【技术实现步骤摘要】
办公建筑内空调负荷预测模型建立、预测方法及系统
本专利技术属于智慧城市及建筑节能领域,具体涉及一种办公建筑内空调负荷预测模型建立、预测方法及系统。
技术介绍
中国的能源消耗呈现稳步增长,其中建筑能耗约占全国总能耗的三分之一,其中公共建筑能耗是建筑能耗的主要组成部分,故针对公共建筑的节能设计及负荷预测研究成为智能建筑的领域的主要问题之一,而建筑负荷预测是实现建筑设备节能需要解决的首要问题。现有技术中缺乏灵活地对建筑任意区域进行预测的系统。这是因为现有用于进行研究的数据通常是通过人工对数据进行收集,而用于设备自动控制的数据大多来自于系统中安装的固定传感设备,所以在建筑设备运行时,极易出现建筑物整体能耗预测看似准确或数据测试区域能耗看似准确,但是较多局部区域环境预测不佳(过热、过冷、过凉、过暗)而导致能耗过大且环境不舒适的情况,并且想要通过人工对设备进行调控时也会由于建筑内各区域能耗预测数据不足而增大其难度。如何提高预测精度一直是预测方法中的热点问题,至今已有多篇预测模型的研究成果.其中,自回归积分滑动平均模型(autoregressiveintegratedmovingaverage,ARIMA)、多元线性回归模型(multiplelinearregression,MLR)、灰色预测模型(greymodel,GM)以及人工神经网络模型(artificialneuralnetwork,ANN)等几种模型是主要的模型.利用灰色预测模型进行预测,无需考虑系统结构,直接利用原始数据的累加来寻找系统的规律并构建指数模型.根 ...
【技术保护点】
1.一种办公建筑内空调负荷预测模型建立方法,其特征在于,包括如下步骤:/n步骤1:采集历史环境数据和测量日负荷数据,所述历史环境数据包括测量日前K天中每个时刻的室外空气温度、室外空气湿度、太阳辐射强度、室内人员密度、室内温度、室内湿度、外墙窗热系数、屋顶传热系数、窗墙比和渗透率,所述测量日负荷数据包括测量日每个时刻测量到的实际空调负荷值,其中,K为正整数;/n步骤2:建立RBF神经网络和残差网络,所述的残差网络包括多个子网络,将历史环境数据作为训练集,将测量日负荷数据作为标签集分别训练RBFNN网络和残差网络,将训练好的RBFNN网络作为空调负荷预测模型;/n其中,每次训练迭代包括如下子步骤:/n步骤2.1:所述的RBF神经网络输出预测空调负荷值,根据预测空调负荷值获取残差值,所述的残差值为预测空调负荷值和实际空调负荷值之差;所述的残差网络中的每个子网络分别输出各自的预测空调负荷值,获取每个子网络残差值,每个子网络残差值为每个子网络输出的预测空调负荷值和实际空调负荷值之差;/n步骤2.2:选择最小的两个子网络残差值通过最小二乘法进行权重分配,获得修正残差值;/n步骤2.3:将修正残差值 ...
【技术特征摘要】
1.一种办公建筑内空调负荷预测模型建立方法,其特征在于,包括如下步骤:
步骤1:采集历史环境数据和测量日负荷数据,所述历史环境数据包括测量日前K天中每个时刻的室外空气温度、室外空气湿度、太阳辐射强度、室内人员密度、室内温度、室内湿度、外墙窗热系数、屋顶传热系数、窗墙比和渗透率,所述测量日负荷数据包括测量日每个时刻测量到的实际空调负荷值,其中,K为正整数;
步骤2:建立RBF神经网络和残差网络,所述的残差网络包括多个子网络,将历史环境数据作为训练集,将测量日负荷数据作为标签集分别训练RBFNN网络和残差网络,将训练好的RBFNN网络作为空调负荷预测模型;
其中,每次训练迭代包括如下子步骤:
步骤2.1:所述的RBF神经网络输出预测空调负荷值,根据预测空调负荷值获取残差值,所述的残差值为预测空调负荷值和实际空调负荷值之差;所述的残差网络中的每个子网络分别输出各自的预测空调负荷值,获取每个子网络残差值,每个子网络残差值为每个子网络输出的预测空调负荷值和实际空调负荷值之差;
步骤2.2:选择最小的两个子网络残差值通过最小二乘法进行权重分配,获得修正残差值;
步骤2.3:将修正残差值替换RBF神经网络的的残差值后,进行下一次训练迭代。
2.如权利要求1所述的办公建筑内空调负荷预测模型建立方法,其特征在于,所述的RBF神经网络包括输入层、隐含层和输出层,各层之间全连接,隐含层与输出层之间有权值连接。
3.如权利要求1所述的办公建筑内空调负荷预测模型建立方法,其特征在于,所述残差网络的子网络包括:ARIMA网络、ELMAN网络、MLR网络和GM网络。
4.一种办公建筑内空调负荷预测方法,其特征在于,包括如下步骤:
步骤一:获取待预测时刻的室外空气温度、室外空气湿度、太阳辐射强度室内人员密度、室内温度、室内湿度、外墙窗热系数、屋顶传热系数、窗墙比和渗透率;
步骤二:将待预测时刻的室外空气温度、室外空气湿度、太阳辐射强度室内人员密度、室内温度、室内湿度、外墙窗热系数、屋顶传热系数、窗墙比和渗透率输入如权利要求1-3任一种办公建筑内空调负荷预测模型建立方法得到的空调负荷预测模型,获得待预测时刻的预测空调负荷值。
5.一种办公建筑内空调负荷预测系统,其特征在于,包括数据采集模块、核心运算模块和输出显...
【专利技术属性】
技术研发人员:冯增喜,崔巍,何鑫,张茂强,杨芸芸,赵锦彤,李诗妍,陈海越,
申请(专利权)人:西安建筑科技大学,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。