【技术实现步骤摘要】
一种基于多因素指数和GM灰色系统的建筑能耗预测方法
[0001]本专利技术涉及建筑能耗预测的
,尤其涉及到一种基于多因素指数和GM灰色系统的建筑能耗预测方法。
技术介绍
[0002]建筑能耗是环境污染加重和温室气体排放增多的主要原因之一,因此,对建筑能耗进行预测显得尤为重要。
[0003]纵观国内外现有的建筑能耗预测方法,主要包括机器学习、指数平滑法以及与神经网络相联系的组合预测等数据驱动方法,在一定程度上填补了建筑能耗数据的空缺。但现有的建筑能耗预测理论研究中,大部分研究着重于探讨建筑总能耗的规律性与趋势性,往往忽略了影响建筑能耗的因素(包括建筑体特征、外部环境及外围传热系数等)是多元的,而且,这些影响因素之间的关系也非常复杂。此外,较少考虑多种因素对建筑能耗预测的影响,在建筑节能规划方面的作用相对较弱。还有的是,大部分研究运用改良后的人工神经网络、机器学习等算法,从而进一步提高了建筑能耗预测模型的准确度,但没有充分考虑和分析建筑能耗的多因素综合驱动效果。
技术实现思路
[0004]本专利技术 ...
【技术保护点】
【技术特征摘要】
1.一种基于多因素指数和GM灰色系统的建筑能耗预测方法,其特征在于,包括以下步骤:S1、构建建筑模型,并获取该建筑模型一年12个月的总仿真能耗y;S2、结合总仿真能耗y获取影响建筑能耗的影响因素的权重;S3、结合影响建筑能耗的影响因素和相应的权重求取多因素指数,并结合总仿真能耗y求取新的时间序列X
(0)
;S4、通过新的时间序列X
(0)
求取累加后序列X
(1)
和紧邻均值生成序列z
(1)
;S5、通过新的时间序列X
(0)
、累加后序列X
(1)
、紧邻均值生成序列z
(1)
建立GM(1,1)模型,并求取GM(1,1)模型的参数,得到预测模型;S6、检验预测模型的精度,若预测模型的精度不符合预测要求,则对该预测模型进行修正,直至得到符合预测要求的预测模型;S7、结合符合预测要求的预测模型进行建筑能耗预测。2.根据权利要求1所述的一种基于多因素指数和GM灰色系统的建筑能耗预测方法,其特征在于,获取建筑模型的总仿真能耗具体包括:S1
‑
1、将绘制完成的建筑图纸导入建模软件中进行建模;S1
‑
2、在计算软件中对建成的建筑模型的结构设计参数、热工构造进行设置;S1
‑
3、计算建筑模型的总仿真能耗。3.根据权利要求1所述的一种基于多因素指数和GM灰色系统的建筑能耗预测方法,其特征在于,通过多元线性回归求取影响因素的权重,公式如下:式(1)中,y为总仿真能耗,x1,x2,
…
,x
k
为影响因素,k=1,2,...,n,k表示第k个影响因素,n表示影响因素的总数;b0表示常数项,b1,b2,...,b
k
表示对应影响因素的权重;ε为随机变量;为根据回归方程带入x得到的值。4.根据权利要求3所述的一种基于多因素指数和GM灰色系统的建筑能耗预测方法,其特征在于,所述影响因素包括建筑体特征、外部环境、外围热传递系数。5.根据权利要求3或4所述的一种基于多因素指数和GM灰色系统的建筑能耗预测方法,其特征在于,获取的影响建筑能耗的影响因素,还包括通过复相关分析法求取复合后对建筑能耗产生影响的影响因素;复相关分析法依据复相关系数r进行复相关判断,而复相关系数r的计算公式如下:式(2)中,r和corr(y,X1,X2,
…
,X
K
‘
)表示建筑总仿真能耗y与复合的因素X1,X2,
…
,X
K
‘
的复相关系数,K
‘
为复合因素的数量,表示回归方程带入影响因素得到的值;cov()表示括号内变量的协方差;复相关系数r的取值范围为[0,1],复相关系数r越大,表明变量之间的线性相关程度越密切。6.根据权利要求1所述的一种基于多因素指数和GM灰色系统的建筑能耗预测方法,其
特征在于,步骤S3包括:S3
‑
1、求取多因素指数M
k
,公式如下:M
k
=x1×
b1+x2×
b2+
…
+x
k
×
b
k
ꢀꢀꢀꢀ
(3)式(3)中,x1,x2,
…
,x
k
为影响因素,b1,b2,...,b
k
表示对应影响因素的权重;k=1,2,...,n,k表示第k个影响因素,n表示影响因素的总数;S3
‑
2、将总仿真能耗y除以多因素指数M
k
得到新的时间序列X
(0)
。7.根据权利要求1所述的一种基于多因素指数和GM灰色系统的建筑能耗预测方法,其特征在于,步骤S4包括:S4
‑
...
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。