[发明专利]一种面向建筑能耗预测的BP神经网络模型配置方法

说明书

本发明公开了一种面向建筑能耗预测的BP神经网络模型配置方法，包括（A），创建可配置化的BP神经网络模型；（B），训练嵌入能耗模式的BP神经网络模型，形成预测训练模型；（C），进行建筑能耗数据预测。本发明的面向建筑能耗预测的BP神经网络模型配置方法，将复杂的建筑能耗预测相关影响因素、参数、算法与建筑能耗实际预测功能进行解耦分离，实现任意预测模型的可配置化创建，降低了建筑能耗预测系统的开发和维护成本，使得大规模建筑的能耗预测系统易于实现，具有良好的应用前景。

技术领域

本发明涉及一种面向建筑能耗预测的BP神经网络模型配置方法，属于建筑能耗预测技术领域。

背景技术

随着中国人口的急剧增长和人们生活水平的不断提高，我国建筑面积成倍增加，建筑能耗费用也不断增加。据统计，我国建筑能耗约占全社会总能耗的1/3。目前，建筑能耗预测主要是根据历史能耗信息和相关环境信息，为未来建筑的可能用能情况进行预测。建筑能耗预测不仅能够帮助管理人员合理安排系统运行方式，而且还能够利用实际值与预测值的比较，进行建筑能耗异常检测，从而保证用能的安全进行。

近几年，有关建筑能耗预测方法的研究已经出现很多，主要涉及到的方法有BP神经网络算法、支持向量机、时间序列分析方法等。但是，现有的方法多以单一建筑、单一能耗为对象实施进行的，研究结果都最终给出一个较好的实验模型作为最佳预测模型。还有，虽然建筑能耗预测的方法理论研究较多，然而，实际的建筑能耗预测系统却出现空白，主要是由于实际建筑能耗预测时，针对的建筑对象规模较多，能耗类型繁多，对于不同的建筑、不同的分类分项能耗预测模型则不同，理论研究所给出的单一的预测模型很难满足实际复杂多变的预测系统要求，因此，如何建立一种有效的、灵活的、可配置的预测模型配置设计方案来满足实际预测系统复杂多变的需求，是当前急需解决的问题。

发明内容

本发明的目的是为了克服现有的单一预测模型很难满足实际复杂多变的预测系统要求的问题。本发明的面向建筑能耗预测的BP神经网络模型配置方法，将复杂的建筑能耗预测相关影响因素、参数、算法与建筑能耗实际预测功能进行解耦分离，实现任意预测模型的可配置化创建，降低了建筑能耗预测系统的开发和维护成本，使得大规模建筑的能耗预测系统易于实现，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

一种面向建筑能耗预测的BP神经网络模型配置方法，其特征在于：包括以下步骤，

步骤(A)，创建可配置化的BP神经网络模型，包括建立输入配置、输出配置、网络结构配置，并进行模型校验、基础网络模型保存；

步骤(B)，训练嵌入能耗模式的BP神经网络模型，形成预测训练模型，包括预测训练模型选择、预测输入数据时间设置、建筑能耗预测、预测结果保存；

步骤(C)，进行建筑能耗数据预测，包括预测训练模型选择、预测输入数据时间设置、建筑能耗预测、预测结果保存。

前述的面向建筑能耗预测的BP神经网络模型配置方法，其特征在于：步骤(A)，创建可配置化的BP神经网络模型，包括以下过程，

(A1)对能耗预测的影响因素进行抽象，定义BP神经网络模型的输入存储方式、解析方式和数据加载方式；

(A2)定义BP神经网络模型输出的存储方式、解析方式和数据加载方式；

(A3)进行BP神经网络模型的范围筛选；

(A4)建立输入配置，根据BP神经网络模型的范围筛选全范围的输入因素实现任意输入因素选择、任意输入数目选择，同时，对每个输入因素所涉及到的相关数据提取涉及到的参数进行设置；

(A5)建立输出配置，根据BP神经网络模型的范围筛选全范围的输出因素实现任意输出因素选择、任意输出数目选择，同时，对每个输出因素所涉及到的相关数据提取涉及到的参数进行设置；