專(zhuān)利名稱(chēng)：一種基于神經(jīng)網(wǎng)絡(luò)的建筑節(jié)假日能耗預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種建筑能耗的預(yù)測(cè)方法，屬于建筑能耗預(yù)測(cè)領(lǐng)域，具體說(shuō)涉及一種基于神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測(cè)方法。
背景技術(shù)：
隨著我國(guó)經(jīng)濟(jì)的發(fā)展，辦公建筑和大型公共建筑高耗能的問(wèn)題日益突出，做好其節(jié)能管理工作，對(duì)實(shí)現(xiàn)“十二五”建筑節(jié)能規(guī)劃目標(biāo)具有重要的意義。建筑節(jié)能是當(dāng)今城市建設(shè)和社會(huì)發(fā)展的前沿和研究熱點(diǎn)，對(duì)建筑的能耗現(xiàn)狀進(jìn)行綜合分析和評(píng)估是建筑節(jié)能的前提和基礎(chǔ)，而建立反映能耗變化的預(yù)測(cè)模型是從宏觀尺度上分析認(rèn)識(shí)建筑能耗變化與發(fā)展特性，為公共建筑節(jié)能工作提供決策依據(jù)的有效途徑和重要手段。
目前，國(guó)內(nèi)好多學(xué)者都對(duì)建筑能耗的預(yù)測(cè)方法進(jìn)行了研究和探討。例如文獻(xiàn)“辦公建筑照明能耗預(yù)測(cè)模型及在方案階段的應(yīng)用”中，作者利用動(dòng)力學(xué)方法，針對(duì)不同的照明控制方式、窗墻比、外區(qū)進(jìn)深等設(shè)計(jì)參數(shù)的關(guān)系，建立照明能耗預(yù)測(cè)模型，對(duì)照明能耗進(jìn)行了精確的預(yù)測(cè)。文獻(xiàn)“基于BP神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測(cè)”中，作者利用MATLAB建立BP神經(jīng)網(wǎng)絡(luò)，將影響建筑能耗的18個(gè)因素作為網(wǎng)絡(luò)的輸入，進(jìn)行學(xué)習(xí)訓(xùn)練，最后通過(guò)測(cè)試樣本數(shù)據(jù)預(yù)測(cè)建筑能耗，從而證明了所建立網(wǎng)絡(luò)模型的準(zhǔn)確性。但是該方案中，作者考慮的因素只是建筑本身的一些因素，如墻體傳熱系數(shù)、建筑方位、遮陽(yáng)系數(shù)、窗墻比等，外界的一些天氣和人為因素并沒(méi)有考慮。文獻(xiàn)“基于氣象熱舒適度的建筑能耗灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)”中，作者針對(duì)建筑能耗受局地氣候多因素影響的特點(diǎn)，引入了氣象熱舒適度來(lái)綜合分析氣候?qū)ㄖ芎牡挠绊?，并以該指?shù)預(yù)測(cè)值、建筑能耗原始數(shù)據(jù)和日期類(lèi)型作為輸入層，進(jìn)行復(fù)合灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)建筑能耗，并取得了較高精度的預(yù)測(cè)結(jié)果。但是，上述文獻(xiàn)中所采用方案存在的共同缺點(diǎn)是，它們都只針對(duì)于正常日的建筑能耗進(jìn)行了預(yù)測(cè)，而節(jié)假日因素并未考慮。在節(jié)假日中，人員會(huì)不辦公或減少辦公，辦公設(shè)備的停用均會(huì)對(duì)整體的建筑能耗產(chǎn)生很大影響。如果不對(duì)節(jié)假日的能耗預(yù)測(cè)結(jié)果進(jìn)行修正，那么將會(huì)產(chǎn)生較大的預(yù)測(cè)誤差。目前，建筑物能耗預(yù)測(cè)普遍針對(duì)的是正常日的能耗預(yù)測(cè)，考慮的影響因素也基本上都是建筑物本身的一些自身因素，極少的方案中考慮到了外界的天氣因素對(duì)建筑能耗的影響，但是節(jié)假日因素始終沒(méi)有考慮，這就造成了建筑物正常日的能耗預(yù)測(cè)精度很高，而節(jié)假日的能耗預(yù)測(cè)誤差值卻比較大的結(jié)果。因此，本發(fā)明提出一種基于神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測(cè)方法。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有建筑物能耗預(yù)測(cè)方法的不足，本發(fā)明提出一種基于神經(jīng)網(wǎng)絡(luò)的建筑能耗的預(yù)測(cè)方法。主要包含以下步驟步驟一收集數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理。收集影響建筑能耗的不同因素?cái)?shù)據(jù)，包括溫度、濕度、節(jié)假日類(lèi)型、建筑面積、人員數(shù)量等，并且收集每日的建筑日能耗。為了減少奇異樣本對(duì)神經(jīng)網(wǎng)絡(luò)性能的影響，對(duì)樣本數(shù)據(jù)進(jìn)行如下歸一化，使其范圍在
之間。歸一化公式為
權(quán)利要求
1.一種基于神經(jīng)網(wǎng)絡(luò)的建筑能耗的預(yù)測(cè)方法，主要包括以下步驟 第一步，收集建筑的能耗數(shù)據(jù)作為樣本數(shù)據(jù)，并對(duì)樣本數(shù)據(jù)進(jìn)行歸一化，使其范圍在[O, I]之間，其中歸一化公式為
2.如權(quán)利要求I所述的方法，其中神經(jīng)網(wǎng)絡(luò)模型I的輸入變量為日平均溫度、日平均濕度、人員量和周變量。
3.如權(quán)利要求2所述的方法，其中周變量為取值I到7的整數(shù)。
4.如權(quán)利要求I所述的方法，其中神經(jīng)網(wǎng)絡(luò)模型2的輸入變量為節(jié)假日類(lèi)型，日平均溫度和日平均濕度。
全文摘要
一種基于神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測(cè)的方法，主要包括以下步驟第一步，收集建筑的能耗數(shù)據(jù)作為樣本數(shù)據(jù)，并對(duì)樣本數(shù)據(jù)進(jìn)行歸一化，使其范圍在
之間；第二步，進(jìn)行神經(jīng)網(wǎng)絡(luò)模擬，建立建筑能耗預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型1；第三步，利用神經(jīng)網(wǎng)絡(luò)模型1對(duì)建筑能耗進(jìn)行預(yù)測(cè)，并計(jì)算在節(jié)假日的情況下，建筑能耗的預(yù)測(cè)誤差；第四步，再次進(jìn)行神經(jīng)網(wǎng)絡(luò)模擬，建立用于預(yù)測(cè)在節(jié)假日的情況下，建筑能耗修正值的神經(jīng)網(wǎng)絡(luò)模型2；第五步，分別計(jì)算在節(jié)假日和非節(jié)假日的情況下，建筑能耗的預(yù)測(cè)值。本發(fā)明的有益效果是，利用本發(fā)明方案可以大大提高建筑能耗的預(yù)測(cè)精度，尤其是節(jié)假日情況下的預(yù)測(cè)精度，對(duì)建筑的能源監(jiān)控具有重要的意義。
文檔編號(hào)G06N3/02GK102938092SQ20121037819
公開(kāi)日2013年2月20日 申請(qǐng)日期2012年10月8日 優(yōu)先權(quán)日2012年10月8日
發(fā)明者牛麗仙, 吳忠宏 申請(qǐng)人:珠海派諾科技股份有限公司