建筑物负荷预测方法、装置、设备及可读存储介质制造方法及图纸

本申请提供一种建筑物负荷预测方法、装置、设备及可读存储介质，本申请可以通过对目标建筑物与其周边的建筑物之间的空间相关性分析，确定参考建筑物，并利用参考建筑物相对充足的数据，为目标建筑物构建负荷预测模型。且在每一个模型训练过程中不仅使用参考建筑物的原有数据，还引入目标建筑物数据，提高预测精度。对于各个负荷预测模型，采样基于相似度的模型集成策略，对预测模型的输出结果加权集成。在充分利用每个模型的同时，可组合多个模型的结果也可以减少单源构建模型所导致的部分风险，从而增强集成模型的鲁棒性，不仅可以提高对目标建筑物的负荷预测结果的准确度，还可以有效弥补由于目标建筑的历史负荷数据不足的缺陷。不足的缺陷。不足的缺陷。

【技术实现步骤摘要】
建筑物负荷预测方法、装置、设备及可读存储介质


[0001]本申请涉及建筑物负荷预测
，尤其涉及一种建筑物负荷预测方法、装置、设备及可读存储介质。

技术介绍

[0002]随着城市化进程的不断加速，人们越来越多地居住在高层建筑中，建筑物的用途也越来越多样化，如住宅、商业、办公等，而建筑物的能源消耗也越来越高。目前，建筑能耗已经快速上升，目前已占到总能耗的29％，因此，降低建筑物运营的整体能源消耗，提高建筑能源效率，对节能减排和实现可持续发展目标至关重要。
[0003]建筑物负荷预测是建筑物能耗管理的关键环节之一，对于保证建筑物能耗的合理分配和优化运行至关重要。准确预测建筑物负荷可以帮助能源管理者进行合理的调度，优化能源使用效率，降低能源消耗和环境污染。现有的构建负荷预测的方法可以分为物理方法、统计学方法和数据驱动方法。但是这些方法主要依赖于对建筑物的历史数据的分析和拟合，无法充分挖掘数据中的潜在信息，对于非线性、非稳定的负荷数据，预测精度较低。此外，由于建筑物内外环境因素的复杂性和多变性，这些方法也难以充分适应各种应用场景的需求。

技术实现思路

[0004]本申请旨在至少能解决上述的技术缺陷之一，有鉴于此，本申请提供了一种建筑物负荷预测方法、装置、设备及可读存储介质，用于解决现有技术中建筑物负荷预测困难的技术缺陷。
[0005]一种建筑物负荷预测方法，包括：
[0006]收集目标建筑物与所述目标建筑物的周边建筑物的数据集；
[0007]对所述目标建筑物的数据集以及所述目标建筑物的周边建筑物的数据集进行空间相关性分析，得到所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果；
[0008]依据所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果，确定与所述目标建筑物存在相关性关系的参考建筑物；
[0009]依据所述参考建筑物的数据集与所述目标建筑物的数据集，构建至少一个目标负荷预测模型；
[0010]分别利用各个所述目标负荷预测模型对所述目标建筑物的负荷进行预测，得到至少一个所述目标建筑物的负荷预测结果；
[0011]利用预设的集成策略模型对各个所述目标负荷预测模型对所述目标建筑物的负荷预测结果进行集成分析，得到所述目标建筑物的最终负荷预测结果，其中，所述预设的集成策略模型以各个所述目标负荷预测模型对所述目标建筑物的训练负荷预测结果作为训练样本，以各个所述目标负荷预测模型对所述目标建筑物的训练负荷预测结果中包括的所
述目标建筑物的训练最终负荷预测结果作为样本标签，训练得到。
[0012]优选地，所述对所述目标建筑物的数据集以及所述目标建筑物的周边建筑物的数据集进行空间相关性分析，得到所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果，包括：
[0013]依据所述目标建筑物的数据集，确定所述目标建筑物的周边建筑物的与所述目标建筑物的数据集在相同时间内的数据集；
[0014]对所述目标建筑物的数据集，以及所述目标建筑物的周边建筑物的与所述目标建筑物的数据集在相同时间内的数据集之间进行空闲相关性分析，得到所述目标建筑物的数据集与所述目标建筑物的周边建筑物的每个建筑物对应的数据集之间的各个目标相关性系数数值作为所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果。
[0015]优选地，所述依据所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果，确定与所述目标建筑物存在相关性关系的参考建筑物，包括：
[0016]判断各个所述目标相关性系数数值是否超过预设的第一阈值；
[0017]若存在超过预设的第一阈值的所述目标相关性系数数值，则将超过预设的第一阈值的目标相关性系数数值所对应的且在所述目标建筑物周边的建筑物作为与所述目标建筑物存在相关性关系的参考建筑物。
[0018]优选地，所述目标相关性系数的计算公式，包括：
[0019][0020]其中，
[0021]ρ
i
表示第i个参考建筑物与所述目标建筑物之间的目标相关性系数；
[0022]X表示所述目标建筑物的历史负荷数据对应的序列；
[0023]Y表示与所述目标建筑物的历史负荷数据对应的序列在同一时间段内的所述目标建筑物的周边的建筑物的历史负荷数据对应的序列；
[0024]X
n
表示表示变量n对应X序列中的序列；
[0025]表示代表X序列平均值；
[0026]Y
n
表示表示表示变量n对应Y序列中的序列；
[0027]表示代表Y序列平均值；
[0028]n表示求和序列的变量；
[0029]N表示样本数据集的总量。
[0030]优选地，依据所述参考建筑物的数据集与所述目标建筑物的数据集，构建至少一个目标负荷预测模型，包括：
[0031]确定所述参考建筑物的数量；
[0032]依据所述参考建筑物的数量，分别将每个所述参考建筑物的数据集与所述目标建筑物的数据集依次结合，分别为每个所述参考建筑物构建一个目标负荷预测模型，其中，每个所述目标负荷预测模型以与其对应的参考建筑物的训练数据集与所述目标建筑物的训练数据集的训练结合数据集作为训练样本，以所述训练结合数据集中包括的所述目标建筑
物的负荷预测结果作为样本标签，训练得到。
[0033]优选地，所述利用预设的集成策略模型对各个所述目标负荷预测模型对所述目标建筑物的负荷预测结果进行集成分析，得到所述目标建筑物的最终负荷预测结果，包括：
[0034]依据每个所述参考建筑物的目标相关性系数，确定每个所述参考建筑物对应的目标负荷预测模型在所述目标建筑物的最终负荷预测结果中的贡献权重；
[0035]依据每个所述参考建筑物对应的目标负荷预测模型在所述目标建筑物的最终负荷预测结果中的贡献权重，对各个所述目标负荷预测模型对所述目标建筑物的负荷预测结果进行集成分析，得到所述目标建筑物的最终负荷预测结果。
[0036]优选地，每个所述参考建筑物对应的目标负荷预测模型在所述目标建筑物的最终负荷预测结果中的贡献权重的计算公式，包括：
[0037][0038]其中，
[0039]ω
m
表示第m个目标负荷预测模型在所述目标建筑物的最终负荷预测结果中的贡献权重；
[0040]ρ
m
表示第m个参考建筑物与所述目标建筑物之间的目标相关性系数；
[0041]ρ
i
表示第i个参考建筑物与所述目标建筑物之间的目标相关性系数；
[0042]M
表示基本负荷预测模型的总量，即参考建筑物的总量。
[0043]一种建筑物负荷预测装置，包括：
[0044]数据收集单元，用于收集目标建筑物与所述目标建筑物的周边建筑物的数据集；
[0045]第一分析单元，用于对所述目标建筑物的数据集以及所述目标建筑物的周边建筑物的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建筑物负荷预测方法，其特征在于，包括：收集目标建筑物与所述目标建筑物的周边建筑物的数据集；对所述目标建筑物的数据集以及所述目标建筑物的周边建筑物的数据集进行空间相关性分析，得到所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果；依据所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果，确定与所述目标建筑物存在相关性关系的参考建筑物；依据所述参考建筑物的数据集与所述目标建筑物的数据集，构建至少一个目标负荷预测模型；分别利用各个所述目标负荷预测模型对所述目标建筑物的负荷进行预测，得到至少一个所述目标建筑物的负荷预测结果；利用预设的集成策略模型对各个所述目标负荷预测模型对所述目标建筑物的负荷预测结果进行集成分析，得到所述目标建筑物的最终负荷预测结果，其中，所述预设的集成策略模型以各个所述目标负荷预测模型对所述目标建筑物的训练负荷预测结果作为训练样本，以各个所述目标负荷预测模型对所述目标建筑物的训练负荷预测结果中包括的所述目标建筑物的训练最终负荷预测结果作为样本标签，训练得到。2.根据权利要求1所述的方法，其特征在于，所述对所述目标建筑物的数据集以及所述目标建筑物的周边建筑物的数据集进行空间相关性分析，得到所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果，包括：依据所述目标建筑物的数据集，确定所述目标建筑物的周边建筑物的与所述目标建筑物的数据集在相同时间内的数据集；对所述目标建筑物的数据集，以及所述目标建筑物的周边建筑物的与所述目标建筑物的数据集在相同时间内的数据集之间进行空闲相关性分析，得到所述目标建筑物的数据集与所述目标建筑物的周边建筑物的每个建筑物对应的数据集之间的各个目标相关性系数数值作为所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果。3.根据权利要求2所述的方法，其特征在于，所述依据所述目标建筑物与所述目标建筑物的周边建筑物的空间相关性分析结果，确定与所述目标建筑物存在相关性关系的参考建筑物，包括：判断各个所述目标相关性系数数值是否超过预设的第一阈值；若存在超过预设的第一阈值的所述目标相关性系数数值，则将超过预设的第一阈值的目标相关性系数数值所对应的且在所述目标建筑物周边的建筑物作为与所述目标建筑物存在相关性关系的参考建筑物。4.根据权利要求2所述的方法，其特征在于，所述目标相关性系数的计算公式，包括：其中，ρ
i
表示第i个参考建筑物与所述目标建筑物之间的目标相关性系数；X表示所述目标建筑物的历史负荷数据对应的序列；
Y表示与所述目标建筑物的历史负荷数据对应的序列在同一时间段内的所述目标建筑物的周边的建筑物的历史负荷数据对应的序列；X
n
表示表示变量n对应X序列中的序列；表示代表X序列平均值；Y
n
表示表示表示变量n对应Y序列中的序列；表示代表Y序列平均值；n表示求和序列的变量；N表示样本数据集的总量。5.根据权利要求1所述的方法，其特征在于，依据所述参考建筑物的数据集与所述目标建筑物的数据集，构建至少一个目标负荷预测模型，包括：确定所述参考建筑物的数量；依据所述参考建筑物的数量，分别将每个所述参考建筑物的数据集与所述目标建筑物的数据集依次结合...

【专利技术属性】
技术研发人员：谈竹奎，王扬，喻磊，刘胤良，周科，宋子宏，付宇，蔡永翔，肖小兵，郑友卓，林心昊，段舒尹，刘安茳，苏立，邓松，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：