买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中南建筑设计院股份有限公司

摘要：本发明提供了一种基于混合模型的短期建筑冷热负荷预测方法及系统，包括基于历史气象数据筛选出有代表性典型日；建立项目的精细三维仿真模型，并通过与历史典型日相似的现场运行实测数据对该模型进行校准；利用经过校准后的三维仿真模型生成高质量的建筑冷热负荷数据，进一步训练神经网络模型，最终实现短期建筑冷热负荷的高效预测；本发明通过引入三维仿真模型的校准环节，使得三维仿真模型负荷计算结果与实际建筑冷热负荷的保持高度一致性，提高了建筑三维仿真模型计算结果的准确性，确保了神经网络模型训练数据集的有效性，有效克服了空调系统运行前期由于数据量有限导致神经网络模型训练效果不佳的问题。

主权项：1.一种基于混合模型的短期建筑冷热负荷预测方法，其特征在于：包括以下步骤：S1：根据历史气象数据筛选历史典型日，收集与历史典型日相似的实际运行日的实测气象数据；S2：建立用于预测建筑冷热负荷的三维仿真模型，并通过与历史典型日相似的实测气象数据校准三维仿真模型；具体步骤为：S21：根据原有建筑设计图纸1：1搭建建筑三维仿真模型并设置三维仿真模型的围护结构热工参数；S22：用与历史典型日相似的实际运行日的实测气象数据替换三维仿真模型中的原始气象数据；S23：通过相关优化算法校准三维仿真模型中与建筑冷热负荷有关的动态参数，确保三维仿真模型计算的建筑冷热负荷与实测值趋势一致、日内累加值相近；所述的步骤S2中，建筑冷热负荷是指维持室内温度达到设定值时所需要向建筑内部提供的冷量和热量；设c为冷冻水或热水的比热容常数，m为冷冻水或热水的质量流量，Δtj为冷冻水或热水的供回水温差，则j时刻的建筑冷热负荷Qj通过测量供冷供热干管的供回水温差和流量计算得到：Qj=cmΔtj；所述的步骤S21中，采用包括energyplus、modelica、trnsys、dest的平台搭建建筑三维仿真模型；围护结构热工参数包括建筑外墙传热系数、建筑屋面传热系数、建筑外窗传热系数、建筑外窗得热系数、建筑外窗可开启面积比例、建筑外门传热系数、建筑内墙传热系数、建筑内窗传热系数、建筑内门传热系数、室内温度设定值和新风机新风量；所述的步骤S23中，相关优化算法包括通过外部算法调用energyplus或modelica中的三维仿真模型校准、利用trnsys中的trnopt优化工具箱校准；三维仿真模型中与建筑冷热负荷有关的动态参数包括渗透风量、自然通风量、人员在室率和设备热扰；S3：将历史气象数据输入校准后的三维仿真模型，计算形成神经网络负荷预测模型的建筑冷热负荷训练数据集；S4：利用校准后的三维模型计算得到的建筑冷热负荷训练数据集，结合历史气象数据训练神经网络负荷预测模型；具体步骤为：S41：将建筑冷热负荷训练数据集划分为训练集和测试集，训练集和测试集的输入为建筑冷热负荷相关的气象数据，输出为校准后的三维仿真模型计算得到的冷热负荷数据；S42：对训练集的数据进行归一化处理，使用训练集的数据训练神经网络负荷预测模型；S43：通过优化算法不断调整神经网络负荷预测模型的权重和偏移量，直到神经网络负荷预测模型达到收敛状态；S44：将测试集中与建筑冷热负荷相关的气象数据归一化后输入到步骤S42训练好的神经网络负荷预测模型中进行计算并反向归一化，得到建筑的冷热负荷的预测值；S45：对比预测值与步骤S41由三维仿真模型计算得到测试集中的冷热负荷数据的真实值，评估神经网络负荷预测模型的训练效果；S5：通过训练完成的神经网络负荷预测模型对建筑冷热负荷进行实时滚动预测。

全文数据：

权利要求：

百度查询： 中南建筑设计院股份有限公司 一种基于混合模型的短期建筑冷热负荷预测方法及系统