[发明专利]基于分项计量时间序列的建筑能耗预测方法、系统及建筑物

说明书

本发明公开了基于分项计量时间序列的建筑能耗预测方法、系统及建筑物，其中，预测方法包括，采集建筑的能耗以及温度的数据并存储；将采集存储的能耗和温度数据作为时间序列分析方法的输入参数；根据分项计量和相关性分析，将时间序列分析方法预测出能耗和温度趋势以及时间因子作为建筑能耗的主要影响因素；将确立好的主要影响因数和采集的能耗作为建立好的BP神经网络模型中的参数，来预测出未来建筑的能耗。由于BP神经网络学习效率低，收敛速度慢，对参数选择较为敏感，在BP神经网络的基础上加入分项计量和时间序列的建筑能耗预测算法，可以大大提高了能耗预测的精确度，缩短了预测的时间，使得预测出的数据更加准确。

技术领域

本发明涉及一种建筑能耗的预测方法，属于建筑能耗预测技术领域，具体说涉及一种基于分项计量时间序列建筑能耗预测方法、实施这样的方法的系统，以及装备了这样的系统的建筑物。

背景技术

随着城市化进程的不断加速，能源问题日益突出。建筑能耗在社会总能耗中所占比例从上个世纪七十年代末的10％上升到28％。国家办公机关建筑和各类公共建筑年能耗电量约占全国城镇总能耗的22％。单位面积耗电量是普通居民住宅的10～20倍，是欧洲、日本等发达国家同类建筑的1.5～2倍。大型公共建筑的用电量超过社会建筑总用电量的30％，是建筑节能监管和改造的主要对象。因此，对大型公共建筑的能耗的预测显得尤为重要，这样可以为大型公共建筑的用电额度提供科学的依据。

建筑用能巨大，尤其是在大型商场，实验室，写字楼等。目前对于建筑内能源供应设备的能耗数据分项采集是了解建筑能耗大小，寻找能耗浪费点前提。而随着国家节能减排政策的落实，各地区对很多建筑的能耗数据进行了采集，但主要为实现能耗的分项计量和分项能耗数据的统计展示。同时，目前的数据采集方法多集中在对能耗数据本身进行采集，对能耗影响因素数据采集较少。此外，这些能耗数据采集设备多为定时对设备各项数据进行测量，读取，并没有注重某些设备从一个状态过度到另一个状态消耗的时间以及能耗。而了解可这些信息，才能对不同设备的开启时间，开启状态顺序进行规划，寻找最优调度方案。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述和/或现有基于分项计量时间序列建筑能耗预测方法、基于该方法建立的系统及使用该系统的建筑物中存在的问题，提出了本发明。

因此，本发明其中的一个目的是提供一种基于分项计量时间序列建筑能耗预测方法。

为解决上述技术问题，本发明提供如下技术方案：一种基于分项计量时间序列建筑能耗预测方法，其包括，采集建筑的能耗以及温度的数据并存储；将采集存储的能耗和温度数据作为时间序列分析方法的输入参数；根据分项计量和相关性分析，将时间序列分析方法预测出能耗和温度趋势以及时间因子作为建筑能耗的主要影响因素；将确立好的主要影响因数和采集的能耗作为建立好的BP神经网络模型中的参数，来预测出未来建筑的能耗。

作为本发明所述的基于分项计量时间序列建筑能耗预测方法的一种优选方案，其中：所述采集建筑的能耗及温度的数据并存储，其是通过能耗数据采集系统进行，所述能耗数据采集系统包括，计量层，包括能耗计量采集设备和温度监测设备，所述能耗计量采集设备对建筑的照明用电、动力用电、空调用电和特殊用电的能耗进行采集，所述温度监测设备对空间温度进行采集；通信层，建立计量层和管理层之间的通信联系；以及，管理层，发出数据采集指令并对采集的相应能耗和温度数据进行存储；其中，所述管理层发出数据采集指令，经所述通信层的通信协议转换后，传至所述计量层的能耗计量采集设备和温度监测设备，所述能耗计量采集设备和温度监测设备接收指令经校验后进行响应，将相应的能耗和温度数据反馈至所述管理层，经过处理分项存储至数据库。