【技术实现步骤摘要】
一种教育建筑运行阶段碳排放预测方法与系统
[0001]本专利技术属于建筑碳排放预测
,特别涉及一种教育建筑运行阶段碳排放预测方法及系统
。
技术介绍
[0002]近年来自然环境及社会环境问题日益严重,可持续发展的需求越来越迫切,同时建筑能源需求服务也在不断增长,因此,我们需要建立高效的建筑能源规划策略,确保未来建筑环境发展的同时提高建筑能源的使用效率,节约资源,达到可持续发展,而高效的建筑能源规划策略离不开建筑的碳排放预测,它有助于我们对建筑能源进行有效的管理和节约,并且可以通过检测系统对能源系统进行调试
、
控制和运行
。
[0003]常见的建筑碳排放预测模型主要分为三类,他们分别是白箱模型
、
灰箱模型和黑箱模型
。
白箱模型也被称为工程学方法,根据热力学规则呈现系统的物理性状以及根据系统与环境的相互作用来估量碳排放
。
灰箱模型是一种介于白箱模型和黑箱模型之间的方法
。
黑箱模型也被称为
AI
数据驱动方法,其在不了解建筑内部和单个组件的情况下预测碳排放量,由于其建模过程简单
、
预测精度高
、
解决非线性问题的能力强,所以近年来受到研究者们的广泛关注,
AI
数据驱动方法具体又可以分为单一碳排放预测方法和集成碳排放预测方法
。
[0004]单一碳排放预测方法指应用单一预测算法对碳排放进行预测,主要包括常见的机器学习方法,例 ...
【技术保护点】
【技术特征摘要】
1.
一种教育建筑运行阶段碳排放预测方法,其特征在于,包括以下步骤:获取教育建筑碳排放数据,对碳排放数据进行预处理形成碳排放数据集,将碳排放数据集划分为训练集和测试集;用训练集构建教育建筑集成碳排放预测模型,用测试集代入教育建筑集成碳排放预测模型,进行教育建筑碳排放预测;对影响教育建筑碳排放的因素进行特征分析,选取影响建筑碳排放预测结果的重要因素,作为特征指标输入教育建筑集成碳排放预测模型;选择适合教育建筑集成碳排放预测模型的数据量,对训练集和测试集重新划分;用划分后的训练集对教育建筑集成碳排放预测模型训练,用划分后的测试集代入经过训练的教育建筑集成碳排放预测模型,进行教育建筑碳排放预测
。2.
根据权利要求1所述的一种教育建筑运行阶段碳排放预测方法,其特征在于,教育建筑碳排放数据包括碳排放历史数据,时间数据和当地气象数据
。3.
根据权利要求1所述的一种教育建筑运行阶段碳排放预测方法,其特征在于,碳排放数据的预处理包括碳排放量计算
、
数据集成
、
异常值判断
、
缺失值处理和归一化处理;碳排放量计算:根据区域电网基准线排放因子计算教育建筑运行阶段碳排放量,取电量边际排放因子和容量边际排放因子的权重为
0.5:0.5
;数据集成:将各项采集的数据,按照一小时的时间尺度进行整合;异常值判断:使用3σ
法对数据中的异常值进行处理;缺失值处理:采用线性插值对缺失数据进行填充,根据数据序列中需要插值的点的左右临近两个数据按比重来进行数值估计;归一化处理:使用
Min
‑
max normalization
对数据进行归一化处理,处理后的数据位于
[0,1]
之间
。4.
根据权利要求1所述的一种教育建筑运行阶段碳排放预测方法,其特征在于,构建教育建筑集成碳排放预测模型,具体步骤如下:选择五种单一碳排放预测模型作为教育建筑集成碳排放预测模型的第一层基础模型,选择多元线性回归模型作为教育建筑集成碳排放预测模型的第二层元模型
。5.
根据权利要求4所述的一种教育建筑运行阶段碳排放预测方法,其特征在于,在构建第一层基础模型时,采用五折交叉验证并用划分后的训练集对教育建筑集成碳排放预测模型的第一层基础模型进行训练,并输出训练集
P
;将训练集
P
输入到教育建筑集成碳排放预测模型的第二层元模型进行训练;碳教育建筑碳排放预测,具体操作如下:用测试集在教育建筑集成碳排放预测模型的第一层基础模型进行预测,输出测试集
T
,...
【专利技术属性】
技术研发人员:于军琪,曹文强,赵安军,王靖淇,晁孟瑶,王萌,
申请(专利权)人:西安建筑科技大学,
类型:发明
国别省市:
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。