【技术实现步骤摘要】
本专利技术涉及建筑能耗技术，尤其涉及基于bim的建筑能耗模拟分析优化方法及系统。
技术介绍
1、建筑能耗在全球能源消耗中占据significant比例，随着城市化进程的加快和人们对舒适生活环境的需求不断提高，建筑能耗持续增长，对能源供应和环境保护带来了巨大压力。因此，如何有效地降低建筑能耗已成为亟待解决的关键问题。
2、传统的建筑能耗模拟分析方法主要依赖于静态的建筑信息模型和简化的能耗计算模型，难以准确反映建筑的实际运行状态和动态能耗变化规律。此外，传统的建筑能耗控制方法通常采用基于规则的控制策略，缺乏对建筑运行数据的深度挖掘和智能化分析，无法实现对建筑能耗的精细化管理和优化控制。
3、传统的建筑能耗模拟方法难以准确预测建筑的实际能耗，因为它们通常无法充分考虑建筑运行过程中各种复杂因素的影响，例如天气变化、人员活动和设备运行状态等。现有的建筑能耗控制方法大多基于固定的设定值或简单的控制规则，缺乏对建筑运行数据的实时分析和智能化决策，难以适应建筑运行环境的动态变化，从而无法实现最优的能耗控制效果。传统的建筑能耗分析...
【技术保护点】
1.基于BIM的建筑能耗模拟分析优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过三维建模软件建立包含建筑几何信息、材料属性信息、设备系统信息的建筑信息模型；将所述建筑实时运行数据与所述建筑信息模型进行数据集成，形成建筑能耗数字孪生模型包括：
3.根据权利要求1所述的方法，其特征在于，基于所述建筑能耗数字孪生模型，采用深度学习算法构建建筑能耗预测模型，所述深度学习算法包括长短期记忆网络LSTM和图神经网络GNN的混合模型包括：
4.根据权利要求1所述的方法，其特征在于，将所述建筑实时运行数据输入所述建筑能耗...
【技术特征摘要】
1.基于bim的建筑能耗模拟分析优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过三维建模软件建立包含建筑几何信息、材料属性信息、设备系统信息的建筑信息模型；将所述建筑实时运行数据与所述建筑信息模型进行数据集成，形成建筑能耗数字孪生模型包括：
3.根据权利要求1所述的方法，其特征在于，基于所述建筑能耗数字孪生模型，采用深度学习算法构建建筑能耗预测模型，所述深度学习算法包括长短期记忆网络lstm和图神经网络gnn的混合模型包括：
4.根据权利要求1所述的方法，其特征在于，将所述建筑实时运行数据输入所述建筑能耗预测模型，得到建筑能耗时序预测结果；根据所述建筑能耗时序预测结果，采用聚类分析方法识别建筑能耗异常模式和能耗峰值时段包括：
5.根据权利要求4所述的方法...
【专利技术属性】
技术研发人员：李显锋，李庆文，
申请(专利权)人：广州大白数字科技有限公司，
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。