一种基于BIM的建筑能耗预测方法、系统、装置及介质与流程

本发明涉及建筑能耗预测，更具体的说是涉及一种基于bim的建筑能耗预测方法、系统、装置及介质。

背景技术：

1、当前，随着全球能源消耗的持续增长和环境保护意识的增强，建筑能耗的有效管理和降低成为迫切需求。传统建筑能耗预测大多基于简化的数学模型和经验公式，这种方法不仅需要大量的人工干预和假设条件，而且在面对复杂建筑结构和多样化的使用模式时，预测准确度往往不尽人意。具体而言，以下几个方面的局限尤为显著：

2、1、信息整合能力局限：现有的预测方法往往不能充分整合建筑设计与运维阶段的全生命周期数据，尤其是在将二维设计图纸转化为能够进行能耗分析的三维信息模型过程中，信息丢失和数据不一致性问题频发。

3、2、模型构建粗糙：多数现有模型在构建时，未能深入考虑建筑的微观特征，如材料热性能、围护结构的具体构造、以及机电系统的运行效率等，这直接导致能耗预测的精度受限。

4、3、历史数据分析不足：虽然历史能耗数据是预测模型的重要输入，但现有技术在数据收集、清洗、整合到模型中的过程效率低下，且缺乏对数据质量的严格把控，影响了模型训练的可靠性和准确性。

5、4、算法智能化程度低：传统的预测模型多依赖于统计方法，对于非线性关系和复杂交互效应的处理能力有限。机器学习和人工智能技术的应用尚不广泛，未能充分利用其在处理大规模数据和发现隐含规律方面的优势。

6、5、反馈机制缺乏：预测与实际能耗数据之间的实时比对和动态调整机制缺失，使得预测模型无法根据建筑运行的实际表现进行自我优化，影响了能耗管理策略的及时调整和实施效果。

7、鉴于以上缺陷，如何提高建筑能耗预测精度、加强数据与模型的集成性，是我们亟待解决的问题。

技术实现思路

1、针对以上问题，本发明的目的在于提供一种基于bim的建筑能耗预测方法、系统、装置及介质，通过高度集成的建筑设计、数据处理与智能算法，实现了建筑能耗的精确预测和有效管理。

2、本发明为实现上述目的，通过以下技术方案实现：

3、第一方面，本发明公开了一种基于bim的建筑能耗预测方法，包括：

4、获取建筑物的设计图纸，提取设计图纸中的建筑信息，并使用预设bim软件建立包含建筑物几何、物理属性和功能特性的三维信息模型；

5、收集与建筑物能耗相关的历史数据，将所述历史数据整理成bim模型可识别的格式，并导入三维信息模型中；

6、利用预设bim软件中的能耗模拟工具，基于三维信息模型中的建筑信息和导入的历史数据，进行能耗模拟分析，生成能耗模拟分析结果；

7、根据能耗模拟分析结果，结合统计学和机器学习算法，建立建筑能耗预测模型；将待预测建筑物的信息输入到建筑能耗预测模型中，得出建筑物的能耗预测结果，并进行预测结果展示。

8、进一步，所述使用预设bim软件建立包含建筑物几何、物理属性和功能特性的三维信息模型,包括：

9、使用autodesk revit建立包含建筑物几何、物理属性和功能特性的三维bim模型；三维bim模型中至少包含建筑物结构信息、建筑材料信息、围护结构信息、供暖信息、通风信息、空调系统信息、照明系统信息和电气系统信息；

10、对三维bim模型中，对与能耗相关的元素进行复核，以确保与能耗相关的元素均成功建模。

11、进一步，所述收集与建筑物能耗相关的历史数据，将所述历史数据整理成bim模型可识别的格式，并导入三维信息模型中，包括：

12、从传感器记录、气象站数据和预设的能源管理系统中收集与建筑物能耗相关的历史数据，所述历史数据包括但不限于环境温度、湿度、风速、日照时间、建筑物内部温度设定、设备使用时间和功率；

13、对所述历史数据进行数据清洗处理，并转换为csv格式的数据表格；

14、在三维信息模型中设定用于关联与建筑物能耗相关的历史数据的元数据字段；建立所述历史数据与三维信息模型中元素的映射关系；

15、利用预设bim软件中的ifc工具，将所述历史数据格式化后导入三维信息模型中。

16、进一步，所述基于三维信息模型中的建筑信息和导入的历史数据，进行能耗模拟分析，包括：

17、根据建筑物特性和预测需求，设定能耗模拟分析的参数；

18、将三维信息模型中的建筑物划分为多个具有独立的温度控制和能耗特性的区域；

19、根据建筑物的实际情况，设定模拟的边界条件；

20、运行预设bim软件中的能耗模拟工具，根据设定的参数和边界条件，进行能耗模拟分析。

21、进一步，所述根据能耗模拟分析的结果，结合统计学和机器学习算法，建立建筑能耗预测模型，包括：

22、对收集到的历史数据进行清洗、筛选和标准化处理，以消除异常值和噪声干扰；从三维信息模型中提取与能耗相关的特征变量；

23、使用随机森林算法，对预处理后的历史数据进行训练，得到建筑能耗预测模型；通过交叉验证或留一法对建筑能耗预测模型进行评估，以确保建筑能耗预测模型的预测精度和泛化能力。

24、进一步，所述将待预测建筑物的信息输入到建筑能耗预测模型中，得出建筑物的能耗预测结果，并进行预测结果展示，包括：

25、将待预测建筑物的信息输入到能耗预测模型中，得出建筑物的能耗预测结果；根据建筑能耗预测结果，生成对应的表格、图表和报告进行展示；

26、根据能耗预测结果，提取其中的关键词，并在预设策略库中检索出对应的设备运行策略；

27、将建筑能耗预测模型集成到实际的建筑能耗监测系统中，实时读取建筑能耗监测值和对应预测值；当所述监测值和预测值的差值大于预设阈值时，自动触发报警信号。

28、进一步，所述使用随机森林算法，对预处理后的历史数据进行训练，得到建筑能耗预测模型，包括：

29、导入python库，python库包括但不限于pandas、train_test_split和randomforestregressor；

30、使用pandas加载csv文件中的历史数据；

31、检查历史数据是否有缺失值，并对数据类型进行转换；

32、将75％的历史数据作为训练集，将25％的历史数据作为测试集；

33、创建一个随机森林回归器实例，设置估计器和相关参数；

34、使用训练集的数据和对应的能耗标签，通过fit方法训练随机森林模型；

35、训练完成后，生成建筑能耗预测模型。

36、第二方面，本发明还公开了一种基于bim的建筑能耗预测系统，包括：基础模型构建模块，配置用于获取建筑物的设计图纸，提取设计图纸中的建筑信息，并使用预设bim软件建立包含建筑物几何、物理属性和功能特性的三维信息模型；

37、数据收集整理模块，配置用于收集与建筑物能耗相关的历史数据，将所述历史数据整理成bim模型可识别的格式，并导入三维信息模型中；

38、能耗模拟分析模块，配置用于利用预设bim软件中的能耗模拟工具，基于三维信息模型中的建筑信息和导入的历史数据，进行能耗模拟分析，生成能耗模拟分析结果；

39、预测模型构建模块，配置用于根据能耗模拟分析结果，结合统计学和机器学习算法，建立建筑能耗预测模型；

40、能耗预测模块，配置用于将待预测建筑物的信息输入到建筑能耗预测模型中，得出建筑物的能耗预测结果，并进行预测结果展示。

41、第三方面，本发明还公开了一种基于bim的建筑能耗预测装置，包括：

42、存储器，用于存储基于bim的建筑能耗预测程序；

43、处理器，用于执行所述基于bim的建筑能耗预测程序时实现如上文任一项所述基于bim的建筑能耗预测方法的步骤。

44、第四方面，本发明还公开了一种可读存储介质，所述可读存储介质上存储有基于bim的建筑能耗预测程序，所述基于bim的建筑能耗预测程序被处理器执行时实现如上文任一项所述基于bim的建筑能耗预测方法的步骤。

45、对比现有技术，本发明有益效果在于：

46、1、本发明通过对设计图纸的深度解析及bim模型的精细构建，确保了建筑物理特性和功能信息的全面捕获，结合历史能耗数据的精准整合，为能耗预测提供了详实可靠的基础。应用统计学与机器学习算法，尤其是随机森林模型，进一步提高了模型对复杂能耗模式的学习能力，使预测结果更加贴近实际情况。

47、2、本发明通过自动化数据清洗、格式转换以及与bim模型的高效对接，简化了数据预处理流程，提高了数据处理的效率与质量。利用ifc工具导入历史数据至bim模型，实现了数据与模型元素的精准映射，增强了模型的综合分析效能。

48、3、本发明通过建立基于bim的能耗预测模型，并将其集成到实际的能耗监测系统中，实现了能耗预测与实时监测数据的动态对比，自动报警机制的引入，确保了异常能耗情况的即时发现与响应，为建筑运维提供了智能化决策支持。

49、4、本发明基于预测结果，能够自动生成优化建议和设备运行策略，指导建筑管理者采取节能措施，合理配置资源，从而有效降低运营成本，提升建筑能效。

50、5、本发明能够提供的详尽能耗数据和分析报告，可作为政策制定者评估建筑能效标准、制定节能减排政策的科学依据，同时也为绿色建筑认证提供了有力的数据支持。

51、6、本发明不仅提升了预测的准确性和实用性，还促进了建筑能耗管理的智能化升级，对推动绿色建筑发展、节能减排具有重要意义。

52、由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。