【技术实现步骤摘要】
本专利技术属于建筑能源管理，具体是指基于大数据的供热负荷预测方法及系统。
技术介绍
1、供热负荷预测利用大数据技术获取多种影响供热负荷的相关数据，通过机器学习技术预测未来一定时间段内的供热需求，从而辅助能源管理者有效调整供热系统的运行策略，提高能源利用效率和经济效益，促进能源管理智能化发展，且准确预测供热负荷有助于确保室内温度适宜，提升用户舒适度。
2、但在现有的供热负荷预测过程中，存在由于供热负荷易受到建筑特性和天气状况两种客观因素的影响，单一依据建筑特性进行预测容易缺失外部因素对于供热需求的影响，而只考虑天气状况则无法结合具体建筑保温性能和结构之间的差异，因而传统方法缺乏对建筑特性和天气状况的结合考虑，影响了供热负荷预测的全面性和精准性的技术问题；存在传统模型难以同时适用于天气状况与建筑特性因素结合后的长期和短期因素的预测需要，由于既要考虑长期预测的长时序依赖关系，也要考虑瞬时突发的即时需求预测，传统模型的预测准确性有待提高的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于大数据的供热负荷预测方法及系统，针对在现有的供热负荷预测过程中，存在由于供热负荷易受到建筑特性和天气状况两种客观因素的影响，单一依据建筑特性进行预测容易缺失外部因素对于供热需求的影响，而只考虑天气状况则无法结合具体建筑保温性能和结构之间的差异，因而传统方法缺乏对建筑特性和天气状况的结合考虑，影响了供热负荷预测的全面性和精准性的技术问题，本方案创造性地结合建筑保
2、本专利技术采取的技术方案如下：本专利技术提供的基于大数据的供热负荷预测方法，该方法包括以下步骤：
3、步骤s1：数据准备；
4、步骤s2：数据处理；
5、步骤s3：相关因素分析；
6、步骤s4：供热负荷预测；
7、步骤s5：建筑能源调节。
8、进一步地，在步骤s1中，所述数据准备，用于收集供热负荷预测所需原始数据，具体为通过收集历史供热负荷数据、天气数据、建筑信息、室内环境数据和日历标签，得到供热负荷预测原始数据。
9、进一步地，在步骤s2中，所述数据处理，具体为通过对供热负荷预测原始数据进行数据预处理，得到供热负荷预测优质数据，通过对供热负荷预测优质数据进行特征选择，得到供热负荷预测重要特征，包括以下步骤：
10、步骤s21：数据预处理，具体为通过线性插值填补供热负荷预测原始数据中的缺失值，并进行异常值过滤和数据归一化处理，得到供热负荷预测优质数据；
11、步骤s22：特征选择，具体为通过计算皮尔逊相关系数，从供热负荷预测优质数据筛选出与供热负荷高度相关的特征，得到供热负荷预测重要特征。
12、进一步地，在步骤s3中，所述相关因素分析，用于评估建筑保暖性能并进行天气状况预测，具体为采用支持向量回归模型进行建筑保暖性能评估，得到建筑保暖性能信息，通过基于注意力机制的长短期网络模型进行天气状况预测，得到天气状况预测信息，包括以下步骤：
13、步骤s31：构建支持向量回归模型，包括以下步骤：
14、步骤s311：构建核函数，具体为选择高斯核函数作为支持向量回归模型的核函数，计算公式为：
15、；
16、式中，k(·)是核函数，i是输入样本第一索引，j是输入样本第二索引，所述输入样本第一索引不等于输入样本第二索引，所述输入样本具体指供热负荷预测优质数据样本，xi是第i个输入样本，xj是第j个输入样本，exp(·)是指数函数，是核函数参数，用于控制核函数的宽度，||xi-xj||是第i个输入样本和第j个输入样本之间的欧式距离；
17、步骤s312：构建回归函数，计算公式为：
18、；
19、式中，f(·)是回归函数，wf是回归权重，bf是回归偏置项；
20、步骤s313：构建目标函数，具体为引入松弛变量优化目标函数，进行目标函数构建，得到优化目标函数，计算公式为：
21、；
22、式中，是优化目标函数，是回归权重的范数平方，s是惩罚参数，用于控制模型的惩罚力度，n是输入样本数量，是第i个输入样本对应的松弛第一变量，是第i个输入样本对应的松弛第二变量，所述松弛第一变量和松弛第二变量用于度量预测误差超过容忍度的程度；
23、步骤s314：构建约束条件，具体为引入松弛变量优化约束条件，进行约束条件构建，得到优化约束条件，计算公式为：
24、；
25、式中，yi是第i个输入样本的预测值，是容忍度，用于表示可以接受的预测误差范围；
26、步骤s315：构建拉格朗日函数，用于求解模型最优参数；
27、步骤s316：通过所述构建核函数、所述构建回归方程、所述构建目标函数、所述构建约束条件和所述构建拉格朗日函数，进行支持向量回归模型构建，得到支持向量回归模型；
28、步骤s32：构建建筑保暖性能评估模型，具体为通过对支持向量回归模型进行训练，得到建筑保暖性能评估模型；
29、步骤s33：生成建筑保暖性能评估结果，具体为使用供热负荷预测优质数据，通过建筑保暖性能评估模型进行建筑保暖性能评估，得到建筑保暖性能信息；
30、步骤s34：天气状况预测，具体为通过基于注意力机制的长短期网络模型进行天气状况预测，得到天气状况预测信息；
31、所述基于注意力机制的长短期网络模型，具体包括输入层、长短期网络层、稀疏注意力模块和输出层。
32、进一步地，在步骤s4中，所述供热负荷预测，具体为结合建筑保暖性能信息、天气状况预测信息和供热负荷预测重要特征，采用双向时序门控变压器模型进行供热负荷预测，得到供热负荷预测信息；
33、所述双向时序门控变压器模型，具体包括数据输入层、双向长短期编码器、门控残差网络层、双向长短期解码器、掩码多头自注意力模块和输出预测层；
34、所述数据输入层，用于转换输入数据的格式，具体包括位置编码层和嵌入层；
35、所述双向长短期编码器，用于捕捉时序依赖关系；
36、所述门控残差网络层，用于融合时间序列特征和静态特征；
37、所述双向长短期解码器，用于捕捉未来时序信息；
<本文档来自技高网...【技术保护点】
1.基于大数据的供热负荷预测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于大数据的供热负荷预测方法，其特征在于：在步骤S4中，所述供热负荷预测，具体为结合建筑保暖性能信息、天气状况预测信息和供热负荷预测重要特征，采用双向时序门控变压器模型进行供热负荷预测，得到供热负荷预测信息；
3.根据权利要求2所述的基于大数据的供热负荷预测方法，其特征在于：在步骤S3中，所述相关因素分析，用于评估建筑保暖性能并进行天气状况预测，包括以下步骤：
4.根据权利要求3所述的基于大数据的供热负荷预测方法，其特征在于：在步骤S2中，所述数据处理，具体为通过对供热负荷预测原始数据进行数据预处理，得到供热负荷预测优质数据，通过对供热负荷预测优质数据进行特征选择，得到供热负荷预测重要特征，包括以下步骤：
5.根据权利要求4所述的基于大数据的供热负荷预测方法，其特征在于：在步骤S5中，所述建筑能源调节，用于调节供热系统，具体为根据供热负荷预测信息，动态调节供热系统的运行参数，实现建筑能源调节。
6.根据权利要求5所述的基于大数据的
7.基于大数据的供热负荷预测系统，用于实现如权利要求1-6中任一项所述的基于大数据的供热负荷预测方法，其特征在于：包括数据准备模块、数据预处理模块、相关因素分析模块、供热负荷预测模块和建筑能源调节模块。
8.根据权利要求7所述的基于大数据的供热负荷预测系统，其特征在于：所述数据准备模块，用于数据准备，通过数据准备，得到供热负荷预测原始数据，并将所述供热负荷预测原始数据发送至数据处理模块；
...【技术特征摘要】
1.基于大数据的供热负荷预测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于大数据的供热负荷预测方法，其特征在于：在步骤s4中，所述供热负荷预测，具体为结合建筑保暖性能信息、天气状况预测信息和供热负荷预测重要特征，采用双向时序门控变压器模型进行供热负荷预测，得到供热负荷预测信息；
3.根据权利要求2所述的基于大数据的供热负荷预测方法，其特征在于：在步骤s3中，所述相关因素分析，用于评估建筑保暖性能并进行天气状况预测，包括以下步骤：
4.根据权利要求3所述的基于大数据的供热负荷预测方法，其特征在于：在步骤s2中，所述数据处理，具体为通过对供热负荷预测原始数据进行数据预处理，得到供热负荷预测优质数据，通过对供热负荷预测优质数据进行特征选择，得到供热负荷预测重要特征，包括以下步骤：
5.根据权利要求4所述的基于大数据的供热负荷预测...
【专利技术属性】
技术研发人员：吴昊，吴岳，王海龙，钟坚，黄亦婷，朱远鹏，姚文琦，
申请(专利权)人：北京巨森科技发展有限公司，
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。