一种用于建筑能耗混合模型的输入变量获取方法和系统技术方案

本发明专利技术提供了一种用于建筑能耗混合模型的输入变量获取方法和系统，其中本发明专利技术的方法包括将初始变量划分为负荷相关变量和机电相关变量；对初始变量进行抽样并进行能耗模拟，分析初始变量对输出变量的影响，然后分别针对两种相关变量进行关键变量的提取；并当初始数据集缺少历史能耗数据时，对根据历史能耗数据补全关键变量后的实际建筑数据集进行关键变量的关联规则挖掘，利用挖掘出的关联规则，从已知关键变量对缺失关键变量进行推测，从而获取需要输入的全部关键变量数据。本发明专利技术综合考虑了建筑负荷和机电系统的相关变量，使得输入变量的特征更为丰富，同时可以在缺少历史数据的情况下仍可以进行关键变量的提取与关键变量缺失值的推测。量缺失值的推测。量缺失值的推测。

【技术实现步骤摘要】
一种用于建筑能耗混合模型的输入变量获取方法和系统


[0001]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混合模型的输入变量获取方法和系统。

技术介绍

[0002]能耗模型中较少的输入变量无法全面的反映对能耗的影响，过多的输入变量又会导致模型计算时间过长且将增加过拟合的风险。从理论上来讲，所有能耗模型需要输入的变量都与能耗有着或多或少的影响，但输入变量的增加往往会导致数据驱动模型所需的计算量急剧增长，所有的相关变量均作为数据驱动模型的输入势必会造成“维度灾难”。各输入变量对能耗的影响并不是相同的，将对能耗有显著影响的变量作为输入可使模型在可接受的计算量内实现较为准确的能耗预测。
[0003]现有采用过滤法、标准回归系数法和偏回归系数法进行输入变量提取方法往往对线性模型有着很好的作用，但对能耗模型这种非线性模型而言效果并不太理想，同时目前现有的输入变量提取方法往往要依赖大量的历史相关数据，缺少历史相关数据时往往无法得到对应结果或者结果误差较大。

技术实现思路

[0004]有鉴于此，本专利技术旨在解决现有的输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于建筑能耗混合模型的输入变量获取方法，其特征在于，包括：将初始变量划分为负荷相关变量和机电相关变量并进行抽样；根据所述初始变量的抽样值进行能耗模拟，分析所述初始变量对输出变量的影响，针对所述负荷相关变量和所述机电相关变量，分别采用敏感性分析方法和嵌入法从所述初始变量中进行关键变量的提取；当初始数据集缺少历史能耗数据时，对根据历史能耗数据补全关键变量后的实际建筑数据集进行关键变量的关联规则挖掘，利用挖掘出的所述关联规则，从所述初始数据集中的已知关键变量对缺失关键变量进行推测，从而获取需要输入的全部关键变量数据。2.根据权利要求1所述的用于建筑能耗混合模型的输入变量获取方法，其特征在于，针对所述负荷相关变量，采用敏感性分析方法从所述初始变量中进行关键变量的提取，具体包括：确定初始变量及其取值范围；在取值范围内，用Morris方法和拉丁超立方方法分别对初始变量进行抽样，生成一系列初始变量值的集合；根据所述初始变量值的集合生成能耗模拟工具的输入，利用所述能耗模拟工具进行模拟计算，得到能耗值；将抽样得到的初始变量集合作为输入，能耗模拟值作为输出，分别用 Morris、标准秩回归系数法和偏秩回归系数法方法提取关键变量，其中用Morris方法提取所述关键变量时，需对应所述Morris方法抽样得到的初始变量集合作为输入，在使用其他方法提取所述关键变量时，对应所述拉丁超立方方法抽样得到的初始变量集合。3.根据权利要求1所述的用于建筑能耗混合模型的输入变量获取方法，其特征在于，针对所述机电相关变量，采用嵌入法从所述初始变量中进行关键变量的提取，具体包括：确定初始变量及其取值范围；在取值范围内，利用拉丁超立方抽样法对初始连续型变量进行抽样、对初始离散型变量进行排列组合；利用能耗模拟工具建立输入变量和输出变量之间的对应关系；采用XGBoost算法对所述机电相关变量中的关键变量进行提取。4.根据权利要求1所述的用于建筑能耗混合模型的输入变量获取方法，其特征在于，当初始数据集缺少历史能耗数据时，对缺失关键变量进行推测，具体包括：根据连续型关键变量的取值范围进行等距离的离散化；对根据历史能耗数据补全关键变量后的实际建筑数据集进行关键变量的关联规则挖掘；针对连续型关键变量，若所述缺失关键变量和所述已知关键变量之前存在关联关系，则根据已经存在的关联规则表进行缺失值的推测，若已知关键变量大于3项，则根据将已知变量进行2项及3项的排列组合，进行多次推测，然后取多次推测的最大值和最小值作为关键变量推测值的上下限；针对离散型关键变量，取与缺失的离散型关键变量值最近的两个离散值作为被推测值的上下限，并在上下限区间内采用拉丁超立方抽样，得到被推测值的分布。5.根据权利要求1所述的用于建筑能耗混合模型的输入变量获取方法，其特征在于，当
初始数据集有历史能耗数据时，对缺失关键变量进行推测，还包括：利用能耗模拟工具生成的模拟数据将能耗模型灰箱化得到用于关键变量缺失值推测的能耗模拟值预测模型；确定待推测的关键变量及其取值范围；初始化待推测关键变量补全输入参数，并利用所述能耗模拟值预测模型模拟得到逐时的能耗模拟值；根据历史能耗的颗粒度进行模拟数据颗粒度的转换；计算实际数据和所述模拟数据之间的误差，将所述误差作为遗传算法的目标函数进行迭代计算，直至所述目标函数收敛，将收敛时的关键变量推测值作为最终的关键变量推测值。6.一种用于建筑能耗混合模型的输入变量获取系统，其特征在于，包括：抽样单元，用于将初始变...

【专利技术属性】
技术研发人员：周克楠，陈斐然，招婉媚，朱迪，何德卫，戚建平，梁永权，郭子科，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：