一种基于度日数的建筑负荷预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于度日数的建筑负荷预测方法及装置，方法包括：从所获取的待处理变量观测信息中识别内扰变量信息及外扰变量信息；剔除所述外扰变量信息中，除干球温度外的其余外扰变量信息；将所述干球温度转换为度日数；按照所述建筑使用习惯信息对应的时间信息，将所述建筑使用习惯信息分别划分为待处理日类型信息及待处理月类型信息；将所述度日数、所述待处理日类型及待处理月类型输入预先构建的目标负荷预测模型，得到建筑负荷预测结果。仅仅将干球温度转换为度日数，结合建筑使用习惯信息所划分的日类型及月类型，作为负荷预测模型的输入特征，在简化预测模型输入变量的同时，确保数据模型预测精度。确保数据模型预测精度。确保数据模型预测精度。

【技术实现步骤摘要】
一种基于度日数的建筑负荷预测方法及装置


[0001]本专利技术涉及建筑节能技术技域，尤其涉及一种基于度日数的建筑负荷预测方法及装置。

技术介绍

[0002]建筑负荷的预测是现在建筑能耗工作中十分重要的一项，是建立节能减排的重要支撑条件。
[0003]目前主要有两种负荷预测方式，一种是通过物理模型预测，即通过物理模型，依靠各种已知的物理学定律来计算以完成预测，典型的物理学建模软件有EnergyPlus与eQuest；另一种是通过数据模型预测，即从数据中自行归纳规律，并利用此规律来完成预测。
[0004]虽然相比于通过物理模型预测的方式，通过数据模型预测不需要十分琐碎的输入变量，也不需要考虑内部复杂的物理过程，但这一方式难以确定输入变量的取值，并且难以在预算成本和提升预测效果之间取得平衡。因此，提出一种基于更为客观的输入变量而得到的数据模型，以实现对建筑负荷的预测方法，具有重要意义。

技术实现思路

[0005]本专利技术提供了一种基于度日数的建筑负荷预测方法及装置，通过引入度日数作为数据模型的输入变量之一，在确保数据模型预测精度的同时，极大程度地简化了输入变量。
[0006]第一方面，本专利技术提供的一种基于度日数的建筑负荷预测方法，包括：
[0007]从所获取的待处理变量观测信息中识别内扰变量信息及外扰变量信息；所述内扰变量信息包括：建筑使用习惯信息；
[0008]剔除所述外扰变量信息中，除干球温度外的其余外扰变量信息；
[0009]将所述干球温度转换为度日数；
[0010]按照所述建筑使用习惯信息对应的时间信息，将所述建筑使用习惯信息分别划分为待处理日类型信息及待处理月类型信息；
[0011]将所述度日数、所述待处理日类型及待处理月类型输入预先构建的目标负荷预测模型，得到建筑负荷预测结果。
[0012]可选地，所述度日数包括：制冷度日数和采暖度日数；将所述干球温度转换为度日数，包括：
[0013]获取制冷季平衡温度和采暖季平衡温度；
[0014]确定所述干球温度中的当日室外最高干球温度和当日室外最低干球温度；
[0015]将所述当日室外最高干球温度、所述当日室外最低干球温度、所述制冷季平衡温度和所述采暖季平衡温度输入预先设定的度日数计算模型，得到对应的制冷度日数和采暖度日数。
[0016]可选地，获取制冷季平衡温度和采暖季平衡温度，包括：
[0017]从预先绘制的暖通空调系统的日用电量数据与日平均温度散点图中，确定日用电量随日平均温度呈线性变化的温度上限值及温度下限值；
[0018]分别定义所述温度上限值为所述制冷季平衡温度，所述温度下限值为采暖季平衡温度。
[0019]可选地，所述目标负荷预测模型的构建方法包括：
[0020]从预先设定的负荷数据库中获取建筑负荷训练样本，所述建筑负荷训练样本包括：建筑样本负荷标签、建筑样本日类型信息、建筑样本月类型信息及建筑样本度日数；
[0021]基于所述建筑样本日类型信息、所述建筑样本月类型信息及所述建筑样本度日数及所述建筑负荷训练样本对应的建筑样本负荷标签，构建所述目标负荷预测模型。
[0022]可选地，基于所述建筑样本日类型信息、建筑样本月类型信息及建筑样本度日数及所述建筑负荷训练样本对应的建筑样本负荷标签，构建所述目标负荷预测模型，包括：
[0023]将所述基于所述建筑样本日类型信息、所述建筑样本月类型信息及所述建筑样本度日数输入初始负荷预测模型，生成对应的建筑样本负荷预测值；
[0024]根据所述负荷训练样本对应的建筑样本负荷标签和建筑所述建筑样本负荷预测值，确定训练误差；
[0025]基于所述训练误差，通过反向传播算法，对所述初始负荷预测模型进行调整，以得到最优网络参数，并采用所述最优网络参数生成所述目标负荷预测模型。
[0026]第二方面，本专利技术还提供了一种基于度日数的建筑负荷预测装置，包括：
[0027]识别模块，用于从所获取的待处理变量观测信息中识别内扰变量信息及外扰变量信息；所述内扰变量信息包括：建筑使用习惯信息；
[0028]剔除模块，用于剔除所述外扰变量信息中，除干球温度外的其余外扰变量信息；
[0029]转换模块，用于将所述干球温度转换为度日数；
[0030]类型划分模块，用于按照所述建筑使用习惯信息对应的时间信息，将所述建筑使用习惯信息分别划分为待处理日类型信息及待处理月类型信息；
[0031]输入模块，用于将所述度日数、所述待处理日类型及待处理月类型输入预先构建的目标负荷预测模型，得到建筑负荷预测结果。
[0032]可选地，所述度日数包括：制冷度日数和采暖度日数；所述转换模块包括：
[0033]温度获取子模块，用于获取制冷季平衡温度和采暖季平衡温度；
[0034]干球温度确定子模块，用于确定所述干球温度中的当日室外最高干球温度和当日室外最低干球温度；
[0035]度日数确定子模块，用于将所述当日室外最高干球温度、所述当日室外最低干球温度、所述制冷季平衡温度和所述采暖季平衡温度输入预先设定的度日数计算模型，得到对应的制冷度日数和采暖度日数。
[0036]可选地，所述温度获取子模块包括：
[0037]预置确定单元，用于从预先绘制的暖通空调系统的日用电量数据与日平均温度散点图中，确定日用电量随日平均温度呈线性变化的温度上限值及温度下限值；
[0038]定义单元，用于分别定义所述温度上限值为所述制冷季平衡温度，所述温度下限值为采暖季平衡温度。
[0039]可选地，所述目标负荷预测模型的构建模块包括：
[0040]样本获取子模块，用于从预先设定的负荷数据库中获取建筑负荷训练样本，所述建筑负荷训练样本包括：建筑样本负荷标签、建筑样本日类型信息、建筑样本月类型信息及建筑样本度日数；
[0041]构建子模块，用于基于所述建筑样本日类型信息、所述建筑样本月类型信息及所述建筑样本度日数及所述建筑负荷训练样本对应的建筑样本负荷标签，构建所述目标负荷预测模型。
[0042]可选地，所述构建子模块包括：
[0043]预测值生成单元，用于将所述基于所述建筑样本日类型信息、所述建筑样本月类型信息及所述建筑样本度日数输入初始负荷预测模型，生成对应的建筑样本负荷预测值；
[0044]训练误差确定单元，用于根据所述负荷训练样本对应的建筑样本负荷标签和建筑所述建筑样本负荷预测值，确定训练误差；
[0045]目标负荷预测模块生成单元，用于基于所述训练误差，通过反向传播算法，对所述初始负荷预测模型进行调整，以得到最优网络参数，并采用所述最优网络参数生成所述目标负荷预测模型。
[0046]从以上技术方案可以看出，本专利技术具有以下优点：
[0047]本专利技术通过从所获取的待处理变量观测信息中识别内扰变量信息及外扰变量信息；剔除所述外扰变量信息中，除干球温度外的其余外扰变量信息；将所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于度日数的建筑负荷预测方法，其特征在于，包括：从所获取的待处理变量观测信息中识别内扰变量信息及外扰变量信息；所述内扰变量信息包括：建筑使用习惯信息；剔除所述外扰变量信息中，除干球温度外的其余外扰变量信息；将所述干球温度转换为度日数；按照所述建筑使用习惯信息对应的时间信息，将所述建筑使用习惯信息分别划分为待处理日类型信息及待处理月类型信息；将所述度日数、所述待处理日类型及待处理月类型输入预先构建的目标负荷预测模型，得到建筑负荷预测结果。2.根据权利要求1所述的基于度日数的建筑负荷预测方法，其特征在于，所述度日数包括：制冷度日数和采暖度日数；将所述干球温度转换为度日数，包括：获取制冷季平衡温度和采暖季平衡温度；确定所述干球温度中的当日室外最高干球温度和当日室外最低干球温度；将所述当日室外最高干球温度、所述当日室外最低干球温度、所述制冷季平衡温度和所述采暖季平衡温度输入预先设定的度日数计算模型，得到对应的制冷度日数和采暖度日数。3.根据权利要求2所述的基于度日数的建筑负荷预测方法，其特征在于，获取制冷季平衡温度和采暖季平衡温度，包括：从预先绘制的暖通空调系统的日用电量数据与日平均温度散点图中，确定日用电量随日平均温度呈线性变化的温度上限值及温度下限值；分别定义所述温度上限值为所述制冷季平衡温度，所述温度下限值为采暖季平衡温度。4.根据权利要求1所述的基于度日数的建筑负荷预测方法，其特征在于，所述目标负荷预测模型的构建方法包括：从预先设定的负荷数据库中获取建筑负荷训练样本，所述建筑负荷训练样本包括：建筑样本负荷标签、建筑样本日类型信息、建筑样本月类型信息及建筑样本度日数；基于所述建筑样本日类型信息、所述建筑样本月类型信息及所述建筑样本度日数及所述建筑负荷训练样本对应的建筑样本负荷标签，构建所述目标负荷预测模型。5.根据权利要求4所述的基于度日数的建筑负荷预测方法，其特征在于，基于所述建筑样本日类型信息、建筑样本月类型信息及建筑样本度日数及所述建筑负荷训练样本对应的建筑样本负荷标签，构建所述目标负荷预测模型，包括：将所述基于所述建筑样本日类型信息、所述建筑样本月类型信息及所述建筑样本度日数输入初始负荷预测模型，生成对应的建筑样本负荷预测值；根据所述负荷训练样本对应的建筑样本负荷标签和建筑所述建筑样本负荷预测值，确定训练误差；基于所述训练误差，通过反向传播算法，对所述初始负荷预测模型进行调整，以得到最优网络参数，并采用所述最优网络参数生成所述目标负荷预测模型。6.一种基于度日数的建筑负荷预测装置，其特征在于，包括：识别模块，用于从所获取...

【专利技术属性】
技术研发人员：周克楠，陈斐然，朱迪，招婉媚，戚建平，梁永权，何德卫，
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：