【技術實現步驟摘要】
本專利技術涉及一種建筑能耗的預測方法，屬于建筑能耗預測領域，具體說涉及一種基于神經網絡的建筑能耗預測方法。
技術介紹
隨著我國經濟的發展，辦公建筑和大型公共建筑高耗能的問題日益突出，做好其節能管理工作，對實現“十二五”建筑節能規劃目標具有重要的意義。建筑節能是當今城市建設和社會發展的前沿和研究熱點，對建筑的能耗現狀進行綜合分析和評估是建筑節能的前提和基礎，而建立反映能耗變化的預測模型是從宏觀尺度上分析認識建筑能耗變化與發展特性，為公共建筑節能工作提供決策依據的有效途徑和重要手段。 目前，國內好多學者都對建筑能耗的預測方法進行了研究和探討。例如文獻“辦公建筑照明能耗預測模型及在方案階段的應用”中，作者利用動力學方法，針對不同的照明控制方式、窗墻比、外區進深等設計參數的關系，建立照明能耗預測模型，對照明能耗進行了精確的預測。文獻“基于BP神經網絡的建筑能耗預測”中，作者利用MATLAB建立BP神經網絡，將影響建筑能耗的18個因素作為網絡的輸入，進行學習訓練，最后通過測試樣本數據預測建筑能耗，從而證明了所建立網絡模型的準確性。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、建筑方位、遮陽系數、窗墻比等，外界的一些天氣和人為因素并沒有考慮。文獻“基于氣象熱舒適度的建筑能耗灰色神經網絡預測”中，作者針對建筑能耗受局地氣候多因素影響的特點，引入了氣象熱舒適度來綜合分析氣候對建筑能耗的影響，并以該指數預測值、建筑能耗原始數據和日期類型作為輸入層，進行復合灰色神經網絡模型預測建筑能耗，并取得了較高精度的預測結果。但是，上述文獻中所采用方案存在的共同缺...
【技術保護點】
一種基于神經網絡的建筑能耗的預測方法，主要包括以下步驟：第一步，收集建筑的能耗數據作為樣本數據，并對樣本數據進行歸一化，使其范圍在[0,1]之間，其中歸一化公式為：y=x-xminxmax-xmin,其中，x為建筑的實際日能耗值，y為x的歸一化輸出，xmin為x的最小值，xmax為x的最大值。第二步，進行神經網絡模擬，建立建筑能耗預測的神經網絡模型1，其中包括確定神經網絡模型1的輸入變量個數，神經網絡模型1的輸出變量個數，神經網絡模型1的隱含層元素個數，并對神經網絡模型1初始化及進行網絡訓練。第三步，利用神經網絡模型1對建筑能耗進行預測，并計算在節假日的情況下，建筑能耗的預測誤差Δx，計算公式為：其中x為建筑的實際日能耗值，為神經網絡模型1的能耗預測值。第四步，再次進行神經網絡模擬，建立用于預測在節假日的情況下，建筑能耗修正值的神經網絡模型2，其中包括確定神經網絡模型2的輸入變量個數，神經網絡模型2的輸出變量個數，神經網絡模型2的隱含層元素個數，并對神經網絡模型2初始化及進行網絡訓練，然后，利用神經網絡模型2，得到節假日情況下，建筑能耗的修正值。第五步，計算建筑能耗預測值，首先判斷待測...
【技術特征摘要】
【專利技術屬性】
技術研發人員：牛麗仙，吳忠宏，
申請(專利權)人：珠海派諾科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。