一种基于特征集构建的建筑冷热负荷预测方法技术

本发明专利技术公开一种基于特征集构建的建筑冷热负荷预测方法，包括如下步骤：基于建筑物冷热负荷相关的参数变量，获取建筑物的参数数据并预处理；对预处理后的建筑物参数数据进行特征工程处理，构造建筑物冷热负荷特征集；基于DNN深度学习算法构建超短期建筑冷、热负荷预测模型；根据各参数变量对预测模型预测精度的影响度，对参数变量进行筛选，构造最小特征集；利用最小特征集对超短期建筑冷热负荷预测模型进行训练及性能评价；获取实时参数变量数据，通过预处理后输入训练好的超短期建筑冷热负荷预测模型，得到建筑物的冷、热负荷结果。本发明专利技术能够有效提高建筑冷、热负荷预测的准确性及实时性。

【技术实现步骤摘要】
一种基于特征集构建的建筑冷热负荷预测方法
本专利技术涉及负荷预测
，特别是涉及一种基于特征集构建的建筑冷热负荷预测方法。
技术介绍
由于人口的增长以及对室内热舒适的更高需求，建筑内的能耗正在增加。2015年建筑能耗占全球总能耗的32％左右，占能源相关碳排放的30％；2000年至2014年，中国建筑行业能源消费增长170％，2016年，中国公共建筑面积比2001年增长近3倍，人均建筑面积增长近2.5倍，随着我国建筑面积的不断扩大，能源消耗和碳排放不断增加，其中，建筑能耗增长速度为3.7％。因此，提高建筑能效可以带来巨大的能源节约和经济效益。为了合理、有效地提供能源，需要确定建筑物的供能需求，通过对建筑冷热负荷的准确预测，可以在能源系统设计阶段准确地确定电厂冷水机组的规模，并在能源系统运行阶段有效地为目标建筑提供能源。研究人员针对建筑设计和运行的不同阶段，对建筑负荷预测方法进行了广泛的研究。前人在建筑特征选取和模型输入特征集的构建方面做了大量有价值的研究。但仍存在以下不足：1)所选择的变量类型通常是任意的，算法输入特征集的构造方法过于本文档来自技高网...

【技术保护点】
1.一种基于特征集构建的建筑冷热负荷预测方法，其特征在于，包括如下步骤：/n基于建筑物冷、热负荷相关的参数变量，获取建筑物的参数数据，对所获取的参数数据进行预处理；所述参数变量包括室内参数变量、气象参数变量、耗电量、建筑负荷；/n通过特征工程对预处理后的建筑物参数数据进行处理，构造建筑物冷、热负荷特征集；/n基于DNN深度学习算法构建超短期建筑冷、热负荷预测模型；/n根据各参数变量对超短期建筑冷、热负荷预测模型预测精度的影响度，对参数变量进行筛选；/n基于筛选后的参数变量，构造超短期建筑冷、热负荷预测模型对应的最小特征集；/n利用最小特征集对超短期建筑冷、热负荷预测模型进行训练及性能评价，完成...

【技术特征摘要】
1.一种基于特征集构建的建筑冷热负荷预测方法，其特征在于，包括如下步骤：
基于建筑物冷、热负荷相关的参数变量，获取建筑物的参数数据，对所获取的参数数据进行预处理；所述参数变量包括室内参数变量、气象参数变量、耗电量、建筑负荷；
通过特征工程对预处理后的建筑物参数数据进行处理，构造建筑物冷、热负荷特征集；
基于DNN深度学习算法构建超短期建筑冷、热负荷预测模型；
根据各参数变量对超短期建筑冷、热负荷预测模型预测精度的影响度，对参数变量进行筛选；
基于筛选后的参数变量，构造超短期建筑冷、热负荷预测模型对应的最小特征集；
利用最小特征集对超短期建筑冷、热负荷预测模型进行训练及性能评价，完成超短期建筑冷、热负荷预测模型的训练；
获取实时参数变量数据，通过预处理后输入训练好的超短期建筑冷、热负荷预测模型，得到建筑物的冷、热负荷结果。


2.根据权利要求1所述的基于特征集构建的建筑冷热负荷预测方法，其特征在于，对于热负荷预测，特征工程方法为相关性分析，对于冷负荷预测，特征工程方法为维纳滤波。


3.根据权利要求1所述的基于特征集构建的建筑冷热负荷预测方法，其特征在于，对参数变量进行筛选的具体...

【专利技术属性】
技术研发人员：丁研，刘路衡，张震勤，吕亚聪，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12