基于特征画像的多因素建筑能耗预测方法及系统

本发明属于建筑能耗预测领域，尤其涉及一种基于特征画像的多因素建筑能耗预测方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、现有的建筑能耗预测方案大多采用数据驱动的方式，使用人工智能方法从历史能耗数据中学习到的能耗规律进行建模，进而实现能耗预测。这类能耗预测方法虽然考虑到了电力负荷因受到用户生产、生活规律、气象变化和人员流动等诸多不确定性因素的影响，但在建模时没有对建筑类型加以区分，没有考虑到不同影响因素对于不同建筑类型的影响不同(例如季节对学校和公司的能耗影响存在差异)，导致模型对于不同类型建筑进行能耗预测的结果不够精确。

技术实现思路

1、为了解决上述问题，本发明提供一种基于特征画像的多因素建筑能耗预测方法及系统，其针对建筑集群的能耗联合预测框架，先根据能耗数据的统计特性合理构建特征集，然后进行特征画像实现建筑分类，最后为不同画像的建筑结合影响因素联合构建具有强泛化能力的模型。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明的第一个方面提供了一种基于特征画像的多因素建筑能耗预测方法。

4、在一个或多个实施例中，提供了一种基于特征画像的多因素建筑能耗预测方法，包括：

5、获取设定建筑集群的能耗数据，并对其进行预处理操作；

6、从预处理操作之后的能耗数据中，提取建筑能耗特征；

7、对提取的建筑能耗特征进行聚类，构建出不同类别建筑的特征画像；

8、基于不同类别建筑的特征画像，构建出多因素影响的建筑能耗预测模型，以用于设定建筑集群的能耗预测；其中，多因素影响的建筑能耗预测模型的输入向量由设定建筑集群的历史能耗数据及影响因素构成，输出设定建筑集群的能耗预测值。

9、本发明的第二个方面提供了一种基于特征画像的多因素建筑能耗预测系统。

10、在一个或多个实施例中，一种基于特征画像的多因素建筑能耗预测系统，包括：

11、预处理模块，其用于获取设定建筑集群的能耗数据，并对其进行预处理操作；

12、特征提取模块，其用于从预处理操作之后的能耗数据中，提取建筑能耗特征；

13、画像构建模块，其用于对提取的建筑能耗特征进行聚类，构建出不同类别建筑的特征画像；

14、能耗预测模块，其用于基于不同类别建筑的特征画像，构建出多因素影响的建筑能耗预测模型，以用于设定建筑集群的能耗预测；其中，多因素影响的建筑能耗预测模型的输入向量由设定建筑集群的历史能耗数据及影响因素构成，输出设定建筑集群的能耗预测值。

15、本发明的第三个方面提供了一种计算机可读存储介质。

16、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于特征画像的多因素建筑能耗预测方法中的步骤。

17、本发明的第四个方面提供了一种电子设备。

18、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于特征画像的多因素建筑能耗预测方法中的步骤。

19、与现有技术相比，本发明的有益效果是：

20、(1)本发明通过对建筑能耗特征进行聚类，构建不同类别建筑的特征画像，进而基于不同类别建筑的特征画像，构建出多因素影响的建筑能耗预测模型来对设定建筑集群进行能耗预测，实现了通过特征画像方法深度挖掘了建筑数据中的模式、趋势和周期性等多维度信息，以画像的表示形式为建筑的分散数据提供了一种全景概括视图，而且为不同画像的建筑分别构建具有强泛化能力的预测模型，共享于同类型的建筑之间，避免为每栋建筑单独建模导致的额外资源浪费的目的。

21、(2)本发明多因素影响的建筑能耗预测模型为至少两种机器学习模型的加权和，这样通过集成机器学习模型的方式构建多因素影响的建筑能耗预测模型，综合考虑了电力负荷序列时序性和非线性的特点，提高了建筑能耗预测模型预测的精确性和可解释性。

技术特征：

1.一种基于特征画像的多因素建筑能耗预测方法，其特征在于，包括：

2.如权利要求1所述的基于特征画像的多因素建筑能耗预测方法，其特征在于，所述多因素影响的建筑能耗预测模型为学习影响因素特征的机器学习模型和学习能耗数据时序特征的深度学习模型的加权和。

3.如权利要求2所述的基于特征画像的多因素建筑能耗预测方法，其特征在于，学习影响因素特征的机器学习模型和学习能耗数据时序特征的深度学习模型的权重值通过最小二乘优化问题来确定。

4.如权利要求2所述的基于特征画像的多因素建筑能耗预测方法，其特征在于，所述学习影响因素特征的机器学习模型为sarima模型；所述学习能耗数据时序特征的深度学习模型为cnn-lstm模型。

5.如权利要求1所述的基于特征画像的多因素建筑能耗预测方法，其特征在于，所述建筑能耗特征包括平均值、标准差、样本熵、工作期间的小时平均能耗、休息时的小时平均能耗及工作时间；

6.如权利要求1所述的基于特征画像的多因素建筑能耗预测方法，其特征在于，对设定建筑集群的能耗数据预处理操作包括：

7.一种基于特征画像的多因素建筑能耗预测系统，其特征在于，包括：

8.如权利要求7所述的基于特征画像的多因素建筑能耗预测系统，其特征在于，在所述能耗预测模块中，所述多因素影响的建筑能耗预测模型为学习影响因素特征的机器学习模型和学习能耗数据时序特征的深度学习模型的加权和。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的基于特征画像的多因素建筑能耗预测方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的基于特征画像的多因素建筑能耗预测方法中的步骤。

技术总结本发明属于建筑能耗预测领域，提供了一种基于特征画像的多因素建筑能耗预测方法及系统。其中，基于特征画像的多因素建筑能耗预测方法包括获取设定区域建筑集群的建筑能耗数据，并对其进行预处理操作；从预处理操作之后的建筑能耗数据中，提取建筑能耗特征；对提取的建筑能耗特征进行聚类，构建出不同类别建筑的特征画像；基于不同类别建筑的特征画像，构建多因素影响的建筑能耗预测模型，以用于建筑能耗预测。技术研发人员：郭伟,李程志,鹿旭东,闫中敏,何伟,孔兰菊,崔立真受保护的技术使用者：山东大学技术研发日：技术公布日：2024/7/29