申请/专利权人：苏州思萃融合基建技术研究所有限公司;中亿丰建设集团股份有限公司

申请日：2021-01-29

公开（公告）日：2024-04-16

公开（公告）号：CN112766596B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06N3/045;G06N3/0442;G06N3/0464;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.05.25#实质审查的生效;2021.05.07#公开

摘要：本申请涉及一种建筑能耗预测模型的构建方法、能耗预测方法及装置，涉及计算机领域，包括：获取待预测目标建筑的实际运行数据和基础数据；所述实际运行数据包括待预测目标建筑的运行环境数据和历史能耗数据；采用预先构建的能耗预测模型，预测得到目标建筑在预测日日期内对应的逐时能耗。建筑能耗预测模型采用迁移学习的方法训练获得。可以解决传统机器学习方法因为只对目标建筑的实际运行数据拟合，并建立相应的预测模型，由于数据量不足，预测结果不准确，且不能推广至其他项目中应用的问题。

主权项：1.一种建筑能耗预测模型的构建方法，其特征在于，所述方法包括：获取预训练样本数据，所述预训练样本数据包括多种不同建筑的基础数据、运行数据以及第一标签，所述第一标签指示不同建筑在预设时段内的逐时能耗，所述运行数据包括待预测目标建筑的运行环境数据和历史能耗数据，所述基础数据包括目标建筑的建模类型及运行模式；基于所述预训练样本数据，对构建的深度神经网络进行预训练，得到预训练模型；其中，所述深度神经网络为双向循环神经网络，所述双向循环神经网络包含一维卷积层、循环层、嵌入层；所述循环层的循环单元为长短期记忆单元，所述循环单元集成双向操作，所述双向操作包括反向输入时间顺序和丢弃法；获取训练样本数据，所述训练样本数据包括待研究建筑的基础数据、运行数据以及第二标签，所述第二标签指示待研究建筑在预设时段内对应的逐时能耗；基于所述训练样本数据，对所述预训练模型进行迁移学习优化，得到优化后的能耗预测模型。

全文数据：

权利要求：

百度查询： 苏州思萃融合基建技术研究所有限公司;中亿丰建设集团股份有限公司 建筑能耗预测模型的构建方法、能耗预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD