一种基于建筑能源管理应用场景的建筑能耗模型评价方法技术

本申请涉及一种基于建筑能源管理应用场景的建筑能耗模型评价方法。所述方法首先建立了建筑能耗模型，结合建筑能源应用场景，建立多维综合评价模型，根据评价模型对建筑能耗模型在某建筑多年历史能耗数据中分别在不同时期的能耗预测性能进行评价，得到建筑能耗模型的综合评价结果，按照综合评价结果确定最终部署模型。本申请还提出了基于该方法所实现的建筑能耗模型评价系统，为建筑能耗管理人员选用合适的建筑能耗模型提供指导。针对特定的建筑能源应用场景，通过对设定的评价任务按照所述方法进行综合评价，选择最佳性能的建筑能耗模型进行部署，以指导绿色建筑能源管理运行策略制定与实施，达到绿色建筑能源系统运行高效节能的目的。

【技术实现步骤摘要】
一种基于建筑能源管理应用场景的建筑能耗模型评价方法
本申请涉及建筑能耗
，尤其是涉及一种基于建筑能源管理应用场景的建筑能耗模型评价方法。
技术介绍
目前建筑能耗建模及预测在绿色建筑管理，特别是建筑能源管理方面发挥着重要的作用。传统建筑能耗模型包括物理模型和统计模型，随着智能电表（用电分项计量系统）和传感器（楼宇自控系统）在建筑中的大规模应用，建筑能耗及环境数据的可获取性大大提高，数据驱动的建模方法（机器学习方法）在建筑能耗建模与预测领域的应用日益增多。因而建筑能耗模型性能评价的重要性日益凸显。基于数据驱动的机器学习方法目前已经在建筑能耗建模中得到应用，能耗预测涉及机器学习模型在实际建筑历史能耗数据集上的训练、评价和部署。但是由于机器学习模型稳定性问题，同一模型在不同训练集上的表现可能不同，对于建筑能耗而言，由于运行规律和能耗影响因素的变化，能耗水平变化规律存在年度和季节性差异，基于单一训练集得出的模型不能满足实际应用需求。此外，由于机器学习模型建模方法众多，建筑能源管理人员目前在实际建筑能耗分析中，对于模型的选择缺乏明确的标准和全面的评价方法。现有针对建筑能耗模型的性能评价方法，主要集中在对模型准确性方面的评价，针对过渡季建筑能耗预测中机器学习模型训练集的选取方法不恰当、对建筑能耗模型的评价基于当年预测表现，无法体现建筑能耗数据不同年份的波动对模型稳定性的影响，导致模型性能不佳、对于建筑能耗模型的应用场景、建模所依托的历史能耗特征等涉及较少，且缺乏系统工具对不同应用场景下的建模任务所形成的多个模型进行全面、分层次、多角度的性能评价。
技术实现思路
为了便于对不同应用场景下的建筑能耗模型进行全面、分层次、多角度的综合评价，得到稳定地建筑能耗模型，以指导建筑能源管理运行策略制定与实施，达到建筑能源系统运行高效节能的目的，本申请提供了一种基于建筑能源管理应用场景的建筑能耗模型评价方法。第一方面，本申请提供了一种基于建筑能源管理应用场景的建筑能耗模型评价方法，采用如下的技术方案：一种基于建筑能源管理应用场景的建筑能耗模型评价方法，包括：S1，获取建筑历史能耗数据，所述建筑历史能耗数据包括实测历史能耗数据和实测历史气象数据；S2，采用机器学习方法建立建筑能耗模型，在所述建筑能耗模型中进行特征变量的设定和模型算法的设定；S3，将所述建筑能耗模型中特征变量的选取和模型算法的选择配置进行耦合，形成评价任务；S4，根据建筑能耗模型并结合建筑能源管理应用场景，建立针对建筑能耗模型性能的多维综合评价模型；S5，根据评价任务，采用多维综合评价模型对建筑能耗模型的预测性能进行综合评价。通过采用上述技术方案,所述评价方法为建筑能耗分析人员针对建模所面对的实际应用场景和数据集，选用合适的建筑能耗模型提供指导，针对某建筑的特定应用场景，通过对设定的评价任务性能按照所述建筑能耗模型评价方法进行综合评价，从中选择最佳性能的建筑能耗模型进行部署，以指导绿色建筑能源管理运行策略制定与实施，达到绿色建筑能源系统运行高效节能的目的。进一步地，所述建筑能耗模型的建立过程包括：S21，对实测历史能耗数据、实测历史气象数据进行数据预处理，构成数据集；所述数据预处理包括：数据异常值的剔除和将监测频率小于1小时的监测数据转化为小时颗粒度数据；S22，将数据集分为训练集和测试集；S23，特征变量设定：包括特征选择、特征提取和/或特征构建；所述特征变量包括气象特征变量和时间特征变量；所述特征选择指从气象特征变量中选择特征变量；所述特征提取指从时间特征变量中进行标签特征提取；所述特征构建指将时间特征变量t转换为sin(ωt)，其中ω表示时间周期；S24，模型算法设定：选择模型算法，所述模型算法为机器学习算法，并设定相应的超参数，生成建筑能耗模型；S25，模型预测：采用设定的模型算法和超参数，在所述训练集上对生成的建筑能耗模型进行拟合，并用拟合好的模型在所述测试集上进行预测。通过采用上述技术方案,对采集的实测历史能耗数据、实测历史气象数据中明显异常的数据进行剔除，并且将监测频率小于1小时的监测数据全部转化为小时颗粒度的数据，可以提高训练数据获取的效率，提高训练数据的准确度。将预处理后的建筑历史能耗数据构成训练集和测试集,根据设定的特征变量、模型参数和超参数,生成能够对建筑能耗数据进行预测的建筑能耗模型，并采用训练集对建筑能耗模型进行训练，得到预测质量较高的建筑能耗模型。进一步地，步骤S4所述多维综合评价模型为层次化多维综合评价模型，依次包括目标层、准则层和度量层，各层中设有逐层细化的指标；所述目标层的指标为建筑能耗模型性能的综合评价结果；所述准则层的指标为一级指标；所述度量层的度量指标为二级指标；所述目标层、准则层和度量层的指标分类存放于度量指标库中。通过采用上述技术方案，针对现有模型评价方法评价内容单一的问题，引入了层次化的多维综合评价模型，第一层即目标层的指标就是建筑能耗模型性能的综合评价结果，然后对其进行逐层细化，分为一级指标、二级指标，通过逐层细化的评价指标来评价建筑能耗模型，能够实现对建筑能耗模型性能的全面准确评价。进一步地，所述准则层的指标，即一级指标包括：准确性、高效性、稳定性、易用性和可解释性。通过采用上述技术方案，将目标层的指标进行细化即为准则层，该层指定了一级指标，选定准确性、高效性、稳定性、易用性和可解释性作为准则层的评价指标。进一步地，所述度量层的度量指标，即二级指标包括：（1）准确性指标，包括：决定系数R2、平均绝对百分比误差MAPE、平均绝对误差MAE、均方误差MSE或平方根误差RMSE、均方对数误差MSLE；（2）高效性指标，包括：时间性能、资源消耗；（3）稳定性指标，包括：稳定性；（4）易用性指标，包括：特征变量个数、模型参数个数、模型深度；（5）可解释性指标，包括：可解释性。通过采用上述技术方案，将准则层的指标进行细化即为度量层，该层指定了能够量化的二级指标，选定了决定系数、平均绝对百分比误差、平均绝对误差、均方误差、平方根误差、均方对数误差、时间性能、资源消耗、稳定性、特征变量个数、模型参数个数、模型深度和可解释性作为度量层的度量指标，采用上述量化的度量指标能够对建筑能耗模型进行准确的综合评价。进一步地，步骤S5具体为：S51，根据评价任务，从度量指标库中选取所需的度量指标；S52，计算并设置选取的度量指标的权重；S53，对实测得到的度量指标值进行归一化处理，并对各度量指标进行加权求和，得到所述建筑能耗模型预测性能的综合评价结果；S54，根据综合评价结果，给出适用于建筑能源管理应用场景的建筑能耗模型的最优推荐排序。通过采用上述技术方案，选取所需的度量指标并计算其权重，将实测得到的度量指标值进行归一化处理，将有量纲的表达式变换为无量纲的表达式，把各指标均映射到一定范围内，使各本文档来自技高网...

【技术保护点】
1.一种基于建筑能源管理应用场景的建筑能耗模型评价方法，其特征在于，包括：/nS1，获取建筑历史能耗数据，所述建筑历史能耗数据包括实测历史能耗数据和实测历史气象数据；/nS2，采用机器学习方法建立建筑能耗模型，在所述建筑能耗模型中进行特征变量的设定和模型算法的设定；/nS3，将所述建筑能耗模型中特征变量的选取和模型算法的选择配置进行耦合，形成评价任务；/nS4，根据建筑能耗模型并结合建筑能源管理应用场景，建立针对建筑能耗模型性能的多维综合评价模型；/nS5，根据评价任务，采用多维综合评价模型对建筑能耗模型的预测性能进行综合评价。/n

【技术特征摘要】
1.一种基于建筑能源管理应用场景的建筑能耗模型评价方法，其特征在于，包括：
S1，获取建筑历史能耗数据，所述建筑历史能耗数据包括实测历史能耗数据和实测历史气象数据；
S2，采用机器学习方法建立建筑能耗模型，在所述建筑能耗模型中进行特征变量的设定和模型算法的设定；
S3，将所述建筑能耗模型中特征变量的选取和模型算法的选择配置进行耦合，形成评价任务；
S4，根据建筑能耗模型并结合建筑能源管理应用场景，建立针对建筑能耗模型性能的多维综合评价模型；
S5，根据评价任务，采用多维综合评价模型对建筑能耗模型的预测性能进行综合评价。


2.根据权利要求1所述的基于建筑能源管理应用场景的建筑能耗模型评价方法，其特征在于，所述建筑能耗模型的建立包括：
S21，对实测历史能耗数据、实测历史气象数据进行数据预处理，构成数据集；所述数据预处理包括：数据异常值的剔除和将监测频率小于1小时的监测数据转化为小时颗粒度数据；
S22，将数据集分为训练集和测试集；
S23，特征变量设定：包括特征选择、特征提取和/或特征构建；
所述特征变量包括气象特征变量和时间特征变量；
所述特征选择指从气象特征变量中选择特征变量；所述特征提取指从时间特征变量中进行标签特征提取；所述特征构建指将时间特征变量t转换为sin(ωt)，其中ω表示时间周期；
S24，模型算法设定：选择模型算法，所述模型算法为机器学习算法，并设定相应的超参数，生成建筑能耗模型；
S25，模型预测：采用设定的模型算法和超参数，在所述训练集上对生成的建筑能耗模型进行拟合，并用拟合好的模型在所述测试集上进行预测。


3.根据权利要求1所述的基于建筑能源管理应用场景的建筑能耗模型评价方法，其特征在于，步骤S4所述多维综合评价模型为层次化多维综合评价模型，依次包括目标层、准则层和度量层，各层中设有逐层细化的指标；所述目标层的指标为建筑能耗模型性能的综合评价结果；所述准则层的指标为一级指标；所述度量层的度量指标为二级指标；所述目标层、准则层和度量层的指标分类存放于度量指标库中。


4.根据权利要求3所述的基于建筑能源管理应用场景的建筑能耗模型评价方法，其特征在于，所述准则层的指标包括：准确性、高效性、稳定性、易用性和可解释性。


5.根据权利要求4所述的基于建筑能源管理应用场景的建筑能耗模型评价方法，其特征在于，所述度量层的度量指标包括：
准确性指标，包括：决定系数R2、平均绝对百分比误差MAPE、平均绝对误差MAE...

【专利技术属性】
技术研发人员：顾中煊，王江华，罗淑湘，
申请(专利权)人：北京建筑技术发展有限责任公司，
类型：发明
国别省市：北京;11