一种基于迁移学习的建筑能耗预测方法及设备技术

本申请公开了一种基于迁移学习的建筑能耗预测方法及设备，用以解决现有的缺乏历史能耗数据的建筑，从头建立预测模型，过程非常复杂且耗费较多时间的问题。该方法通过构建预测模型，将第一建筑的历史能耗数据输入预测模型，得到第一预测能耗数据；根据总能耗数据，得到总周期分量，总能耗数据包括历史能耗数据和第一预测能耗数据；根据总能耗数据和总周期分量，通过预测模型，得到预测剩余分量；根据总周期分量和预测剩余分量，计算第二预测能耗数据，确定预测模型训练完成；根据第二建筑的历史能耗数据对训练完成的预测模型进行调整，通过调整后的预测模型得到第二建筑的预测能耗数据。减少建立预测模型的时间，提升了能耗数据预测的工作效率。据预测的工作效率。

【技术实现步骤摘要】
一种基于迁移学习的建筑能耗预测方法及设备


[0001]本申请涉及建筑能源管理
，尤其涉及一种基于迁移学习的建筑能耗预测方法及设备。

技术介绍

[0002]建筑能耗是总能源消费的重要组成部分，随着社会经济的发展，建筑物和建筑设施成倍增加，使得建筑能耗的大幅度增加变得不可避免。因此，利用预测模型获得建筑未来时刻的建筑能耗，研究建筑的能耗趋势，可以对建筑设备进行合理管控，从而建立合理的能源规划以提高能源利用率。
[0003]目前，在对建筑能耗数据进行预测时，通常会根据建筑的历史能耗数据，训练预测模型，进而得到建筑的预测能耗数据。
[0004]但是，对于一些缺乏历史能耗数据记录或者能耗数据有限的建筑来说，训练数据量较少，利用预测模型进行训练存在一定的困难，并且，建筑能耗数据往往表现出明显的周期模式，不同的建筑有不同的月、日、小时的能耗模式，如果针对每个建筑都从头开始建立模型、训练模型，过程将会较为复杂而且耗费较多的时间。

技术实现思路

[0005]本申请实施例提供一种基于迁移学习的建筑能耗预测方法及设备，用以解决现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的建筑能耗预测方法，其特征在于，包括：构建预测模型，将第一建筑的历史能耗数据输入所述预测模型，得到第一预测能耗数据；根据总能耗数据，得到总周期分量，所述总能耗数据包括历史能耗数据和第一预测能耗数据；根据所述总能耗数据和所述总周期分量，通过所述预测模型，得到预测剩余分量；根据所述总周期分量和所述预测剩余分量，计算第二预测能耗数据，并确定所述预测模型训练完成；根据第二建筑的历史能耗数据对训练完成的预测模型进行调整，并通过调整后的预测模型得到第二建筑的预测能耗数据。2.根据权利要求1所述的方法，其特征在于，根据总能耗数据，得到总周期分量，包括：根据第一建筑的历史能耗数据，计算得到历史周期分量；根据第一预测能耗数据，计算得到预测周期分量；对所述历史周期分量和所述预测周期分量赋权重，得到总周期分量。3.根据权利要求1所述的方法，其特征在于，根据所述总能耗数据和所述总周期分量，通过所述预测模型，得到预测剩余分量，包括：从所述总能耗数据中剔除所述总周期分量，得到原始剩余分量；将原始剩余分量输入所述预测模型，得到预测剩余分量。4.根据权利要求1所述的方法，其特征在于，确定所述预测模型训练完成，包括：将所述第二预测能耗数据与第一建筑的实际能耗数据进行对比，得到误差值；当所述误差值小于预设值时，判断所述预测模型训练完成。5.根据权利要求1所述的方法，其特征在于，根据第二建筑的历史能耗数据对训练完成的预测模型进行调整，包括：将第二建筑的历史能耗数据输入到训练完成的预测模型中，预测出预设时间段内第二建筑的初步能耗数据；将第二建筑的初步能耗数据与预设时间段内第二建筑的实际能耗数据进行对比，根据对比结果调整预测模型的参数。6.根据权利要求2所述的方法，其特征在于，根据第一建筑的历史能耗数据，得到历史周期分量，包括：以月为单位通过计算第一建筑的历史周期分量M1,M2,...,M
i
；其中，M
i
为第一建筑的历史周期分量，N为第i月的天数，K表示第i月的第K天，T表示第K天的T时刻，Z
k
(T)表示当月第K天T时刻的历史能耗数据。7.根据权利要求2所述的方法，其特征在于，根据第一预测能耗数据，得到预测周期分量，包括：以月为单位通过计算第一建筑的预测周期
分量M
′1,M
′2,...,M
′
n
；其中，M...

【专利技术属性】
技术研发人员：孙鸿昌，唐敏佳，陶庆举，贾卫，张卫芳，黄广国，崔钦超，
申请(专利权)人：山东大卫国际建筑设计有限公司，
类型：发明
国别省市：