一种缩小建筑能耗预测中性能差距的混合模型方法
计算工程、金融与科学
2022-06-02 v1
摘要
建筑领域中预测能耗与实际能耗之间的性能差距在实践中仍是一个未解决的问题。该差距在当前两种主流方法中表现不同：第一类原理模型和机器学习（ML）模型。受时间序列分解以识别不同不确定性概念的启发，我们提出了一种结合两种方法来最小化该差距的混合模型方法：1. 使用第一类原理方法作为编码工具，将建筑静态特征和时间序列模拟结果中的可预测模式进行转换；2. ML 方法将结果作为额外输入与历史记录同时结合，训练模型以捕捉隐含的性能差异，并对齐校准输出。为在实践中推广该方法，在建模过程中引入了一个新概念：信息层级（LOI），以利用模拟建模细节投入与精度提升之间的平衡。该方法在三年期间进行了测试，使用了上海一座运营中商业建筑的每小时实测能源负荷。结果显示出显著的精度提升：混合模型具有更高的预测精度和更好的可解释性；更重要的是，它使从业者从精细化模拟的建模工作量和计算资源中解放出来。总之，该方法为通过建筑模拟与数据驱动方法整合领域知识提供了纽带。这种思路适用于解决一般工程问题并带来预测精度的改善。结果和源数据可在 https://github.com/ResearchGroup-G/PerformanceGap-Hybrid-Approach 获取。
引用
@article{arxiv.2206.00460,
title = {A hybrid-model approach for reducing the performance gap in building energy forecasting},
author = {Xia Chen and Tong Guo and Martin Kriegel and Philipp Geyer},
journal= {arXiv preprint arXiv:2206.00460},
year = {2022}
}
备注
18 pages, 11 figures; The result and source data are available at https://github.com/ResearchGroup-G/PerformanceGap-Hybrid-Approach