模型构建方法及装置、建筑负荷预测方法及装置制造方法及图纸

建筑负荷预测模型的构建方法及装置、建筑物负荷预测方法、计算机设备及存储介质，涉及建筑负荷预测技术领域。解决了源域建筑匹配不准确、匹配结果单一，数据维度、完整度不足等问题。所述建筑负荷预测模型的构建方法包括：建立与目标建筑相同的离线建筑仿真模型，并收集离线建筑仿真模型的仿真数据集，将仿真数据集输出，根据边缘端与云端数据的相似性，获取用于预训练负荷预测模型的源域数据；建立基于迁移学习的在线负荷预测模型，根据“云

【技术实现步骤摘要】
模型构建方法及装置、建筑负荷预测方法及装置


[0001]本专利技术属于建筑负荷预测


技术介绍

[0002]近年来，深度网络模型在建筑负荷预测中得到了广泛应用。相较于其他方法，深度网络模型具有更好的预测性能。但是深度网络模型的良好性能需要大量数据进行训练，而且模型训练的计算成本高、计算量大。特别是大量新建建筑和刚刚开展节能改造的既有建筑，第1、2年往往没有数据或数据质量不高，导致训练过程网络的特征提取能力削弱，从而无法达到预期的预测效果。
[0003]目前，迁移学习已被广泛应用于图像分类、自然语言处理、网页分类等诸多领域。但是，迁移学习用于负荷预测中的研究成果相对于较少，例如：2021年12月24日公开的硕士论文“融合迁移学习和长短记忆网络的建筑负荷预测研究”(中国矿业大学，张勇)，而且现有方法依然存在着源域匹配不准确、迁移对象单一等不足。
[0004]2021年03月12日公开的专利技术专利CN112488397A,基于模态分解和迁移学习的极端场景下负荷预测方法，公开了电力系统负荷预测方法，其用于进行电力系统规划、指导本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型构建方法，用于构建建筑负荷预测模型，其特征在于，所述方法包括：获取边缘端上传的建筑数据，构建与目标建筑相同的离线建筑仿真模型，并基于所述建筑数据训练所述离线建筑仿真模型，得到每次训练所输出的仿真数据集；根据边缘端上传的建筑数据与仿真数据集中的数据的相似性，从所述仿真数据集中确定出源域数据；建立在线负荷预测模型，并用所述源域数据对所述在线负荷预测模型进行训练，得到每次训练所输出的预测数据集；在所述离线建筑仿真模型以及所述在线负荷预测模型的每次迭代训练中，判断是否满足预设条件；在为是时，将当前的离线建筑仿真模型确定为所述建筑负荷预测模型；在为否时，继续迭代训练。2.根据权利要求1所述的一种模型构建方法，其特征在于，所述预设条件为：所述离线建筑仿真模型输出的仿真数据集与所述在线负荷预测模型输出的预测数据集之间的距离大于距离阈值。3.根据权利要求1或2所述的一种模型构建方法，其特征在于，所述仿真数据集包括建筑冷热电负荷数据和建筑动态负荷，所述建筑动态负荷为影响所述建筑冷热电负荷数据的影响因素，所述建筑动态负荷包括建筑周围气象环境数据、建筑本体数据、用能习惯、建筑物室内人员状况。4.根据权利要求1所述的一种模型构建方法，其特征在于，所述根据边缘端上传的建筑数据与仿真数据集中的数据的相似性，从所述仿真数据集中确定出源域数据，包括：将所述仿真数据集中，其相似性高于阈值的仿真数据作为所述源域数据。5.根据权利要求1所述的方法，其特征在于，所述建立在线负荷预测模型，并用所述源域数据对所述在线负荷预测模型进行训练，包括：采用偏自相关函数PACF分析确定所述源域数据的特征维度，利用滑动窗口将多特征源域数据和仿真数据变为N维特征时间序列，即X＝{(x1,
…
,x
c+1
),
…
,(x
c+1
,
…
，x
2c+1
)...

【专利技术属性】
技术研发人员：李骥，徐伟，孙宗宇，乔镖，朱超，孔维政，
申请(专利权)人：国网陕西省电力有限公司电力科学研究院国网能源研究院有限公司，
类型：发明
国别省市：