[发明专利]基于周期性数据驱动的建筑热负荷混合预测方法及系统

权利要求书

1.一种基于周期性数据驱动的建筑热负荷混合预测方法，其特征在于，步骤如下：

采集设定时间段内的建筑热负荷数据、建筑内人员用热行为数据和建筑的热传导数据；

利用傅立叶分解方法对采集到的建筑热负荷数据的周期特性进行辨识，得到去除周期特性后的建筑热负荷数据残差；

基于二型模糊系统方法建立数据模型，以残差数据矩阵进行数据模型的训练和优化，然后将周期特性和数据模型集成建立热负荷混合预测模型；所述的基于二型模糊系统方法建立数据模型，具体为：建立多输入多输出的热源机组二型模糊模型，同时考虑边界约束条件对热源机组二型模糊模型的输入变量集合、输出变量集合及其参数进行约束；在考虑边界约束条件的热源机组二型模糊模型的基础上，建立带约束的数据驱动自组织二型模糊规则库；利用带约束的数据驱动自组织二型模糊规则库对热源机组二型模糊模型的参数进行自学习优化训练；在热源机组二型模糊模型的参数自学习优化训练过程中，将参数自学习优化问题转化为带约束的多目标优化问题，进而构建出带约束的多目标优化函数，求解带约束的多目标优化函数，得到热源机组二型模糊模型的最优参数；利用数据残差采用粒子群进化算法对建筑热负荷混合预测模型的关键参数进行训练和优化；

以采集到的数据为输入量，利用训练和优化好的建筑热负荷混合预测模型分别预测得到建筑内人员用热行为的热负荷扰动量、室内/室外温湿度变化造成的热负荷损失量和建筑热负荷预测值；

将预测得到的热负荷扰动量、热负荷损失量和建筑热负荷预测值融合后得到建筑热负荷综合预测值。

2.如权利要求1所述的基于周期性数据驱动的建筑热负荷混合预测方法，其特征在于，所述建筑内人员用热行为包括但不限于建筑内人员根据不同热舒适性需求的短时间开窗行为。

3.如权利要求1所述的基于周期性数据驱动的建筑热负荷混合预测方法，其特征在于，所述建筑热负荷混合预测模型根据建筑内人员行为用热行为数据预测建筑内人员行为产生的热负荷扰动量。

4.如权利要求1所述的基于周期性数据驱动的建筑热负荷混合预测方法，其特征在于，所述建筑热负荷混合预测模型根据室内外的温湿度数据和建筑热传导特性预测得到因室内外的温湿度变化导致的热负荷损失量。

5.如权利要求1所述的基于周期性数据驱动的建筑热负荷混合预测方法，其特征在于，建筑热负荷综合预测值HL_Final(t)的表达式为：

HL_Final(t)＝α·HL_Predic(t)+β·HL_Lo_ss(t)+γ·HL_Hum(t)

其中，分项预测结果HL_Predic(t)，HL_Lo_ss(t)，HL_Hum(t)分别为混合预测模型输出的热负荷预测值、热负荷扰动量和热负荷损失量，α，β和γ为对应分项预测结果在HL_Final(t)中的权重。

6.如权利要求5所述的基于周期性数据驱动的建筑热负荷混合预测方法，其特征在于，在建筑热负荷综合预测值的表达式中采用最小二乘法进行参数优化，得到各分项值对应的最优权重系数α，β和γ。