混合建模方法用于建筑热网络模型的改进辨识与预测提升
系统与控制
2025-12-08 v1 系统与控制
摘要
灰箱建模方法利用半物理热网络模型，已广泛应用于建筑预测任务，如模型预测控制（MPC）。然而，未测量的扰动（如人员、照明以及渗入/渗出负荷）使得该方法在实际建筑中的应用面临挑战。本研究中，我们提出一种混合建模方法，将灰箱模型与未测量扰动模型相集成。在回顾多种系统辨识方法的基础上，我们通过基于统计检验的模型选择过程，系统性地设计了未测量扰动模型以增强其鲁棒性。我们基于由真实运行数据标定的建筑模型生成数据，并针对两种不同天气条件训练了混合模型。与传统方法相比，混合建模方法在1天超前温度预测中，轻度气候（加州伯克利）下RMSE降低约0.2–0.9°C，寒冷气候（伊利诺伊州芝加哥）下降低约0.3–2°C。此外，该方法还被应用于实验室建筑的实验数据以用于MPC应用，展现出优越的预测性能。
引用
@article{arxiv.2512.05400,
title = {Hybrid modeling approach for better identification of building thermal network model and improved prediction},
author = {Sang woo Ham and Donghun Kim},
journal= {arXiv preprint arXiv:2512.05400},
year = {2025}
}