一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于Deep SHAP的酒店负荷影响因素量化分析方法


[0001]本专利技术涉及楼宇能耗分析
，尤其涉及一种基于
Deep SHAP
的酒店负荷影响因素量化分析方法
。

技术介绍

[0002]随着我国城市化建设步伐加快，建筑物总量及能耗急剧增加，如何实现建筑用能的高效管理成为重要问题
。
相比于普通公共建筑，酒店建筑的设备繁多，分区复杂，缺乏分项计量系统，能源类型多样且分布不均衡，其负荷影响因素量化分析与统一管理存在较大困难
。
随着信息采集
、
处理
、
存储技术的进步，酒店运行负荷数据采集的问题逐渐得以解决，而如何有效利用酒店建筑中的历史数据对酒店负荷影响因素进行量化分析成为重要问题，是实现酒店负荷节能运行与控制的重要前提
。
[0003]目前在酒店负荷影响因素量化分析问题的研究方面，主要集中于对酒店中空调
、
热水器等部分可调节负荷影响因素的量化分析，以辅助制定相应的控制策略，主要的方法包括相关性系数法
...

【技术保护点】

【技术特征摘要】
1.
一种基于
Deep SHAP
的酒店负荷影响因素量化分析方法，其特征在于：包括以下步骤：步骤（
A
）
、
对酒店负荷进行分层分类，确定初始影响因素集中的特征元素；步骤（
B
）
、
以酒店日负荷曲线为基础，通过聚类分析的方法确定特征日：以春
、
夏
、
秋
、
冬四个季节为基础，分别对各个季节选取三十个典型日，每个典型日以1小时为时间间隔记录数据，形成初始样本数据库，所述初始样本数据库包括训练样本数据和测试样本数据；步骤（
C
）
、
基于采集的训练样本数据，利用反向传播法训练生成人工神经网络模型
NN
；步骤（
D
）采用
Deep SHAP
方法和测试样本数据，计算出酒店负荷影响因素集中各因素对最终预测结果贡献程度指标的均值；其中，表示第层特征对第层第
k
类电力负荷的影响程度值；步骤（
E
）
、
考虑酒店各层电力负荷量以及各层电力负荷组成情况，计算出酒店负荷影响因素集中各因素对酒店整体负荷影响的量化分析结果
。2. 根据权利要求1所述的一种基于
Deep SHAP
的酒店负荷影响因素量化分析方法，其特征在于：步骤（
B
）中形成训练样本数据和测试样本数据，其中样本数据包括：酒店各楼层电力负荷总量数据，酒店各楼层各类电力负荷量，初始影响因素集中所要求的酒店运行数据
。3. 根据权利要求2所述的一种基于
Deep SHAP
的酒店负荷影响因素量化分析方法，其特征在于：样本数据中酒店各楼层电力负荷按照如下的类别进行分类：空调及通风设备负荷为类型
A
，照明设备负荷为类型
B
，供水系统及加热
/
制冷设备负荷为类型
C
，娱乐设备负荷为类型
D
，特定功能服务负荷为类型
E
，酒店分布式电源负荷为类型
F。4.
根据权利要求2所述的一种基于
Deep SHAP
的酒店负荷影响因素量化分析方法，其特征在于：样本数据中初始影响因素集涵盖了三个方面的因素：包括环境因素
、
设备因素和随机因素；其中，环境因素包括室外温度
F1、
室外湿度
F2、
室外光照强度
F3、
室外
PM2.5
浓度
F4
；其中，设备因素包括室内照明强度设定值...

【专利技术属性】
技术研发人员：孙延，史蒙云，李权，施佳丰，
申请(专利权)人：江苏米特物联网科技有限公司，
类型：发明
国别省市：