一种用于建筑能耗的复合预测方法技术

本发明专利技术涉及一种用于建筑能耗的复合预测方法，该方法包括：获取待测建筑物的建筑类型信息，按照区域功能，将建筑物划分为多个功能区域，将每个功能区域产生的能耗数据作为输入数据，输入至预先建立的建筑能耗预测采集模型，计算该功能区域的建筑能耗的预测值，然后汇总各个功能区域的建筑能耗的预测值，形成整个建筑的总体建筑能耗的预测结果。

【技术实现步骤摘要】
一种用于建筑能耗的复合预测方法
本专利技术属于建筑能耗预测
，具体涉及一种用于建筑能耗的复合预测方法。
技术介绍
目前，居住建筑能耗是区域能耗的重要组成部分。随着人们对室内舒适度的要求的不断提高，居住建筑的采暖空调能耗也逐年增加。随着气候变暖，国际上对碳排放有更多要求，国家也对节能减排有相关政策和法规，公共建筑作为建筑领域里的能耗大户，单位面积能耗远高于其他类型的建筑。对公共建筑的能源管理已经成为了建筑弱电系统的一个重要组成部分，而建筑的能耗预测是其中最为复杂和重要的部分，能够对建筑能耗进行准确预测是对建筑能耗有效进行能源管理的基础。现有很多建筑能耗预测这样有两种：一种是基于历史数据的预测方法，但该方法忽略了动态变化数据对于能耗的影响，尤其是天气，人流量等数据对能耗的影响非常大；还有一种是基于神经网络算法，结合数学模型，来预测建筑的能耗，但该方法忽略了建筑不同区域的耗能特点，往往预测结果也不够准确。
技术实现思路
本专利技术的目的在于，为解决现有的建筑能耗预测方法存在上述缺陷，本专利技术提出了一种用于建筑能耗的复合预测方法，解决了现有的预测方法存在的过于复杂、准确度不高的问题；在充分利用现有的预测技术的前提下，能够大幅度提供整体建筑能耗预测的准确性、有效性和可靠性。为了实现上述目的，本专利技术提供了一种用于建筑能耗的复合预测方法，该方法具体包括：获取待测建筑物的建筑类型信息，按照区域功能，将建筑物划分为多个功能区域，将每个功能区域产生的能耗数据作为输入数据，输入至预先建立的建筑能耗预测采集模型，计算该功能区域的建筑能耗的预测值，然后汇总各个功能区域的建筑能耗的预测值，形成整个建筑的总体建筑能耗的预测结果。作为上述方法的改进之一，预先建立的建筑能耗预测采集模型具体包括：获取当地的气候历史数据、建筑物能耗历史数据、暖通系统历史信息、室内人员历史数据、耗能设备历史信息，根据时间对上述数据进行分组，并对数据进行归一化处理，建立建筑能耗预测采集模型。其中，所述当地的气候历史数据包括：室内外温度、室内外湿度、供冷季时长和供暖季时长。所述建筑能耗预测采集模型包括：照明使用时间与公共照明的电能耗的预测值之间的一次线性函数F1(t1)；空调使用时间、公共区域的人流量、天气与公共空调的电能耗的预测值之间的关系F2(t2，f1，w)，即F2(t2，f1，w)＝LSTM(t2，f1，w)；其中，LSTM(t2，f1，w)为公共空调的电能耗的LSTM模型，该模型的输入单元为：空调使用时间、公共区域的人流量和天气，输出为公共空调的电能耗的预测值；公共区域的人流量与公共电源的电能耗的预测值之间的一次线性函数F3(f1)；照明使用时间与公共通风的电能耗的预测值之间的一次线性函数F4(t1)；办公使用时间与办公照明的电能耗的预测值之间的一次线性函数F5(t3)；办公使用时间、办公区域的人流量、天气与办公空调的电能耗的预测值之间的函数F6(t3，f2，w)，即F6(t3，f2，w)＝LSTM(t3，f2，w)；其中，LSTM(t3，f2，w)为办公空调的电能耗的LSTM模型，该模型的输入单元为：办公使用时间、办公区域的人流量和天气，输出为办公空调的电能耗的预测值；卫生间使用时间与卫生间照明的电能耗的预测值之间的一次线性函数F7(t4)；卫生间使用时间、卫生间的人流量与卫生间水能耗的预测值之间的函数F8(t4，f3)，即F8(t4，f3)＝LSTM(t4，f3)；其中，LSTM(t4，f3)为卫生间水能耗的LSTM模型，该模型的输入单元为：卫生间使用时间和卫生间的人流量，输出为卫生间水能耗的预测值；餐厅厨房使用时间与餐厅厨房照明的电能耗的预测值之间的一次线性函数F9(t5)；餐厅厨房的人流量与餐厅厨房设备用电的电能耗的预测值之间的一次线性函数F10(f4)；餐厅厨房的人流量与餐厅厨房用水能耗的预测值之间的一次线性函数F11(f4)；餐厅厨房的人流量与餐厅厨房用气能耗的预测值之间的一次线性函数F12(f4)；淋浴使用时间与淋浴照明的电能耗的预测值之间的一次线性函数F13(t6)；淋浴的人流量与淋浴用水能耗的预测值之间的一次线性函数F14(f5)；洗衣房使用时间与洗衣房照明的电能耗的预测值之间的一次线性函数F15(t7)；洗衣房的人流量与洗衣房设备用电的电能耗的预测值之间的一次线性函数F16(f6)；洗衣房的人流量与洗衣房用水能耗的预测值之间的一次线性函数F17(f6)；游泳池的使用时间与游泳池照明的电能耗的预测值之间的一次线性函数F18(t8)；游泳池的人流量与游泳池设备用电的电能耗的预测值之间的一次线性函数F19(f7)；游泳池的人流量与游泳池用水能耗的预测值之间的函数一次线性F20(f7)；信息中心的使用时间与信息中心IT的电能耗的预测值之间的一次线性函数F21(t9)；信息中心的使用时间与信息中心IT设备用电的电能耗的预测值之间的一次线性函数F22(t9)；信息中心的使用时间、天气与信息中心照明空调用电的电能耗的预测值之间的函数F23(t9，w)，即F23(t9，w)＝LSTM(t9，w)；其中，LSTM(t9，w)为信息中心照明空调用电的电能耗的LSTM模型，该模型的输入单元为：信息中心的使用时间和天气，输出为信息中心照明空调用电的电能耗的预测值。作为上述方法的改进之一，所述建筑类型信息包括：办公建筑、商场建筑、宾馆饭店建筑、文化教育建筑、医疗卫生建筑、体育建筑和综合建筑。作为上述方法的改进之一，所述输入数据包括：暖通系统信息、室内人员数据和耗能设备信息。作为上述方法的改进之一，所述多个功能区域包括：公共区域、办公区域、卫生间区域、餐厅厨房区域、淋浴间区域、洗衣房区域、游泳池区域和信息中心区域。作为上述方法的改进之一，所述公共区域的电能耗的预测值包括：公共照明的电能耗的预测值、公共空调的电能耗的预测值、公共电梯的电能耗的预测值和公共通风的电能耗的预测值；其中，照明能耗主要受照明使用时间(t1)影响，公共空调能耗受空调使用时间(t2)、公共区域的人流量(f1)和天气(w)影响，公共电梯能耗受公共区域的人流量(f1)影响，公共通风能耗受使用照明使用时间(t1)影响；所述公共照明的电能耗的预测值Q公共照明为：Q公共照明＝F1(t1)；(1)其中，t1为照明使用时间；F1(t1)为照明使用时间与公共照明的电能耗的预测值之间的一次线性函数；所述公共空调的电能耗的预测值Q公共空调为：Q公共空调＝F2(t2，f1，w)；(2)其中，t2为空调使用时间；f1为公共区域的人流量；w为天气；F2(t2，f1，w)＝LSTM(t2，f1，w)；其中，LSTM(t2，f1，w)为公共空调的电能耗的LSTM模型，该模型的输入单元为：空调使用时间、公共区域的人流量和天气，输出为公共空调的电能本文档来自技高网...

【技术保护点】
1.一种用于建筑能耗的复合预测方法，其特征在于，该方法包括：/n获取待测建筑物的建筑类型信息，按照区域功能，将建筑物划分为多个功能区域，将每个功能区域产生的能耗数据作为输入数据，输入至预先建立的建筑能耗预测采集模型，计算该功能区域的建筑能耗的预测值，然后汇总各个功能区域的建筑能耗的预测值，形成整个建筑的总体建筑能耗的预测结果。/n

【技术特征摘要】
1.一种用于建筑能耗的复合预测方法，其特征在于，该方法包括：
获取待测建筑物的建筑类型信息，按照区域功能，将建筑物划分为多个功能区域，将每个功能区域产生的能耗数据作为输入数据，输入至预先建立的建筑能耗预测采集模型，计算该功能区域的建筑能耗的预测值，然后汇总各个功能区域的建筑能耗的预测值，形成整个建筑的总体建筑能耗的预测结果。


2.根据权利要求1所述的用于建筑能耗的复合预测方法，其特征在于，所述建筑类型信息包括：办公建筑、商场建筑、宾馆饭店建筑、文化教育建筑、医疗卫生建筑、体育建筑和综合建筑。


3.根据权利要求1所述的用于建筑能耗的复合预测方法，其特征在于，所述输入数据包括：暖通系统信息、室内人员数据和耗能设备信息。


4.根据权利要求1所述的用于建筑能耗的复合预测方法，其特征在于，所述多个功能区域包括：公共区域、办公区域、卫生间区域、餐厅厨房区域、淋浴间区域、洗衣房区域、游泳池区域和信息中心区域。


5.根据权利要求4所述的用于建筑能耗的复合预测方法，其特征在于，所述公共区域的电能耗的预测值包括：公共照明的电能耗的预测值、公共空调的电能耗的预测值、公共电梯的电能耗的预测值和公共通风的电能耗的预测值；其中，
所述公共照明的电能耗的预测值Q公共照明为：
Q公共照明＝F1(t1)；(1)
其中，t1为照明使用时间；F1(t1)为照明使用时间与公共照明的电能耗的预测值之间的一次线性函数；
所述公共空调的电能耗的预测值Q公共空调为：
Q公共空调＝F2(t2，f1，w)；(2)
其中，t2为空调使用时间；f1为公共区域的人流量；w为天气；F2(t2，f1，w)＝LSTM(t2，f1，w)；其中，LSTM(t2，f1，w)为公共空调的电能耗的LSTM模型，该模型的输入单元为：空调使用时间、公共区域的人流量和天气，输出为公共空调的电能耗的预测值；
所述公共电梯的电能耗的预测值Q公共电梯为：
Q公共电梯＝F3(f1)；(3)
其中，F3(f1)为公共区域的人流量与公共电源的电能耗的预测值之间的一次线性函数；
所述公共通风的电能耗的预测值Q公共通风为：
Q公共通风＝F4(t1)；(4)
其中，F4(t1)为照明使用时间与公共通风的电能耗的预测值之间的一次线性函数；
所述公共区域的电能耗的预测值Q公共区域为：
Q公共区域＝Q公共照明+Q公共空调+Q公共电梯+Q公共通风(5)
所述办公区域的电能耗的预测值包括：办公照明的电能耗的预测值和办公空调的电能耗的预测值；其中，
所述办公照明的电能耗的预测值Q办公照明为：
Q办公照明＝F5(t3)；(6)
其中，t3办公使用时间；F5(t3)为办公使用时间与办公照明的电能耗的预测值之间的一次线性函数；
所述办公空调的电能耗的预测值Q办公空调为：
Q办公空调＝F6(t3，f2，w)；(7)
其中，f2为办公区域的人流量；w为天气；F6(t3，f2，w)＝LSTM(t3，f2，w)；其中，LSTM(t3，f2，w)为办公空调的电能耗的LSTM模型，该模型的输入单元为：办公使用时间、办公区域的人流量和天气，输出为办公空调的电能耗的预测值；
Q办公区域＝Q办公照明+Q办公空调；(8)
所述卫生间区域的能耗的预测值包括：卫生间照明的电能耗的预测值和卫生间水能耗的预测值；其中，
所述卫生间照明的电能耗的预测值Q卫生间照明为：
Q卫生间照明＝F7(t4)；(9)
其中，t4为卫生间使用时间；F7(t4)为卫生间使用时间与卫生间照明的电能耗的预测值之间的一次线性函数；
所述卫生间水能耗的预测值Q卫生间水为：
Q卫生间水＝F8(t4，f3)；(10)
其中，f3为卫生间的人流量；F8(t4，f3)＝LSTM(t4，f3)；其中，LSTM(t4，f3)为卫生间水能耗的LSTM模型，该模型的输入单元为：卫生间使用时间和卫生间的人流量，输出为卫生间水能耗的预测值；
所述卫生间区域的能耗的预测值Q卫生间区域为：
Q卫生间区域＝Q办公照明+Q办公空调；(11)
所述餐厅厨房区域的能耗的预测值包括：餐厅厨房照明的电能耗的预测值、餐厅厨房设备用电的电能耗的预测值、餐厅厨房用水能耗的预测值和餐厅厨房用气能耗的预测值；其中，
所述餐厅厨房照明的电能耗的预测值Q厨房照明为：
Q厨房照明＝F9(t5)；(12)
其中，t5为餐厅厨房使用时间；F9(t5)为餐厅厨房使用时间与餐厅厨房照明的电能耗的预测值之间的一次线性函数；
所述餐厅厨房设备用电的电能耗的预测值Q厨房用电为：
Q厨房用电＝F10(f4)；(13)
其中，f4为餐厅厨房的人流量；F10(f4)为餐厅厨房的人流量与餐厅厨房设备用电的电能耗的预测值之间的一次线性函数；
所...

【专利技术属性】
技术研发人员：王元崑，赵广昊，张盼，史建军，罗玉萍，林井安，肖博，
申请(专利权)人：北京广元科技有限公司，
类型：发明
国别省市：北京;11