本發(fā)明屬于門窗，具體涉及一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法。

背景技術(shù)：

1、目前在國(guó)內(nèi)門窗技術(shù)領(lǐng)域內(nèi)，發(fā)展出了多款針對(duì)強(qiáng)化窗戶降溫隔熱性能的主動(dòng)降溫窗系統(tǒng)，此類系統(tǒng)憑借其優(yōu)異的隔熱性能在大面積玻璃幕墻、窗戶等建筑隔熱性能較弱的部位或者是工業(yè)廠房外圍護(hù)結(jié)構(gòu)隔熱性能較差的臨時(shí)建筑表現(xiàn)出尤為顯著的節(jié)能效果，然而在一棟安裝有主動(dòng)降溫窗系統(tǒng)建筑中，同一時(shí)間內(nèi)建筑的不同窗戶單元接收到的太陽輻射量不同，因此每個(gè)主動(dòng)降溫窗單元的溫度也不同，所需的主動(dòng)降溫需求、能源分配也不盡相同，因此若簡(jiǎn)單地將總能源平均分配給每一個(gè)主動(dòng)降溫窗單元，必將不利于建筑整體的節(jié)能環(huán)保。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是提供一種針對(duì)主動(dòng)降溫窗系統(tǒng)控制主動(dòng)降溫窗單元時(shí)，可實(shí)現(xiàn)監(jiān)測(cè)數(shù)據(jù)自動(dòng)獲取、基于監(jiān)測(cè)數(shù)據(jù)的機(jī)器自動(dòng)學(xué)習(xí)、自動(dòng)優(yōu)化、自動(dòng)實(shí)現(xiàn)能源動(dòng)態(tài)管理的一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法。

2、為解決上述技術(shù)問題，本發(fā)明提供一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法，其特征在于，所述一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法主要包括如下步驟：

3、步驟s1、通過基于物聯(lián)網(wǎng)的主動(dòng)降溫窗單元監(jiān)測(cè)裝置，實(shí)時(shí)獲取所述主動(dòng)降溫窗單元的監(jiān)測(cè)數(shù)據(jù)，基于所述監(jiān)測(cè)數(shù)據(jù)構(gòu)建待評(píng)價(jià)矩陣，并對(duì)所述待評(píng)價(jià)矩陣進(jìn)行數(shù)據(jù)預(yù)處理，得到無量綱化矩陣；

4、步驟s2、基于所述無量綱化矩陣，建立隨機(jī)森林預(yù)測(cè)模型，基于所述隨機(jī)森林預(yù)測(cè)模型，構(gòu)建特征值權(quán)重矩陣；

5、步驟s3、基于所述特征值權(quán)重矩陣，構(gòu)建topsis決策矩陣，確定評(píng)價(jià)得分，構(gòu)建評(píng)價(jià)得分矩陣；

6、步驟s4、基于所述評(píng)價(jià)得分矩陣，確定每一個(gè)主動(dòng)降溫窗單元所需的能源，實(shí)現(xiàn)主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理。

7、進(jìn)一步地，所述步驟s1中的基于所述監(jiān)測(cè)數(shù)據(jù)構(gòu)建待評(píng)價(jià)矩陣x，并對(duì)所述待評(píng)價(jià)矩陣x進(jìn)行數(shù)據(jù)預(yù)處理，得到無量綱化矩陣z，具體為：

8、步驟s1-1、構(gòu)建待評(píng)價(jià)矩陣x：

9、

10、其中xij表示索引為i行下索引為j列的待評(píng)價(jià)指標(biāo)值，i＝1,…,n，j＝1,…,p，n表示主動(dòng)降溫窗單元總個(gè)數(shù)，即總行數(shù)，p表示待評(píng)價(jià)指標(biāo)個(gè)數(shù)，即總列數(shù)；

11、步驟s1-2、進(jìn)行數(shù)據(jù)預(yù)處理：

12、所述數(shù)據(jù)預(yù)處理步驟包括缺失值查補(bǔ)、z-score標(biāo)準(zhǔn)化，所述缺失值查補(bǔ)具體做法為遍歷所述待評(píng)價(jià)矩陣x，確定缺失值(nan)位置索引，計(jì)算缺失值所在列的非缺失值均值，將所在列的所述非缺失值均值替換所述缺失值(nan)；

13、所述z-score標(biāo)準(zhǔn)化具體做法為對(duì)所述待評(píng)價(jià)矩陣x進(jìn)行所述z-score標(biāo)準(zhǔn)化處理，得到無量綱化矩陣z：

14、z＝[zij]n×p；

15、

16、其中zij表示經(jīng)過所述z-score標(biāo)準(zhǔn)化處理后的索引為i行下索引為j列的待評(píng)價(jià)指標(biāo)值，μj表示待評(píng)價(jià)矩陣x中索引為j列的待評(píng)價(jià)指標(biāo)值的均值，σj表示待評(píng)價(jià)矩陣x中索引為j列的待評(píng)價(jià)指標(biāo)值的標(biāo)準(zhǔn)差。

17、進(jìn)一步地，所述步驟s2中的基于所述無量綱化矩陣z，建立隨機(jī)森林預(yù)測(cè)模型，基于所述隨機(jī)森林預(yù)測(cè)模型，構(gòu)建特征值權(quán)重矩陣w，具體為：

18、步驟s2-1、將所述無量綱化矩陣z按照若干比例劃分為隨機(jī)森林模型訓(xùn)練集和隨機(jī)森林模型預(yù)測(cè)集，其中隨機(jī)森林模型訓(xùn)練集包括：訓(xùn)練集預(yù)測(cè)指標(biāo)輸入矩陣、訓(xùn)練集預(yù)測(cè)目標(biāo)輸出矩陣，隨機(jī)森林模型預(yù)測(cè)集包括：預(yù)測(cè)集預(yù)測(cè)指標(biāo)輸入矩陣、預(yù)測(cè)集預(yù)測(cè)目標(biāo)輸出矩陣；

19、步驟s2-2、基于所述隨機(jī)森林模型訓(xùn)練集建立所述隨機(jī)森林預(yù)測(cè)模型，設(shè)置所述隨機(jī)森林預(yù)測(cè)模型參數(shù)并運(yùn)行隨機(jī)森林算法，獲得特征值權(quán)重矩陣w：

20、w＝[wj]1×p；

21、w＝[w1?w2?w3?…?wj?…?wp]；

22、wj表示所述無量綱化矩陣z中索引為j列的待評(píng)價(jià)指標(biāo)的特征值權(quán)重；

23、基于已建立的所述隨機(jī)森林預(yù)測(cè)模型預(yù)測(cè)所述預(yù)測(cè)集預(yù)測(cè)目標(biāo)輸出矩陣中的數(shù)據(jù)，輸出隨機(jī)森林預(yù)測(cè)準(zhǔn)確率arf，設(shè)置隨機(jī)森林預(yù)測(cè)準(zhǔn)確率閾值at，其中at∈[0,1]，比對(duì)arf與at數(shù)值大小，若arf<at，則返回所述步驟s2-1，若arf≥at，則繼續(xù)進(jìn)行下一個(gè)步驟。

24、進(jìn)一步地，所述步驟s3中的所述基于所述特征值權(quán)重矩陣w，構(gòu)建topsis決策矩陣，確定評(píng)價(jià)得分ki，構(gòu)建評(píng)價(jià)得分矩陣k，具體為：

25、步驟s3-1、將所述無量綱化矩陣進(jìn)行加權(quán)處理，得到加權(quán)矩陣e＝[eij]n×p：

26、e＝[eij]n×p＝[wjzij]n×p；

27、步驟s3-2、選取所述加權(quán)矩陣中每一列的該列最大數(shù)值構(gòu)成最優(yōu)解矩陣e+，最小數(shù)值則構(gòu)成最劣解矩陣e-：

28、

29、其中表示在加權(quán)矩陣e的第j列中的最大數(shù)值，表示在加權(quán)矩陣e的第列中的最小數(shù)值；

30、步驟s3-3、確定每回合到所述最優(yōu)解和所述最劣解之間的歐氏距離

31、

32、步驟s3-4、計(jì)算每一個(gè)主動(dòng)降溫窗單元得分ki，構(gòu)建評(píng)價(jià)得分矩陣k：

33、

34、k＝[k1；k2；k3；…；ki；…；kn]。

35、進(jìn)一步地，所述步驟s4中的基于所述評(píng)價(jià)得分矩陣k，確定每一個(gè)主動(dòng)降溫窗單元所需的能源pi，具體為：

36、

37、其中p表示總能源，pi表示索引為i的主動(dòng)降溫窗單元所需的能源。

38、本發(fā)明的有益之處在于：(1)本發(fā)明能夠通過對(duì)于監(jiān)測(cè)數(shù)據(jù)的動(dòng)態(tài)收集、動(dòng)態(tài)分析，實(shí)現(xiàn)針對(duì)主動(dòng)降溫窗系統(tǒng)能源的動(dòng)態(tài)化、智能化、精準(zhǔn)化管理，優(yōu)化系統(tǒng)能源分配策略，降低系統(tǒng)能源總消耗量的同時(shí)提高系統(tǒng)工作效率、提升建筑室內(nèi)熱環(huán)境舒適度；(2)本發(fā)明基于動(dòng)態(tài)的隨機(jī)森林預(yù)測(cè)模型、topsis決策矩陣的機(jī)器學(xué)習(xí)算法，具有機(jī)器自學(xué)習(xí)、自優(yōu)化的特性，因此本發(fā)明在實(shí)際項(xiàng)目運(yùn)用中運(yùn)用時(shí)間越長(zhǎng)，其對(duì)于主動(dòng)降溫窗系統(tǒng)能源管理的優(yōu)化性能越好。

技術(shù)特征：

1.一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法，其特征在于，所述一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法主要包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法，其特征在于，所述步驟s1中的基于所述監(jiān)測(cè)數(shù)據(jù)構(gòu)建待評(píng)價(jià)矩陣x，并對(duì)所述待評(píng)價(jià)矩陣x進(jìn)行數(shù)據(jù)預(yù)處理，得到無量綱化矩陣z，具體為：

3.根據(jù)權(quán)利要求1所述的一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法，其特征在于，所述步驟s2中的基于所述無量綱化矩陣z，建立隨機(jī)森林預(yù)測(cè)模型，基于所述隨機(jī)森林預(yù)測(cè)模型，構(gòu)建特征值權(quán)重矩陣w，具體為：

4.根據(jù)權(quán)利要求1所述的一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法，其特征在于，所述步驟s3中的所述基于所述特征值權(quán)重矩陣w，構(gòu)建topsis決策矩陣，確定評(píng)價(jià)得分ki，構(gòu)建評(píng)價(jià)得分矩陣k，具體為：

5.根據(jù)權(quán)利要求1所述的一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法，其特征在于，所述步驟s4中的基于所述評(píng)價(jià)得分矩陣k，確定每一個(gè)主動(dòng)降溫窗單元所需的能源pi，具體為：

技術(shù)總結(jié)
本發(fā)明屬于門窗技術(shù)領(lǐng)域，具體涉及一種主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理方法，用于實(shí)現(xiàn)主動(dòng)降溫窗系統(tǒng)的自動(dòng)化能源動(dòng)態(tài)管理，本發(fā)明主要由獲取監(jiān)測(cè)數(shù)據(jù)，構(gòu)建待評(píng)價(jià)矩陣并進(jìn)行數(shù)據(jù)預(yù)處理、建立隨機(jī)森林預(yù)測(cè)模型并構(gòu)建特征值權(quán)重矩陣、構(gòu)建TOPSIS決策矩陣并確定評(píng)價(jià)得分、基于評(píng)價(jià)得分計(jì)算每個(gè)主動(dòng)降溫窗單元所需的能源四個(gè)步驟組成，從而實(shí)現(xiàn)主動(dòng)降溫窗系統(tǒng)的能源動(dòng)態(tài)管理，達(dá)到優(yōu)化系統(tǒng)能源分配策略，降低系統(tǒng)能源總消耗量的同時(shí)提高系統(tǒng)工作效率、提升建筑室內(nèi)熱環(huán)境舒適度的效果。

技術(shù)研發(fā)人員：楊修,王俊力,黃廣鴻,盧馨怡,蘇王美,何江
受保護(hù)的技術(shù)使用者：廣西大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26