[发明专利]基于室外气象参数的非侵入式建筑分项冷负荷监测方法

说明书

本发明公开了一种基于室外气象参数的非侵入式建筑分项冷负荷监测方法，属于建筑环境与暖通空调技术领域。采集室外干球温度、相对湿度以及总冷负荷数据，剔除异常值；将清洗后的数据作为训练好的分解器模型的输入进行冷负荷分解，输出对应的分项冷负荷的大小。分解器模型通过以下方法训练：将清洗后的数据通过建筑物理模型，获取分项冷负荷；各组室外干球温度、相对湿度、总冷负荷以及分项冷负荷作为样本集，将样本集划分为训练集与测试集，将训练集输入到机器学习分解器模型中进行训练，并在测试集进行测试，得到具有分解功能的分解器模型。本发明保证了数据的完整性、精确性和利用性，通过挖掘数据特征，使用能表征分项冷负荷特征的多维特征。

技术领域

本发明涉及建筑环境与暖通空调技术领域，具体涉及一种基于室外气象参数的非侵入式建筑分项冷负荷监测方法。

背景技术

建筑冷负荷直接影响建筑能耗，详细监测和了解建筑冷负荷及其分项负荷，可帮助用户更好掌握建筑热工性能及空调系统运行特征，为建筑节能改造提供针对性的意见，降低建筑能耗。

传统的负荷监测方法即侵入式负荷监测，需要安装大量的传感器，初投资与维护成本较高，且会对使用空间造成干扰，且在实际应用中存在无法安装传感器的区域与空间，因此应用存在一定限制。非侵入式负荷监测技术仅需监测总负荷，通过智能算法监测识别分项负荷的大小，成本低且对用户侵扰较小，所以得到广泛的关注。非侵入式负荷监测研究主要包括数据预处理与测量、事件检测、特征提取与负荷识别四个步骤，现有研究和专利主要应用于电力领域中建筑内部不同设备的电力负荷分解问题上。该类设备通常只有两种状态(开/关)或是离散负载，利用有监督算法和无监督算法进行分解可行性较高。尽管非侵入式负荷监测技术日渐完善，但针对建筑冷负荷监测仍存在一定的问题：

(1)非侵入式负荷监测技术主要应用在电力领域，在建筑分项冷负荷监测领域尚未研究；

(2)建筑冷负荷具有连续性，对其进行分项冷负荷识别较为困难。

发明内容

本发明提供一种非侵入式冷负荷监测方法，该方法能够仅需监测建筑总冷负荷，通过智能算法实现对建筑冷负荷的分解，获得准确的建筑分项冷负荷，从而解决现有技术中负荷检测需要侵入室内，对使用空间造成干扰，以及建筑冷负荷因其连续性而难以对其进行识别的技术问题。

为了解决以上技术问题，本发明提供了一种基于室外气象参数的非侵入式建筑分项冷负荷监测方法，包括以下步骤：

(1)采集若干组室外干球温度、相对湿度以及总冷负荷数据；

(2)剔除步骤(1)采集的总冷负荷数据中的异常值；所述异常值为(μ-3σ，μ+3σ)区间外的冷负荷数据，其中μ为总冷负荷的平均值，σ为总冷负荷的标准差；并对剔除后的空缺值进行线性插值填补，得到清洗后的数据；

(3)将清洗后的数据作为训练好的分解器模型的输入进行冷负荷分解，输出对应的分项冷负荷的大小；

所述分解器模型通过以下方法训练得到：采集若干组训练用室外干球温度、训练用相对湿度以及训练用总冷负荷数据，剔除其中训练用总冷负荷数据中的异常值；所述异常值为(μ₁-3σ₁，μ₁+3σ₁)区间外的训练用冷负荷数据，其中μ₁为训练用总冷负荷的平均值，σ₁为训练用总冷负荷的标准差；并对剔除后的空缺值进行线性插值填补，得到清洗后的训练用数据；将清洗后的训练用数据通过建筑物理模型，获取训练用分项冷负荷；各组训练用室外干球温度、训练用相对湿度、训练用总冷负荷以及训练用分项冷负荷作为样本集，以各组中训练用室外干球温度、训练用相对湿度和训练用总冷负荷作为输入，以各组中训练用分项冷负荷作为输出；将样本集划分为训练集与测试集，将训练集输入到机器学习分解器模型中进行训练，并在测试集进行测试，得到训练好的具有分解功能的分解器模型。