基于边界特征保护与HOA-LightGBM模型的建筑冷负荷周期预测方法技术

本发明专利技术公开了基于边界特征保护与HOA‑LightGBM模型的建筑冷负荷周期预测方法，属于建筑智能化领域，包括以下步骤：S1、数据采集、清洗；S2、GCMWSG滤波进行平滑处理；S3、选取评价指标；S4、构建HOA‑LightGBM混合模型与综合评价。本发明专利技术采用上述的基于边界特征保护与HOA‑LightGBM模型的建筑冷负荷周期预测方法，通过引入周期性边界保护机制，有效解决了传统MWSG滤波在处理周期性空调负荷数据时出现的边界失真问题。实验结果表明，GCMWSG处理后的数据在保留启停时刻负荷特征的同时，显著提高了预测模型的性能；且本发明专利技术提出的HOA‑LightGBM混合模型通过元启发式算法与梯度提升框架的深度融合，解决了浅层模型参数调优效率低、预测精度不足的问题，为建筑冷负荷实时预测提供了高效可靠的技术方案。

【技术实现步骤摘要】

本专利技术涉及建筑智能化领域，尤其是涉及基于边界特征保护与hoa-lightgbm模型的建筑冷负荷周期预测方法。

技术介绍

1、全球变暖对人类健康和生态环境造成巨大威胁，建筑能耗、环境可持续性和城市发展之间的联系在21世纪提出了复杂的挑战，尤其是在快速发展的经济体中。随着全球经济的快速发展，建筑能耗不断增加。据统计，建筑业作为全球能耗和碳排放的主要领域，约占全球总能耗的40％和总碳排放量的36％。在中国，2022年建筑与建筑业建造能耗总量为24.2亿tce，占全国能源消费总量的44.8％，其中建筑运行能耗11.9亿tce，占全国能源消费总量的22.0％。运行阶段能耗较大的部分主要是电器、照明、中央空调等，在这些部分中，中央空调的能耗量可达到建筑总能源消耗量的百分之六十以上，是主要的能耗设备。因此需要提前预测空调设备的负荷，从而设置合适的运行参数，更好地匹配能源供需，提高空调系统的运行效率，以实现整体建筑的节能目标。

2、传统的负荷预测方法主要有三种：白箱模型、灰箱模型和黑箱模型。白箱模型基于热力学第一定律与建筑物理方程(如热平衡方程、传热方程)本文档来自技高网...

【技术保护点】

1.基于边界特征保护与HOA-LightGBM模型的建筑冷负荷周期预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于边界特征保护与HOA-LightGBM模型的建筑冷负荷周期预测方法，其特征在于：所述S1中历史的建筑冷负荷数据通过建筑能源管理系统BEMS或自建传感器网络获取，历史气象数据包括干球温度、湿球温度、相对湿度、露点温度，从国家气象数据中心或自建气象站获取；实时运行参数包括人员占有率、照明占有率、设备运行状态，通过建筑自动化系统动态采集；冷负荷数据记录过程中存在误差导致部分数据出现异常或缺失，利用箱线图查找并剔除历史数据中的异常数据与缺失数据，通过线性...

【技术特征摘要】

1.基于边界特征保护与hoa-lightgbm模型的建筑冷负荷周期预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于边界特征保护与hoa-lightgbm模型的建筑冷负荷周期预测方法，其特征在于：所述s1中历史的建筑冷负荷数据通过建筑能源管理系统bems或自建传感器网络获取，历史气象数据包括干球温度、湿球温度、相对湿度、露点温度，从国家气象数据中心或自建气象站获取；实时运行参数包括人员占有率、照明占有率、设备运行状态，通过建筑自动化系统动态采集；冷负荷数据记录过程中存在误差导致部分数据出现异常或缺失，利用箱线图查找并剔除历史数据中的异常数据与缺失数据，通过线性插值法填补。

3.根据权利要求1所述的基于边界特征保护与hoa-lightgbm模型的建筑冷负荷周期预测方法，其特征在于：所述s2中通过gcmwsg...

【专利技术属性】
技术研发人员：姬颖，魏浩森，连会会，王心悦，陆倩文，田蔚，谢静超，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：