一种基于模型融合预测算法的建筑逐时能耗预测方法技术

本发明专利技术公开了一种基于模型融合预测算法的建筑逐时能耗预测方法，选取典型的实际运行案例采集建筑的运行数据组成建筑供暖能耗样本，并对采集到的建筑供暖能耗样本进行预处理；构建具有双层框架的建筑能耗预测算法，包括双层框架构建、基模型构建和基模型算法选取三部分；利用建筑供暖能耗预测模型得到预测的建筑逐时能耗；基于精度、泛化性和鲁棒性构建预测模型评价体系，采用建立的评价指标体系对建筑逐时能耗预测算法进行多角度综合评价。与现有技术相比，本发明专利技术有效提升了建筑能耗预测模型的预测性能，完善了建筑能耗预测领域经验算法库，对建筑暖通空调系统能源管理和节能减排具有重要意义。排具有重要意义。排具有重要意义。

【技术实现步骤摘要】
一种基于模型融合预测算法的建筑逐时能耗预测方法


[0001]本专利技术涉及计算机数据处理和建筑能耗管理
，特别是涉及一种基于模型融合预测算法的建筑逐时能耗预测方法。

技术介绍

[0002]建筑领域是节能减排的主战场，建筑全过程碳排放约占全国总碳排放的50％以上。其中，建筑运行能耗约70％来自于暖通空调系统运行能耗。因此，如何采取措施对建筑暖通空调系统的运行能耗进行有效管理一直是建筑节能减碳相关研究的热点之一。通过智能调控技术提高暖通空调系统的供需匹配度，实现建筑运行中不同时间尺度的按需、精细供能是提升建筑能源系统运行能效和经济性的关键。需求侧，建筑的冷热负荷特征将随气候、建筑功能、人员行为等多种不确定因素动态变化，导致建筑能耗难以精准预测。为此，建筑能耗预测在能源规划、管理和节约中具有不可替代的作用。
[0003]由于高效性和较高的预测性能，数据驱动算法已经成为建筑能源领域应用最广泛的方法，常用的数据驱动预测模型主要分为单一预测模型、集成预测模型和改进预测模型。单一预测模型具有单一的算法架构，如支持向量回归(SVR)、人工神经网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型融合预测算法的建筑逐时能耗预测方法，其特征在于，该方法具体包括以下步骤：步骤1、选取典型的实际运行案例采集建筑的运行数据组成建筑供暖能耗样本包括输入数据和输出数据，所述输入数据包括逐时室外气象参数、时间变量和历史能耗，所述输出数据包括逐时运行能耗，对采集到的建筑供暖能耗样本进行预处理；步骤2、构建具有双层框架的建筑逐时能耗预测模型，包括双层框架构建、基模型构建和基模型算法选取三部分，具体过程描述如下：步骤2.1、进行双层框架构建：第一层框架由五个基模型构成，输入为原始数据，输出为基于每个基模型输出结果集成的元特征；第二层框架由组合模型构成，用于训练新的训练集，输入为第一层框架的输出结果即元特征，输出为最终建筑逐时能耗预测结果：第二层框架中为组合模型；步骤2.2、进行基模型构建，即将训练数据集划分为5个互不相交的训练子集，依次将5个训练子集train
a
、train
b
、train
c
、train
d
、train
e
中将任意1个训练子集作为验证集，另外4个训练子集作为训练集，进行基模型训练，利用训练得到的4个基模型训练结果对验证集进行预测，得到预测集，最后将五...

【专利技术属性】
技术研发人员：王冉，赵文端，郑杰豪，吕石磊，
申请(专利权)人：天津大学，
类型：发明
国别省市：