基于数据驱动的街区尺度建筑高能耗异常检测方法及系统技术方案

本发明专利技术提供了一种基于数据驱动的街区尺度建筑高能耗异常检测方法及系统，包括：获取被测街区中各建筑的历史能耗数据，判断能耗是否异常并进行标记处理，得到各建筑能耗的标记数据；获取被测街区中各建筑的建筑设计参数的数据集；获取建筑所处城市的天气参数的数据集；构建检测模型并基于建筑设计参数和天气参数的数据集对其进行训练，并根据标记数据对检测模型的训练进行评估，得到训练后的检测模型；获取待检测建筑的建筑设计参数和所处城市的天气参数，对其进行量化处理后通过检测模型得到预测的能耗值，并判断其能耗是否异常。本发明专利技术能够实现对建筑能耗是否异常的准确预测，供用户参考。供用户参考。供用户参考。

【技术实现步骤摘要】
基于数据驱动的街区尺度建筑高能耗异常检测方法及系统


[0001]本专利技术涉及城市建筑需求侧节能的
，更具体地，涉及一种基于数据驱动的街区尺度建筑高能耗异常检测方法及系统。

技术介绍

[0002]中国目前城镇化率已达64.72％，据统计，建筑建筑面积从1996年的不足20亿平方米，增加到2017年的130亿平方米，20年来增长了6倍多，建筑产值从5000亿元增长到4万亿元.世界各地的城市开始设定减少温室气体排放的目标，以实现对环境的低影响和对气候变化的可持续响应。在城市，建筑物占一次能源使用总量的75％和与能源相关的二氧化碳排放总量的约28％，其中三分之二来自快速增长的能源消耗。
[0003]因此，通过能源管理和节能政策提高建筑能源效率已成为优先项目，需要严格执行新建建筑的建筑能源规范和有效预测现有建筑的能源需求。建筑管理者可以使用建筑能源需求检测系统来调整建筑的管理和布置方式，提前为可能的高电力需求做好准备，并支持改造策略。向住户提供相关信息也可以鼓励他们减少建筑物中的能源使用。展望了解建筑物的能源使用情况不仅有助于确定谁的能源使用可能高于其额定需求作为警告信号，而且还有助于确定能源使用是否会随着极端气候而增加；这些知识可以帮助城市决策者通过检测系统确定更好的能源管理和有效策略。
[0004]现有技术文件提供了一种基于短期建筑能耗预测模型的异常能耗诊断方法及系统(CN114169254A)，包括经过Pearson相关性分析、数据预处理，构建能耗样本集并划分为训练集、验证集和测试集；提出了一种基于历史能耗数据、居住者行为、气象因素和时间因素等10个输入参数的LSTM网络多步超前短期能耗预测模型；采用MIMO策略在监督学习方式下预测建筑每小时能耗；根据预测模型，在较小的时间尺度上提出一种基于预测值与实际值之间的数学关系的诊断方法。现有技术存在的问题包括：对比文件1在在城市能耗预测方法中缺乏对能耗有关键影响作用的城市形态参数；且缺乏城市中建筑能耗等级划分及异常高能耗的预警诊断。

技术实现思路

[0005]为解决现有技术中存在的不足，本专利技术的目的在于，提供一种基于数据驱动的街区尺度建筑高能耗异常检测方法，结合建筑具体的设计参数和所处城市的气象参数，通过对城市建筑的能耗特征提取、设计参数量化和气象特征量化，并利用机器学习集成到街区尺度的能耗检测中，实现对街区建筑的高能耗异常检测。
[0006]本专利技术采用如下的技术方案。
[0007]一种基于数据驱动的街区尺度建筑高能耗异常检测方法，包括如下步骤：
[0008]步骤1，获取被测街区中各建筑的历史能耗数据，判断能耗是否异常并进行标记处理，得到各建筑能耗的标记数据；
[0009]步骤2，获取被测街区中各建筑的建筑设计参数，并对其进行量化处理，得到建筑
设计参数的数据集；
[0010]步骤3，获取建筑所处城市的天气参数，并对其进行量化处理得到天气参数的数据集；
[0011]步骤4，构建检测模型并基于建筑设计参数和天气参数的数据集对其进行训练，并根据步骤1得到的标记数据对检测模型的训练进行评估，得到训练后的检测模型；
[0012]步骤5，获取待检测建筑的建筑设计参数和所处城市的天气参数，对其进行量化处理后通过检测模型得到预测的能耗值，并判断其能耗是否异常。
[0013]优选地，所述步骤1还包括：
[0014]步骤1
‑
1，获取所检测街区尺度建筑群的历史能耗数据，历史能耗数据包括用电量数据；
[0015]步骤1
‑
2，基于用电量和建筑的面积计算得到建筑单位面积的能耗强度并进行标准化处理；
[0016]步骤1
‑
3，基于建筑物的平均建筑单位面积的能耗强度，为每个建筑物设置能耗阈值；
[0017]步骤1
‑
4，根据各建筑物的能耗阈值判断各建筑能耗是否异常，对各建筑每月的能耗强度进行标记，得到标记数据。
[0018]优选地，所述步骤1
‑
2中，能耗强度的标准化计算式如下：
[0019][0020]其中，是第i个建筑物的第j个月的归一化建筑单位面积的能耗强度，EUI
i，j
是第i个建筑物的第j个月的实际建筑单位面积的能耗强度，是最小值第i个建筑物所获取时间段内每月建筑单位面积的能耗强度，是第i个建筑物所获取时间段内每月建筑单位面积的能耗强度的最大值。
[0021]优选地，所述步骤1
‑
3中，各建筑物阈值的计算式为：
[0022][0023]其中，为第i个建筑物的能耗阈值，n为研究期间的总月数，θUI
i，j
为第i个建筑物的第j个月的实际每月建筑单位面积的能耗强度。
[0024]优选地，所述步骤1
‑
4中，若每月的建筑单位面积的能耗强度大于设置的阈值，则对应的数据点标记为1；否则标记为0。
[0025]优选地，所述步骤2中，建筑设计参数包括基本建筑形态参数、建筑间相互影响参数和建筑功能参数；
[0026]其中，基本建筑形态参数还包括：目标建筑总的楼层面积、目标建筑总的楼层数、目标建筑的高度、目标建筑的宽度、目标建筑的长度、目标建筑的周长、数据集中目标建筑的表面积、目标建筑的体积和目标建筑的朝向
[0027]建筑间相互影响参数还包括：建筑属性参数和周围环境对建筑的影响参数；建筑
属性参数还包括目标建筑的体型系数、目标建筑建筑的周长面积的比值以及目标建筑建筑的长度和宽度的比值，其中体型系数指建筑的体积与表面积之比；周围环境对建筑的影响参数还包括建筑物的南向障碍物高度与街道峡谷宽度之比、西向障碍物高度与街道峡谷宽度之比、北向障碍物高度与街道峡谷宽度之比、东向障碍物高度与街道峡谷宽度之比；
[0028]建筑功能参数还包括：公共服务、教育、工业、医院和酒店，对各建筑所属的建筑功能进行量化处理，得到各建筑的建筑功能数据。
[0029]优选地，所述对各建筑所属的建筑功能进行量化处理还包括：
[0030]若建筑属于公共服务类别，则其对应的建筑功能数据为0；若建筑属于教育类别，则其对应的建筑功能数据为1；若建筑属于工业类别，则其对应的建筑功能数据为2；若建筑属于医院类别，则其对应的建筑功能数据为3；若建筑属于酒店类别，则其对应的建筑功能数据为4。
[0031]优选地，获取的天气参数种类包括温度、感觉温度、湿度、气压、风速值、风向、每小时降雨量、每小时降雪量、云量、天气状况描述数量、温度不舒服的小时数、令人不舒服的湿度的小时数和感受不舒服的温度的小时数。
[0032]优选地，所述感觉温度的数据值可以通过以下公式进行量化处理：
[0033]Feels_like＝
‑
42.379+(2.04901523
×
T)+(10.14333127
×
rh)
‑
(0.2247554本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的街区尺度建筑高能耗异常检测方法，其特征在于，包括如下步骤：步骤1，获取被测街区中各建筑的历史能耗数据，判断能耗是否异常并进行标记处理，得到各建筑能耗的标记数据；步骤2，获取被测街区中各建筑的建筑设计参数，并对其进行量化处理，得到建筑设计参数的数据集；步骤3，获取建筑所处城市的天气参数，并对其进行量化处理得到天气参数的数据集；步骤4，构建检测模型并基于建筑设计参数和天气参数的数据集对其进行训练，并根据步骤1得到的标记数据对检测模型的训练进行评估，得到训练后的检测模型；步骤5，获取待检测建筑的建筑设计参数和所处城市的天气参数，对其进行量化处理后通过检测模型得到预测的能耗值，并判断其能耗是否异常。2.根据权利要求1所述的基于数据驱动的街区尺度建筑高能耗异常检测方法，其特征在于，所述步骤1还包括：步骤1
‑
1，获取所检测街区尺度建筑群的历史能耗数据，历史能耗数据包括用电量数据；步骤1
‑
2，基于用电量和建筑的面积计算得到建筑单位面积的能耗强度并进行标准化处理；步骤1
‑
3，基于建筑物的平均建筑单位面积的能耗强度，为每个建筑物设置能耗阈值；步骤1
‑
4，根据各建筑物的能耗阈值判断各建筑能耗是否异常，对各建筑每月的能耗强度进行标记，得到标记数据。3.根据权利要求2所述的基于数据驱动的街区尺度建筑高能耗异常检测方法，其特征在于，所述步骤1
‑
2中，能耗强度的标准化计算式如下：其中，是第i个建筑物的第j个月的归一化建筑单位面积的能耗强度，EUI
i，j
是第i个建筑物的第j个月的实际建筑单位面积的能耗强度，是最小值第i个建筑物所获取时间段内每月建筑单位面积的能耗强度，是第i个建筑物所获取时间段内每月建筑单位面积的能耗强度的最大值。4.根据权利要求2所述的基于数据驱动的街区尺度建筑高能耗异常检测方法，其特征在于，所述步骤1
‑
3中，各建筑物阈值的计算式为：其中，为第i个建筑物的能耗阈值，n为研究期间的总月数，EUI
i，j
为第i个建
筑物的第j个月的实际每月建筑单位面积的能耗强度。5.根据权利要求2所述的基于数据驱动的街区尺度建筑高能耗异常检测方法，其特征在于，所述步骤1
‑
4中，若每月的建筑单位面积的能耗强度大于设置的阈值，则对应的数据点标记为1；否则标记为0。6.根据权利要求1所述的基于数据驱动的街区尺度建筑高能耗异常检测方法，其特征在于，所述步骤2中，建筑设计参数包括基本建筑形态参数、建筑间相互影响参数和建筑功能参数；其中，基本建筑形态参数还包括：目标建筑总的楼层面积、目标建筑总的楼层数、目标建筑的高度、目标建筑的宽度、目标建筑的长度、目标建筑的周长、数据集中目标建筑的表面积、目标建筑的体积和目标建筑的朝向建筑间相互影响参数还包括：建筑属性参数和周围环境对建筑的影响参数；建筑属性参数还包括目标建筑的体型系数、目标建筑建筑的周长面积的比值以及目标建筑建筑的长度和宽度的比值，其中体型系数指建筑的体积与表面积之比；周围环境对建筑的影响参数还包括建筑物的南向障碍物高度与街道峡谷宽度之比、西向障碍物高度与街道峡谷宽度之比、北向障碍物高度与街道峡谷宽度之比、东向障碍物高度与街道峡谷宽度之比；建筑功能参数还包括：公共服务、教育、工业、医院和酒店，对各建筑所属的建筑功能进行量化处理，得到各建筑的建筑功能数据。7.根据权利要求6所述的基于数据驱动的街区尺度建筑高能耗异常检测方法，其特征在于，所述对各建筑所属的建筑功能进行量化处理还包括：若建筑属于公共服务类别，则其对应的建筑功能数据为0；若建筑属于教育类别，则其对应的建筑功能数据为1；若建筑属于工业类别，则其对应的建筑功能数据为2；若建筑属于医院类别，则其对应的建筑功能数据为3；若建筑属于酒店类别，则其对应的建筑功能数据为4。8.根据权利要求1所述的基于数据驱动的街区尺度建筑高能耗异常检测方法，其特征在于，获取的天气参数种类包括温度、感觉温度、湿度、气压、风速值、风向、每小时降雨量、每小时降雪量、云量...

【专利技术属性】
技术研发人员：吴锡斌，倪俊，王晓栋，陈苏华，汤铮，
申请(专利权)人：国网江苏省电力有限公司无锡供电分公司，
类型：发明
国别省市：