【技术实现步骤摘要】
本专利技术属于能耗预测，具体涉及一种建筑能耗预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、建筑能耗是指建筑物使用过程中用于供暖、通风、空调、照明、家用电器、输送、动力、烹任、给水排水和热水供应等的能耗。在全世界的能源耗中，建筑能耗在总能耗中所占的比重都很大，因此对建筑能耗进行预测对建筑能耗的管理有重大意义。
3、随着全球对节能减排的关注日益增长，各个领域都在积极探索和实践节能减排的措施。然而，当今写字楼、办公楼、政府机关等建筑的能耗却高居不下，成为节能减排工作的难点。为解决这一难题，引入相关智能化系统显得尤为重要。这些智能化系统能够实现对建筑能耗的实时监测和管理，通过收集和分析建筑内的各种数据，包括环境参数、设备运行状态、能源使用情况等，为建筑提供个性化的节能方案；其中，能耗预测是智能化系统的重要组成部分。但是，传统技术中的建筑能耗预测需要详细的建筑信息且花费时间较长，难以准确地进行建筑能耗的预测。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种建筑能耗预测方法及系统，基于改进的长短期记忆网络(long short-term memory，简称lstm)预测建筑在未来一段时间内的能耗情况，为建筑管理者制定更加有效的节能计划。
2、根据一些实施例，本专利技术的第一方案提供了一种建筑能耗预测方法，采用如下技术方案：
3、一种建筑能耗预测方法，包括：
5、根据所获取的相关参数和能耗预测模型，预测建筑能耗；
6、其中，在预测建筑能耗的过程中，在长短期记忆网络之前加入注意力层，通过改进的长短期记忆网络构建能耗预测模型，预测建筑用电，实现建筑能耗的预测。
7、作为进一步的技术限定，所获取的待预测建筑的相关参数包括日期数据、气象参数和负荷参数；其中，所述气象参数至少包括温度、湿度、风速和太阳辐射强度；所述负荷参数至少包括总耗电量、空调用电量、动力用电量、照明用电量和其他用电量。
8、进一步的，所构建的能耗预测模型在长短期记忆网络之前加入注意力层，长短期记忆网络和注意力层之间添加bn层，在长短期记忆网络和输出层之间添加dropout，以加速模型训练并增强模型稳定性。
9、进一步的，在预测建筑能耗的过程中，将所获取的待预测建筑的相关参数输入到所构建的能耗预测模型中，分别预测建筑的负荷参数，对所得到的负荷参数预测值进行累加，得到建筑的总用电量，即完成建筑能耗的预测。
10、作为进一步的技术限定，在长短期记忆网络之前加入注意力层，将注意力权重与输入特征进行加权，得到用于计算输入元素权重的加权后的特征向量，以确定输入元素的重要度；其中，所述注意力层采用多头注意力机制。
11、作为进一步的技术限定，在预测建筑能耗之前，对所获取的待预测建筑的相关参数进行预处理，所述预处理包括数据校验、数据清洗、数据特征筛选以及数据的归一化处理。
12、进一步的，在数据特征筛选的过程中，采用皮尔逊相关系数与斯皮尔曼等级相关系数分析所获取的待预测建筑相关参数之间的相关性，根据所得到的相关性进行相关参数的特征筛选。
13、根据一些实施例，本专利技术的第二方案提供了一种建筑能耗预测系统，采用如下技术方案：
14、一种建筑能耗预测系统，包括：
15、获取模块，其被配置为获取待预测建筑的相关参数；
16、预测模块，其被配置为根据所获取的相关参数和能耗预测模型，预测建筑能耗；
17、其中，在预测建筑能耗的过程中，在长短期记忆网络之前加入注意力层，通过改进的长短期记忆网络构建能耗预测模型，预测建筑用电，实现建筑能耗的预测。
18、根据一些实施例，本专利技术的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
19、一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方案所述的建筑能耗预测方法中的步骤。
20、根据一些实施例，本专利技术的第四方案提供了一种电子设备，采用如下技术方案：
21、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方案所述的建筑能耗预测方法中的步骤。
22、与现有技术相比，本专利技术的有益效果为：
23、本专利技术在能耗预测领域实现对建筑中电力能耗的预测，预测准确度高、速度快；能够及时发现异常情况，为建筑能源管理和节能提供有力支持；本专利技术可自动检验数据和填充缺失数据，完成数据集的构建，处理速度快；本专利技术可减少过拟合、提高训练速度，所构建的能耗预测模型能够准确的捕捉到历史时间序列上能耗之间的关系，准确快速地完成电力能耗预测。
本文档来自技高网...【技术保护点】
1.一种建筑能耗预测方法，其特征在于，包括：
2.如权利要求1中所述的一种建筑能耗预测方法，其特征在于，所获取的待预测建筑的相关参数包括日期数据、气象参数和负荷参数；其中，所述气象参数至少包括温度、湿度、风速和太阳辐射强度；所述负荷参数至少包括总耗电量、空调用电量、动力用电量、照明用电量和其他用电量。
3.如权利要求2中所述的一种建筑能耗预测方法，其特征在于，所构建的能耗预测模型在长短期记忆网络之前加入注意力层，长短期记忆网络和注意力层之间添加BN层，在长短期记忆网络和输出层之间添加dropout，以加速模型训练并增强模型稳定性。
4.如权利要求3中所述的一种建筑能耗预测方法，其特征在于，在预测建筑能耗的过程中，将所获取的待预测建筑的相关参数输入到所构建的能耗预测模型中，分别预测建筑的负荷参数，对所得到的负荷参数预测值进行累加，得到建筑的总用电量，即完成建筑能耗的预测。
5.如权利要求1中所述的一种建筑能耗预测方法，其特征在于，在长短期记忆网络之前加入注意力层，将注意力权重与输入特征进行加权，得到用于计算输入元素权重的加权后的特征向
6.如权利要求1中所述的一种建筑能耗预测方法，其特征在于，在预测建筑能耗之前，对所获取的待预测建筑的相关参数进行预处理，所述预处理包括数据校验、数据清洗、数据特征筛选以及数据的归一化处理。
7.如权利要求6中所述的一种建筑能耗预测方法，其特征在于，在数据特征筛选的过程中，采用皮尔逊相关系数与斯皮尔曼等级相关系数分析所获取的待预测建筑相关参数之间的相关性，根据所得到的相关性进行相关参数的特征筛选。
8.一种建筑能耗预测系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-7任一项所述的建筑能耗预测方法的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-7任一项所述的建筑能耗预测方法的步骤。
...【技术特征摘要】
1.一种建筑能耗预测方法，其特征在于，包括：
2.如权利要求1中所述的一种建筑能耗预测方法，其特征在于，所获取的待预测建筑的相关参数包括日期数据、气象参数和负荷参数；其中，所述气象参数至少包括温度、湿度、风速和太阳辐射强度；所述负荷参数至少包括总耗电量、空调用电量、动力用电量、照明用电量和其他用电量。
3.如权利要求2中所述的一种建筑能耗预测方法，其特征在于，所构建的能耗预测模型在长短期记忆网络之前加入注意力层，长短期记忆网络和注意力层之间添加bn层，在长短期记忆网络和输出层之间添加dropout，以加速模型训练并增强模型稳定性。
4.如权利要求3中所述的一种建筑能耗预测方法，其特征在于，在预测建筑能耗的过程中，将所获取的待预测建筑的相关参数输入到所构建的能耗预测模型中，分别预测建筑的负荷参数，对所得到的负荷参数预测值进行累加，得到建筑的总用电量，即完成建筑能耗的预测。
5.如权利要求1中所述的一种建筑能耗预测方法，其特征在于，在长短期记忆网络之前加入注意力层，将注意力权重与输入特征进...
【专利技术属性】
技术研发人员：黄绪涛，沙睿，卢生炜，周明，张勇，杨潇，宗云兵，胡代国，
申请(专利权)人：金现代信息产业股份有限公司，
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。