【技术实现步骤摘要】
本专利技术属于用能行为预测，具体涉及一种基于非齐次马尔可夫链模型的用能行为预测方法。
技术介绍
1、为提高能耗模拟的准确性，需要对住宅建筑能耗的各种影响因素进行详细分析和量化。这些因素众多，其中人的行为对住宅建筑的能耗影响尤为显著。在气象参数和建筑围护结构等因素已确定的情况下，建筑的能耗主要由居住者的行为决定。考虑到人行为的多样性和随机性，建筑能耗的不确定性大大增加，从而对建筑节能技术的选择和潜在节能效果产生显著影响。
2、当前，关于住宅建筑能耗模拟领域的人行为研究主要包括室内行为研究和用能行为研究。已有研究表明，对用户的室内行为，尤其是室内状态的定量描述和预测，并将这些预测结果用于能耗模拟软件的输入参数，可以实现对住宅建筑热环境和能耗的准确模拟。同时，考虑到住宅建筑能耗主要来自于用户为满足自身需求而使用各种能耗设备的用能行为，准确预测用户用能行为并将其与设备使用情况结合起来以建立自下而上的能耗预测模型，可用于评估用户家庭的能耗需求，进而应用于建筑节能审计、围护结构设计、节能技术性能评估和电网需求侧管理等领域。
3、目前，已有多种住宅建筑用能行为预测模型，包括统计概率模型、数据挖掘模型、马尔可夫链(markov chain，mc)模型和基于代理的模型(agent-based模型)。其中，马尔可夫链模型是应用最广泛的，因为它考虑了用能行为在时间上的相关性，能在一定程度上刻画建筑用户行为的随机性，但存在两次聚类后体现用户特征差异性低、用能行为预测准确度较低等问题，而本专利技术采用非齐次马尔可夫链模型，更好地考
技术实现思路
1、本专利技术针对住宅建筑用能行为预测的准确性，根据住宅用户的特征参数与用户用能行为的建立关联性，运用非齐次马尔可夫链，建立一个基于用户差异性的用能行为的预测模型，有效提高了用能行为预测的准确度。在只了解用户的特征信息的情况下，仍然可以进行用户用能行为的预测，对进一步建筑的能耗模拟提供了帮助。
2、为达到上述目的本专利技术采用了以下技术方案：
3、一种基于非齐次马尔可夫链模型的用能行为预测方法，包括以下步骤：
4、步骤1：获取某一时间尺度住宅建筑里住户特征信息以及用户行为信息，作为数据集；
5、步骤2：对数据集进行预处理，分为训练集与测试集；
6、步骤3：用户行为信息通过spareman相关性分析，利用训练集内的样本计算不同住户特征参数与总在室时间的相关系数，在此基础上选择合适的住户特征参数，各住户特征参数归一化处理后，并将相关系数作为权值赋予各住户特征参数；
7、步骤4：采用k-means聚类分析对各住户特征参数进行分类，通过计算ch和db指标确定最佳聚类数k，得到k个聚类结果，并分别对每个聚类分析结果中的数据添加一次聚类类别标签，将带有一次聚类类别标签的训练集划分为子训练集及相应的子测试集；
8、步骤5：在子训练集中，每类的基础上提取住户特征信息和用能行为信息，用能行为信息的基础上提取多种用能行为信息，并以每种用能行为不同状态发生的总时长作为特征变量，进行第二次k-means聚类分析，并生成类别标签；
9、步骤6：根据第二次聚类分析结果，基于r语言平台构建非齐次马尔可夫链模型，将用户的用能行为按不同类别分组，并作为对应的非齐次马尔可夫链模型的输入，训练模型得到用能行为预测模型；
10、步骤7：在进行完两次聚类后，得到带有类别标签的用能行为信息，采用分类决策树方法学习住户特征信息与各用能行为类别标签间的决策规则，从而建立分类决策树模型；
11、步骤8：用能行为模式识别，提取测试集中的住户特征信息，再加上子测试集作为新测试集，根据步骤3得到的不同住户特征参数与总在室时间的相关系数，对新测试集样本的住户特征信息进行加权处理，然后以测试集样本加权特征参数与k个聚类中心的欧式距离为依据分为k类，并分别对每个聚类分析结果中的数据添加一次聚类类别标签，然后根据步骤7已建立的分类决策树模型，对带有一次聚类类别标签的测试集样本进行二次聚类类别标签的识别，得到带有二次聚类的类别标签的测试集样本；
12、步骤9：预测模型选择并预测，根据步骤6训练得到的预测模型，依据测试集的类别标签，选择相对应的预测模型进行预测；
13、步骤10：行为组合判定，预测结果与实际用能行为数据进行对比分析，最终得到预测结果。
14、进一步，所述步骤1中住户特征信息包括：人数、日期、工作状态、性别、住宅拥有方式、收入情况、身份信息、生活状况、年龄、家庭年收入、教育年龄；用户行为信息包括：外出、睡眠、烹饪、洗碗、洗衣、电脑、电视、音频设备、其他行为。
15、进一步，所述步骤2中对数据集进行预处理，分为训练集与测试集，具体为：对数据进行清理、筛选和转化，并通过随机抽样选取90％作为训练集，10％作为测试集。
16、进一步，所述步骤4中k-means聚类分析，具体如下：
17、1)任选k个初始聚类中心，c1,c2…ck；
18、2)根据公式计算每个样本点至各类中心的距离，以最小欧氏距离为标准划分数据集，公式如下：
19、
20、其中，xi、yi是两个样本点，n表示空间维度；
21、3)对各聚类参数均值进行重新计算，并将其作为新的聚类中心；
22、4)重复步骤2)和步骤3)至算法收敛。
23、再进一步，所述步骤4中通过计算ch和db指标确定最佳聚类数k，具体步骤为：
24、ch指标为类间距离和类内距离的比值，计算公式如下：
25、
26、其中，k为类数，n为观测次数，ssb为类间总方差，ssw为类内总方差，公式如下：
27、
28、
29、其中，mi为第i类的质心，m为样本数据的总体均值，ci为第i个聚类，x为数据点。
30、db指标为类内距离和类间距离的比值，计算公式如下：
31、
32、其中，为第i类数据到该类质心的平均距离，为第j类数据到该类质心的平均距离、dij为第i类与第j类质心之间的欧氏距离。
33、进一步，所述步骤7中分类决策树方法通过gini系数选取最优特征及该特征的最优二值切分点，即利用gini指数的方法，将样本集进行划分，分为两个子样本集，重复此划分步骤，至当前待分类的样本集确定为叶节点，或其满足停止分类的条件。
34、进一步，所述gini系数具体为：
35、假设有k个类别，样本属于第k类的概率为pk，概率分布的gini系数定义为：
36、
37、给定样本集d，此时ck是样本d中属于第k类的样本子集，则样本集d的gini系数为：
38、
39、假定特征a的gini系数最小，以该特征为准则，将样本集d分为两个子集d1和d2，则样本集d的本文档来自技高网...
【技术保护点】
1.一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于：所述步骤1中住户特征信息包括：人数、日期、工作状态、性别、住宅拥有方式、收入情况、身份信息、生活状况、年龄、家庭年收入、教育年龄；用户行为信息包括：外出、睡眠、烹饪、洗碗、洗衣、电脑、电视、音频设备、其他行为。
3.根据权利要求1所述的一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于：所述步骤2中对数据集进行预处理，分为训练集与测试集，具体为：对数据进行清理、筛选和转化，并通过随机抽样选取90％作为训练集，10％作为测试集。
4.根据权利要求1所述的一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于：所述步骤4中K-means聚类分析，具体如下：
5.根据权利要求4所述的一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于：所述步骤4中通过计算CH和DB指标确定最佳聚类数k，具体步骤为：
6.根据权利要求1所述的一种基于非齐次马尔可夫链
7.根据权利要求6所述的一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于：所述Gini系数具体为：
8.根据权利要求1所述的一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于：所述步骤10中行为组合判定的方法是基于训练集行为概率分布建立，当对各行为分别预测时，发生各行为的人数累加值应与用户人数相等，具体步骤如下：
...【技术特征摘要】
1.一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于：所述步骤1中住户特征信息包括：人数、日期、工作状态、性别、住宅拥有方式、收入情况、身份信息、生活状况、年龄、家庭年收入、教育年龄；用户行为信息包括：外出、睡眠、烹饪、洗碗、洗衣、电脑、电视、音频设备、其他行为。
3.根据权利要求1所述的一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于：所述步骤2中对数据集进行预处理，分为训练集与测试集，具体为：对数据进行清理、筛选和转化，并通过随机抽样选取90％作为训练集，10％作为测试集。
4.根据权利要求1所述的一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于：所述步骤4中k-means聚类分析，具体如下：
5.根据权利要求4...
【专利技术属性】
技术研发人员：吴迪，宋寒，韩中合，席昌远，张晓雨，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。