[发明专利]基于bim模型和图卷积神经网络的建筑内区域能耗预测方法

说明书

本发明公开了一种基于bim模型和图卷积神经网络的建筑内区域能耗预测方法，包含如下步骤：从数据库中获取数据，其中，数据包含：bim模型数据和建筑能耗数据；预处理bim模型数据和建筑能耗数据；从bim模型数据中获取区域数据，建立区域的属性矩阵；利用bim模型数据，建立区域与区域之间的邻接矩阵；从建筑能耗数据中获取区域数据，建立区域的能耗矩阵；建立图卷积神经网络，利用属性矩阵、邻接矩阵以及能耗矩阵对图卷积神经网络进行回归训练，得到训练完成的图卷积神经网络；本发明可利用bim模型获取建筑中各区域的关联信息，利用图卷积神经网络对建筑内各区域的能耗进行预测，为建筑数据治理、建筑能耗预警及建筑节能减排提供决策支持。

技术领域

本发明涉及智慧建筑技术领域，特别涉及一种基于bim模型和图卷积神经网络的建筑内区域能耗预测方法。

背景技术

智慧建筑是集现代科学技术之大成的产物。其技术基础主要由现代建筑技术、现代电脑技术、现代通讯技术和现代控制技术所组成。主要面向办公楼、商业综合楼、文化、媒体、学校、体育场馆、医院、交通、工业建筑、住宅小区等新建、扩建或改建工程，通过对建筑物智能化功能的配备，实现高效、安全、节能、舒适、环保和可持续发展的目标。传统的建筑能耗基于建筑的多种整体特征进行预测，未考虑建筑内部区域与区域之间的相互影响，智能进行整体能耗预测，无法精确至各个区域。基于bim模型和图卷积神经网络的建筑内区域能耗预测方法，可利用bim模型获取建筑中各区域的关联信息，利用图卷积神经网络对建筑内各区域的能耗进行预测，为建筑数据治理、建筑能耗预警及建筑节能减排提供决策支持。

发明内容

根据本发明实施例，提供了一种基于bim模型和图卷积神经网络的建筑内区域能耗预测方法，包含如下步骤：

从数据库中获取数据，其中，数据包含：bim模型数据和建筑能耗数据；

预处理bim模型数据和建筑能耗数据；

从bim模型数据中获取区域数据，建立区域的属性矩阵；

利用bim模型数据，建立区域与区域之间的邻接矩阵；

从建筑能耗数据中获取区域数据，建立区域的能耗矩阵；

建立图卷积神经网络，利用属性矩阵、邻接矩阵以及能耗矩阵对图卷积神经网络进行回归训练，得到训练完成的图卷积神经网络；

采用训练完成的图卷积神经网络预测建筑中各区域的能耗。

进一步，预处理bim模型数据和建筑能耗数据具体为将bim模型数据和建筑能耗数据的颗粒度统一。

进一步，从bim模型数据中获取区域数据包括但不限于：建筑空间数据、门窗数量以及区域用途。

进一步，建筑空间数据包含：区域的平面尺寸、高度、位置、朝向、日期。

进一步，能耗包含：电能、冷量、热量以及日期。

根据本发明实施例的基于bim模型和图卷积神经网络的建筑内区域能耗预测方法，可利用bim模型获取建筑中各区域的关联信息，利用图卷积神经网络对建筑内各区域的能耗进行预测，为建筑数据治理、建筑能耗预警及建筑节能减排提供决策支持。

要理解的是，前面的一般描述和下面的详细描述两者都是示例性的，并 且意图在于提供要求保护的技术的进一步说明。

附图说明

图1为根据本发明实施例基于bim模型和图卷积神经网络的建筑内区域能耗预测方法的流程图。