【技术实现步骤摘要】
本专利技术涉及一种建筑能耗的预测方法，属于建筑能耗预测领域，具体说涉及一种基于神经网络的建筑能耗预测方法。
技术介绍
随着我国经济的发展，办公建筑和大型公共建筑高耗能的问题日益突出，做好其节能管理工作，对实现“十二五”建筑节能规划目标具有重要的意义。建筑节能是当今城市建设和社会发展的前沿和研究热点，对建筑的能耗现状进行综合分析和评估是建筑节能的前提和基础，而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性，为公共建筑节能工作提供决策依据的有效途径和重要手段。 目前，国内好多学者都对建筑能耗的预测方法进行了研究和探讨。例如文献“办公建筑照明能耗预测模型及在方案阶段的应用”中，作者利用动力学方法，针对不同的照明控制方式、窗墙比、外区进深等设计参数的关系，建立照明能耗预测模型，对照明能耗进行了精确的预测。文献“基于BP神经网络的建筑能耗预测”中，作者利用MATLAB建立BP神经网络，将影响建筑能耗的18个因素作为网络的输入，进行学习训练，最后通过测试样本数据预测建筑能耗，从而证明了所建立网络模型的准确性。但是该方案中，作者考虑的因素只是建筑本身的一些因素，如墙体传热系数、建筑方位、遮阳系数、窗墙比等，外界的一些天气和人为因素并没有考虑。文献“基于气象热舒适度的建筑能耗灰色神经网络预测”中，作者针对建筑能耗受局地气候多因素影响的特点，引入了气象热舒适度来综合分析气候对建筑能耗的影响，并以该指数预测值、建筑能耗原始数据和日期类型作为输入层，进行复合灰色神经网络模型预测建筑能耗，并取得了较高精度的预测结果。但是，上述文献中所采用方案存在的共同缺...
【技术保护点】
一种基于神经网络的建筑能耗的预测方法，主要包括以下步骤：第一步，收集建筑的能耗数据作为样本数据，并对样本数据进行归一化，使其范围在[0,1]之间，其中归一化公式为：y=x-xminxmax-xmin,其中，x为建筑的实际日能耗值，y为x的归一化输出，xmin为x的最小值，xmax为x的最大值。第二步，进行神经网络模拟，建立建筑能耗预测的神经网络模型1，其中包括确定神经网络模型1的输入变量个数，神经网络模型1的输出变量个数，神经网络模型1的隐含层元素个数，并对神经网络模型1初始化及进行网络训练。第三步，利用神经网络模型1对建筑能耗进行预测，并计算在节假日的情况下，建筑能耗的预测误差Δx，计算公式为：其中x为建筑的实际日能耗值，为神经网络模型1的能耗预测值。第四步，再次进行神经网络模拟，建立用于预测在节假日的情况下，建筑能耗修正值的神经网络模型2，其中包括确定神经网络模型2的输入变量个数，神经网络模型2的输出变量个数，神经网络模型2的隐含层元素个数，并对神经网络模型2初始化及进行网络训练，然后，利用神经网络模型2，得到节假日情况下，建筑能耗的修正值。第五步，计算建筑能耗预测值，首先判断待测...
【技术特征摘要】
【专利技术属性】
技术研发人员：牛丽仙，吴忠宏，
申请(专利权)人：珠海派诺科技股份有限公司，
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。