所述建筑物空调负荷预测模型进行预测，得到针对所述指定建筑物预测出的空调负荷预测值。6.一种训练建筑物空调负荷预测模型的装置，包括：数据获取单元，用于获取训练样本数据集以及对应的标签数据，其中，所述样本数据包括建筑物环境信息及其采集时间信息，标签数据包括空调负荷相关信息；特征提取单元，用于对所述训练样本数据集中的样本数据进行特征提取处理，得到训练样本特征集；以及模型训练单元，用于基于所述训练样本特征集以及对应的标...

【专利技术属性】
技术研发人员：吕自荟，周振华，
申请(专利权)人：第四范式北京技术有限公司，
类型：发明
国别省市：北京,11