公开(公告)号：CN118134227B

公开(公告)日：2024-09-10

申请号：CN202410574465.1

申请日：2024-05-10

Applicant: 中南建筑设计院股份有限公司

Inventor： 张慎 ,  陈菡 ,  武新锴 ,  王义凡 ,  夏劲威 ,  钱俊豪

IPC: G06Q10/0631 ,  G06F18/232 ,  G06F18/214 ,  G06N3/04 ,  G06N3/08 ,  G06F30/20

Abstract: 本发明提供了一种基于混合模型的短期建筑冷热负荷预测方法及系统，包括基于历史气象数据筛选出有代表性典型日；建立项目的精细三维仿真模型，并通过与历史典型日相似的现场运行实测数据对该模型进行校准；利用经过校准后的三维仿真模型生成高质量的建筑冷热负荷数据，进一步训练神经网络模型，最终实现短期建筑冷热负荷的高效预测；本发明通过引入三维仿真模型的校准环节，使得三维仿真模型负荷计算结果与实际建筑冷热负荷的保持高度一致性，提高了建筑三维仿真模型计算结果的准确性，确保了神经网络模型训练数据集的有效性，有效克服了空调系统运行前期由于数据量有限导致神经网络模型训练效果不佳的问题。

公开(公告)号：CN118134227A

公开(公告)日：2024-06-04

申请号：CN202410574465.1

申请日：2024-05-10

Applicant: 中南建筑设计院股份有限公司

Inventor： 张慎 ,  陈菡 ,  武新锴 ,  王义凡 ,  夏劲威 ,  钱俊豪

IPC: G06Q10/0631 ,  G06F18/232 ,  G06F18/214 ,  G06N3/04 ,  G06N3/08 ,  G06F30/20

Abstract: 本发明提供了一种基于混合模型的短期建筑冷热负荷预测方法及系统，包括基于历史气象数据筛选出有代表性典型日；建立项目的精细三维仿真模型，并通过与历史典型日相似的现场运行实测数据对该模型进行校准；利用经过校准后的三维仿真模型生成高质量的建筑冷热负荷数据，进一步训练神经网络模型，最终实现短期建筑冷热负荷的高效预测；本发明通过引入三维仿真模型的校准环节，使得三维仿真模型负荷计算结果与实际建筑冷热负荷的保持高度一致性，提高了建筑三维仿真模型计算结果的准确性，确保了神经网络模型训练数据集的有效性，有效克服了空调系统运行前期由于数据量有限导致神经网络模型训练效果不佳的问题。