基于bp神經網絡的建筑能耗分析方法與系統的制作方法
【技術領域】
[0001] 本發明設及到建筑能耗數據的檢測與分類，屬于模式分類技術領域范疇，特別設 及一種基于BP神經網絡的建筑能耗分析方法與系統。
【背景技術】
[0002] 建筑能耗分析一直是各國學者關注和研究的焦點，通過正確有效的能耗計算與分 析，可減少建筑物生命周期內各環節的能耗。目前可采用的建筑物能耗分析方法很多，根據 所依據的數學模型，可將計算方法分為兩大類:一類是建立在穩定傳熱理論基礎上的靜態 能耗分析法，另一類是建立在不穩定傳熱理論基礎上的動態能耗模擬法。
[0003] (1)靜態能耗分析法:靜態能耗分析法的基本原理是將供暖期或供暖期中的各旬、 各月的耗熱量按穩態傳熱理論進行計算，主要包括度BIN法、日數法、當量峰值小時數法等。 運種方法的優點是比較簡單，易于手算，但是精度稍差，準確率較低，所有的模擬計算都是 在設定的理想參數下（氣象條件，室內溫度等)進行計算，不能反映建筑實際運行狀態下的 能耗狀況；
[0004] (2)動態模擬法:基于不穩定傳熱理論，主要是利用計算機技術進行系統的動態分 析和動態模擬，運種方法因為要求建立的數學模型系統且精確，并且局限于線性和時間不 變系統。另外該方法對專業領域知識有比較高的要求，大多是針對專業人員而設計的，而對 于建筑的實際使用者或者業主、物業管理等不具備建筑能源系統相關專業知識的人員，貝U 無法通過運種方式對自己的房屋能耗狀況有一個基本的了解，因此實際應用受到很大局 限。
[0005] 上述兩種傳統的建筑能耗分析方法由于其自身的局限性，沒有充分利用已有的能 耗數據，無法做到對能耗的智能分析，對節能決策的支持十分有限。
【發明內容】
[0006] 本發明的目的在于克服現有技術的缺點與不足，提供了一種基于BP神經網絡的建 筑能耗分析方法，本方法在對建筑能耗指標數據及其影響因素進行分析和研究的基礎上， 通過BP神經網絡學習技術強大的知識發現和數據分析能力，實現快速精確地對建筑能耗指 標數據進行處理分析，從而得到建筑用能過程中的不合理環節，幫助建筑管理者乃至不具 備專業知識的普通用戶了解建筑能耗現狀、明確節能改善措施。
[0007] 本發明的另一目的在于，提供一種基于BP神經網絡的建筑能耗分析系統。
[000引為了到達上述第一目的，本發明采用W下技術方案：
[0009] 本發明基于BP神經網絡的建筑能耗分析方法，其特征在于，包括W下步驟：
[0010] (1)根據指定建筑能耗類型確定輸入輸出向量；
[0011] (2)根據輸入輸出向量構造BP神經網絡模型；
[001^ (3)輸入訓練樣本對建立好的BP神經網絡模型進行訓練；
[0013] (4)把實際需要進行分析的能耗指標數據輸入到經過訓練的BP模型進行處理分 析；
[0014] (5)對神經網絡的輸出數據進行數據還原。
[0015]作為優選的技術方案，所述步驟(1)進一步包括下述步驟：
[0016] (1-1)將建筑能耗類型分成3類，分別為電耗、水耗W及冷耗空調系統，在分析日前 一天對建筑能耗進行測量，獲取相應的測量數據作為原始的建筑能耗數據；
[0017] (1-2)根據原始的建筑能耗數據W及綠色建筑評價指標的計算公式計算得到建筑 能耗指標數據值作為模型的輸入向量，
[0018] (1-3)確定對應建筑能耗類型的建筑能耗薄弱環節作為模型的輸出向量，3個能耗 類型的輸出變量；
[0019 ] (1 -4)對確定的輸入向量進行二值化處理；
[0020] (1-5)對確定的輸出向量進行二進制編碼，W建筑能耗類型中能耗薄弱環節個數 為二進制編碼長度，從而對輸出向量采用"η中取Γ的編碼方式;其中，η為編碼的長度，即對 應能耗類型的能耗薄弱環節總個數，當某建筑薄弱環節確定時，其對應位的編碼置為1，其 余的η-1位編碼都為0。
[0021] 作為優選的技術方案，步驟(1-2)中，3類能耗分項的輸入變量如下所示：
[0022] (1-2-1)電耗部分:包括單位面積空調電耗量、單位面積照明與插座電耗量、單位 面積通排風機電耗量、單位面積特殊電耗量，還包括非工作時段與工作時段照明與插座電 耗之比、非工作時段與工作時段空調電耗之比、非工作時段與工作時段房間通排風電耗之 比、非工作時段與工作時段特殊設備電耗之比；
[0023] (1-2-2)水耗部分:單位面積水耗量、非工作時段與工作時段水耗之比；
[0024] (1-2-3)冷耗空調系統部分:單位面積冷耗量、包括空調系統能效比、制冷系統能 效比、冷水機組運行效率、冷卻水輸送系數、冷凍水輸送系數、空調末端能效比、冷卻累效 率、冷卻塔效率、冷凍累效率、水系統供回水溫差W及水系統回水溫度一致性。
[0025]作為優選的技術方案，步驟(1-4)進一步包括下述步驟：
[0026] (1-4-1)對于輸入向量的每一個輸入指標數據，其指標數值為la，獲取其相關的標 準指標值In;
[0027] (1-4-2)根據式(1)計算該輸入指標的節能潛力D;
[002引
：(1)
[0029]式中：la為建筑計算得到的實際指標值;In為公共建筑參考指標值；
[0030] (1-4-3)將步驟(1-4-2)計算得到的D按式(2)規則進行取值，即將節能潛力D閥值T 進行比較，若D〉=T，該則輸入指標的二值化取值f(x) =l;若D<T，則該輸入指標的二值化取 值f(x)=〇;
[0031]
弦）
[0032]式中：xi為二值化之前的第i個指標參數;f(XI)為XI二值化之后的取值;Di為第i個 指標參數XI的節能潛力計算值;T為節能潛力閥值。
[0033] 作為優選的技術方案，所述步驟(2)進一步包括下述步驟：
[0034] (2-1)根據輸入向量、輸出向量確定輸入層W及輸出層的神經元數量；
[0035] (2-2)根據輸入層和輸出層的神經元數量確定BP神經網絡隱藏層神經元數量，其 中，B巧巾經網絡的激勵函數是sigmoid函數：
[0036]
掛
[0037] 所述步驟(3)，進一步包括下述步驟：
[0038] 設定BP神經網絡的訓練參數，并對其進行訓練，其中訓練參數包括:最大訓練次 數、期望誤差、動量項數值W及學習速率。
[0039] 作為優選的技術方案，所述步驟(5)進一步包括下述步驟：
[0040] 對BP神經網絡的輸出向量進行遍歷，將數值最大的一項置為1，其余的置為0,即獲 得輸出向量的二進制編碼輸出，再根據編碼與分析結論內容的對應關系將二進制編碼還原 為用戶可W理解的文字信息;得到反饋的分析結論后，用戶即可明確建筑能耗問題之所在， 并能夠有目的性地進行重點排查與維護，其中的問題包括更換或維修設備、加強設備的維 護與保養W及調整設備的運行策略。
[0041] 本發明還提供一種基于BP神經網絡的建筑能耗分析系統，該系統包括節能潛力量 化模塊、數據預處理模塊、BP網絡分析模塊、數據還原模塊、配置管理模塊W及日志記錄模 塊；
[0042] 所述節能潛力量化模塊，用于計算每一個建筑能耗指標數據的節能潛力；
[0043] 所述數據預處理模塊，用于負責提供建筑能耗分析方法的數據基礎；
[0044] 所述BP網絡分析模塊，用于負責實現建筑能耗分析方法的核屯、分析流程部分，該 模塊分為知識獲取子模塊W及能耗分析子模塊;分別對應了使用BP網絡進行分析的兩個階 段:訓練階段和分析階段；
[0045] 所述數據還原器模塊，用于解析BP神經網絡輸出的經過編碼的分析結論，將經過 編碼的分析結論轉換成用戶可W理解的文字信息，由于BP神經網絡的輸出為二進制編碼， 所W需要對其進行內容還原，根據其二進制輸出編碼，通過數據庫中分析結論表中的編碼 對應信息將分析結論W及對應的節能改善措施組合成最終的分析結論反饋給用戶；
[0046] 所述配置管理模塊，用于維護負責BP神經網絡構建的參數配置，所述參數包括網 絡層數、隱藏層神經元個數、輸入輸出項個數、權值初始化范圍、附加動量項數值W及學習 率初始值；
[0047]所述日志模塊記錄程序運行過程中所有的用戶操作行為、出現的異常信息W及線 程狀態，并保存到相關的日志文件中。
[0048] 作為優選的技術方案，所述數據預處理模塊包括輸入數據二值化子模塊和輸出數 據編碼子模塊；
[0049] 所述輸入數據二值化子模塊，用于負責對BP神經網絡的