一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法

1.本发明涉及地下建筑内部设备能耗模型，具体一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法。


背景技术：

2.根据2019年international energyagency的统计结果，建筑业作为能源使用的三大巨头之一，其能源消耗已达到全球总能耗的38％，全球二氧化碳排放总量的39％。我国既有建筑近400亿平方米，节能建筑面积仅占5％，每年新建近20亿平方米，然而真正的节能建筑不足1亿平方米。与此同时，随着我国现代城市的快速发展，城市化正以前所未有的速度和规模发展起来，地面空间资源紧缺问题逐渐加剧。为了缓解这一问题，城市地下空间的开发和利用在过去的20年间逐渐在各地普及。地下空间能够提供25％～40％的额外空间，逐渐受到人们的重视，居住建筑的半地下层也逐渐被广泛开发应用。
3.地下建筑由于缺乏自然光照与自然通风，需要长期借助空调除湿机组、水泵、风机系统等设备以保证日常需求。为了更好地实现设备的优化管理与设备节能，采用能耗模型进行分析与预测是较为科学的技术手段。现有技术直接利用额定参数进行能耗计算，仅使用能耗历史数据建立能耗模型进行预测；但由于空调除湿机组、水泵、风机系统的运行特性与运行工况复杂，各设备实际特性与出厂时额定特性间存在差异，直接利用额定参数进行能耗计算的结果并不能反映实际运行能耗，仅使用能耗历史数据建立能耗模型进行预测的方法，具有一定准确率，但是没有将能耗与各设备特性及参数联系起来，降低了预测结果的准确度。


技术实现要素：

4.针对上述现有技术中的不足，本发明的目的是提供一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，以解决现有技术中地下建筑内部空调除湿机组、循环水泵和风机因运行特性与运行工况复杂无法直接使用额定参数进行能耗计算的问题，本方法通过采集系统的真实数据，利用设备能耗实测数据建立起各设备的能耗模型，对能耗模型参数基于马尔可夫进行辨识，并结合实测数据对辨识后的模型进行验证和仿真分析，能够准确预测能耗，还可以建立设备参数与能耗之间的映射关系，便于进行能耗分析与优化管理，为更好地实现能耗模型优化与设备节能控制提供了科学依据，奠定了坚实基础，并且对于后期系统的维护和扩展也有积极的作用。
5.为实现上述目的，本发明采用以下技术方案：
6.一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，包括以下步骤：
7.s1、根据地下建筑内部空调除湿机组、循环水泵及冷却塔风机运行情况，结合各设备的运行特性，分别建立空调除湿机组、循环水泵和冷却塔风机的能耗模型形式；
8.s2、确定与每个设备相对应的马尔可夫模型的形式，包括状态向量的维数、输入向量的维数、状态转移矩阵和输入矩阵的形状；
9.s3、收集每个设备的模型参数辨识所需的输入数据，输入数据包括每组状态向量的状态序列以及对应的观测值序列；
10.s4、参数估计，对于给定的输入数据和模型，使用最小二乘法对模型参数进行估计，计算得到每个设备模型的待辨识参数；
11.s5、模型验证评估，其方法为：将辨识后的模型参数输入步骤s1中的模型进行计算，计算结果与实际测量结果绘制对比图，然后评估模型的性能。
12.所述步骤s1中，空调除湿机组能耗的主要受冷却水进水温度twi与出水温度t
wo
、除湿机组湿度rh以及送风温度t
ai
与回风温度t
ao
的影响，因此，除湿机组的能耗模型表示如下
13.p＝f(rh，t
wo
，t
wi
，t
ao
，t
ai
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
14.为方便运行，采用冷却水进出水温度之差δtw与送回风温度之差δta计算，
15.δtw＝t
wo-t
wi
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
16.δta＝t
ai-t
ao
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
17.将公式(1)、(2)、(3)拟合为如下二次多项式，
18.p＝x1+x2*δtw+x3*rh+x4*δta+x5*δt
w2
+x6*rh2+x7*δt
a2
+x8*δtw*rh+x9*δtw*δta+x
10
*rh*δtaꢀꢀ
(4)
19.上式中，x1～x
10
为空调除湿机组的待辨识参数；
20.所述步骤s1中，循环水泵类似于冷冻水泵，根据循环水泵扬程、流量在非额定转速下的特性关系有
[0021][0022][0023]
上式中，c0～c2、d0～d2为循环水泵的待辨识参数；
[0024]
因此，循环水泵能耗模型的数学表述为
[0025][0026]
上式中，m
cw
为当前循环水泵流量，h
cw
为当前循环水泵扬程，η
cw
为循环水泵工作点效率，gd为流量扬程系数；n为工作点转速，n
nom
为额定转速；
[0027]
所述步骤s1中，冷却塔风机的风压与效率可以近似表示为与风量相关的二次函数：
[0028][0029][0030]
上式中，f为冷却塔风机风压；η为冷却塔风机效率；qf为冷却塔风机风量，m3/h；l1、l2、l3、l4、l5、l6为冷却塔风机的待辨识参数，因此冷却塔风机的功率消耗p表述为下述函数：
[0031]
p＝qf*f/(3600*1000*η)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0032]
所述步骤s2中，状态向量的维数、输入向量的维数、状态转移矩阵和输入矩阵的形状根据模型性质和实际运行情况选择；具体的，在空调除湿机组能耗模型中，模型中待辨识参数个数为10，则对应的马尔可夫模型中状态向量维数与输入向量维数均为10；状态转移矩阵为10*10阶矩阵形式，输入矩阵形式为10*1阶矩阵形式；循环水泵模型待辨识参数个数
为6，因此循环水泵模型的状态向量维数与输入向量的维数均为6，状态转移矩阵为6*6阶矩阵形式，输入矩阵形式为6*1阶矩阵形式；冷却塔风机模型中待辨识参数个数为6，因此冷却塔风机模型的状态向量维数与输入向量的维数均为6，状态转移矩阵为6*6阶矩阵形式，输入矩阵形式为6*1阶矩阵形式。
[0033]
所述步骤s3中，在空调除湿机组能耗模型中，状态序列以及对应的观测值序列根据除湿机组的历史运行能耗数据确定；在循环水泵模型中，状态序列以及对应的观测值序列根据循环水泵的历史运行能耗数据确定；冷却塔风机模型中，状态序列以及对应的观测值序列根据冷却塔风机的历史运行能耗数据确定。
[0034]
所述步骤s4中，使用最小二乘法对给定的数据和马尔可夫模型进行参数估计，利用最小化残差平方和的方法求得马尔可夫模型中的待辨识参数。
[0035]
所述步骤s5中，以均方根误差和绝对百分比误差作为评价指标，将模型运行结果与实际运行能耗数据进行对比分析，评价参数辨识后模型的准确性与误差性。相比于其他时间序列预测评估指标，mase具有以下优点：
[0036]
①
可以比较不同时间序列之间的预测准确度，因为mase考虑了历史观测值的波动范围。
[0037]
②
mase对异常值的影响较小，因为mase使用的是绝对误差，而不是平方误差。
[0038]
当两种评价指标结果均接近于0时，可以判定设备模型准确性较高、误差较小、参数辨识结果较为准确。
[0039]
综上所述，本发明可以通过采集到的空调除湿机组、循环水泵和风机设备的实际运行数据，利用设备运行特性建立机理模型，基于马尔可夫模型进行参数辨识，并对模型辨识结果进行评价，解决现有技术中空调除湿机组、循环水泵和风机因运行特性与运行工况复杂无法直接使用额定参数进行能耗计算的问题。
[0040]
与现有技术相比，本发明至少具有以下有益效果：
[0041]
本发明是一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法。马尔可夫模型是一种描述随机过程的数学模型，它具有马尔可夫性质，即未来状态只依赖于当前状态，而与历史状态无关，具有以下有点：
[0042]
①
非参数性：马尔可夫参数辨识无需预先对系统作线性，非线性，时不变或者时变的任何形式假定，因而适应性强，灵活性高。
[0043]
②
模型结构简单：马尔可夫参数辨识建立起来的模型通常都是些简单状态空间的模型，所以模型结构简单，容易实现。
[0044]
③
实时性高：马尔可夫参数辨识方法能够实时地对该系统进行辨识与预测，对某些要求响应迅速的控制系统有较好的适应性
[0045]
④
无需对输入和输出信号施加严格的前置条件约束：马尔可夫参数辨识无需对输入和输入信号施加特殊约束，对任意随机过程只要符合某些基本条件均可适用马尔可夫参数辨识方法。
[0046]
⑤
可处理非平稳信号：马尔科夫参数辨识能够处理非平稳信号从而具有更广的应用范围，如广泛用于控制系统，信号处理及通信中。
[0047]
⑥
本方法可通过实验数据辨识制造商未能提供相关参数，根据历史运行数据与设备运行特性，利用马尔可夫模型和最小二乘法理论，对地下建筑内部运行设备中空调除湿
机组模型、循环水泵模型和风机模型进行参数辨识，得到更精确的数学模型，在广泛的操作条件下给出了与实际性能的准确匹配，在实际工程中简单易行，既能保证优化准确性又能保证模型简洁性，为后期的地下建筑内部设备能耗计算与运行优化奠定良好的基础。
附图说明
[0048]
图1为地下建筑内部设备能耗模型参数辨识流程图；
[0049]
图2为空调除湿机组实际值与计算值对比图；
[0050]
图3为水泵流量-扬程实际值与计算值对比图；
[0051]
图4为风机1风量-压力实际值与计算值对比图；
[0052]
图5为风机2风量-压力实际值与计算值对比图。
具体实施方式
[0053]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
[0054]
本发明提供了一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，对空调除湿机组、循环水泵和风机模型中的待辨识参数利用马尔可夫模型进行参数辨识，首先根据地下建筑内设备的运行原理分别建立除湿机组、水泵和风机的能耗机理模型；然后建立马尔可夫模型，模型中的状态向量的维数、输入向量的维数、状态转移矩阵和输入矩阵的形状需要根据模型特性与实际运行情况确定；再将收集到的设备运行数据分为状态序列与对应的观测值序列，用于后续的参数辨识与模型评价；接着使用最小二乘法对给定的马尔可夫模型中的参数进行参数辨识；最后对辨识后的模型以均方根误差与绝对百分比误差为评价指标验证模型准确性。
[0055]
请参阅图1，本发明一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，包括以下步骤：
[0056]
s1、根据地下建筑内部能耗模型运行情况，结合各设备的运行特性，分别建立空调除湿机组、循环水泵和冷却塔风机的能耗模型形式；
[0057]
空调除湿机组能耗的主要受冷却水进水温度(t
wi
)与出水温度(t
wo
)、除湿机组湿度(rh)以及送风温度(t
ai
)与回风温度(t
ao
)的影响，除湿机组的能耗模型可以表示如下：
[0058]
p＝f(rh，t
wo
，t
wi
，t
ao，
t
ai
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0059]
为方便运行，采用冷却水进出水温度之差(δtw)与送回风温度之差(δta)计算。
[0060]
δtw＝tw
o-twiꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0061]
δta＝t
ai-t
ao
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0062]
可将公式公式(1)、(2)、(3)拟合为如下二次多项式
[0063]
p＝x1+x2*δtw+x3*rh+x4*δta+x5*δt
w2
+x6*rh2+x7*δt
a2
+x8*δtw*rh+x9*δtw*δta+x
10
*rh*δtaꢀꢀ
(4)
[0064]
上式中，x1～x
10
为空调除湿机组的待辨识参数。
[0065]
同样考虑循环水泵的能耗，类似于冷冻水泵，在额定转速运行时，冷却水系统中冷却水泵的流量-扬程、流量-效率的关系按下式确定
[0066][0067]
[0068]
上式中，m
cw，nom
为水泵的额定流量,kg/s，h
cw，nom
为水泵的额定扬程，m；同样根据水泵扬程、流量在非额定转速下的特性关系，循环水泵扬程、流量在非额定转速下的特性关系有
[0069][0070][0071]
上式中，c0～c2、d0～d2为循环水泵的待辨识参数；m
cw
为当前循环水泵流量，h
cw
为当前循环水泵扬程，η
cw
为循环水泵工作点效率，n为工作点转速，n
nom
为额定转速；
[0072]
因此，循环水泵能耗模型的数学表述为
[0073][0074]
上式中，gd为流量扬程系数。
[0075]
冷却塔风机的风压与效率可以近似表示为与风量相关的二次函数：
[0076][0077][0078]
式中，f为冷却塔风机风压；η为冷却塔风机效率；qf为冷却塔风机风量，m3/h；l1、l2、l3、l4、l5、l6为冷却塔风机待
[0079]
辨识参数。因此冷却塔风机的功率消耗可以看作下述函数：
[0080]
p＝qf*f/(3600*1000*η)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0081]
s2、确定马尔可夫模型的形式，包括状态向量的维数、输入向量的维数、状态转移矩阵和输入矩阵的形状等，向量维数和矩阵形状需要根据模型性质和实际运行情况选择。马尔可夫模型的状态转移矩阵第n时刻结果仅与第n-1时刻结果相关，则n时刻马尔可夫模型可以看作以下函数：
[0082][0083]
式中，z为地下建筑内部设备能耗模型待辨识参数个数，a
n，z
为参数z在第n时刻的计算结果，在空调除湿机组能耗模型中，如式(4)所示，模型中待辨识参数个数为10，则对应的马尔可夫模型中状态向量维数与输入向量维数均为10；状态转移矩阵为10*10阶矩阵形式，输入矩阵形式为10*1阶矩阵形式，观测值序列根据表1中除湿机组的历史运行能耗数据确定；如式(7)至式(9)所示，水泵模型待辨识参数个数为6，因此水泵模型的状态向量为维数与输入向量的维数均为6，状态转移矩阵为6*6阶矩阵形式，输入矩阵形式为6*1阶矩阵形式，观测值序列根据表2中除湿机组的历史运行能耗数据确定；如式(10)至式(12)所示，风机模型中待辨识参数个数为6，因此模型的状态向量为维数与输入向量的维数均为6，状态转移矩阵为6*6阶矩阵形式，输入矩阵形式为6*1阶矩阵形式，观测值序列根据表3中除湿机组的历史运行能耗数据确定。
[0084]
s3、收集模型参数辨识所需的数据，数据包括系统的状态序列以及对应的观测值序列；除湿机组模型待辨识参数个数为10，水泵模型与风机模型待辨识参数个数为6，观测
值序列为地下建筑历史运行能耗数据。其中，空调除湿机组模型中x1～x
10
为空调除湿机组的待辨识参数。循环水泵模型中c0～c2、d0～d2为循环水泵的待辨识参数。l1～l6为风机模型的待辨识参数。
[0085]
设备的部分输入数据如表1-表3所示。
[0086]
表1空调除湿机组输入数据
[0087][0088]
表2水泵输入数据
[0089][0090][0091]
表3风机输入数据
[0092][0093]
s4、对于给定的数据和模型，使用最小二乘法对模型参数进行估计。
[0094]
最小二乘法在较简单的线性系统问题上提供了在最小方差意义上实验数据的最好拟合手段，是一种常见数学方法。假定采样获得的系统输入数据为n维变量输出的观测值为m维变量
[0095]
y＝(y
1 y2ꢀ…ꢀ
ym)。两者间线性关系如下：
[0096]
y＝φθ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0097]
式中，θ＝(θ
1 θ2ꢀ…ꢀ
θn)为未知的常数参数集合。为使拟合模型接近于实际负荷，定义误差矢量设定目标函数：
[0098][0099]
目标函数j最小时，
[0100][0101]
计算结果就是最小二乘法对参数θ的估计。
[0102]
经过参数辨识后，设备模型的辨识结果如表4-6所示。
[0103]
表4空调除湿机组参数辨识结果
[0104][0105]
表5水泵参数辨识结果
[0106][0107]
表6风机参数辨识结果
[0108][0109]
依照辨识结果，空调除湿机组的能耗模型表示为：
[0110]
p＝4.502-0.884*δtw+0.678*rh+4.517*δt
a-0.039*δt
w2
[0111]-0.007*rh
2-0.255*δt
a2
+0.035*δtw*rh+0.069*δtw*δta[0112]-0.079*rh*δtaꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0113]
水泵的能耗模型表示为：
[0114][0115][0116][0117]
风机1、2的能耗模型表示为：
[0118][0119][0120]
p1＝qf*f1/(3600*1000*η)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)
[0121][0122][0123]
p2＝qf*f2/(3600*1000*η)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(26)
[0124]
s5、模型验证，评估指标包括均方根误差与绝对百分比误差；
[0125]
将辨识后的模型进行对比分析，计算结果与实际测量结果绘制对比图，评估模型的性能。评估指标分别为均方根误差和绝对百分比误差。均方根误差(root mean square error，rmse)是衡量模型预测准确度的一种常用指标，它衡量的是模型预测值与真实值之间的误差大小。rmse是将预测误差平方和的平均值开方得到的。
[0126]
具体的，设模型对样本数据集的第i个样本的预测值为h(xi)，真实值为yi，样本数为m,则均方根误差可以计算如下：
[0127][0128]
rmse越小，代表模型预测结果越准确。
[0129]
绝对百分比误差(meanabsolute scaled error，mase)是用于衡量时间序列预测模型准确度的一种指标，是对平均绝对误差(mae)的改进，可以解决mae不能很好比较不同时间序列的问题。绝对百分比误差的计算公式如下：
[0130][0131]
其中，a代表实际观测值序列，f代表预测序列，mae代表历史观测值与预测值之间的平均绝对误差。mase的值越小，表示模型的预测准确度越高。当mase等于1时，表示模型的预测与历史平均值相同，即没有预测优势。
[0132]
除湿机组、循环水泵与循环风机的能耗模型评价指标均接近于0，对比结果如图2-5所示。
[0133]
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

技术特征：
1.一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，其特征在于，包括以下步骤：s1、根据地下建筑内部空调除湿机组、循环水泵及冷却塔风机运行情况，结合各设备的运行特性，分别建立空调除湿机组、循环水泵和冷却塔风机的能耗模型形式；s2、确定与每个设备相对应的马尔可夫模型的形式，包括状态向量的维数、输入向量的维数、状态转移矩阵和输入矩阵的形状；s3、收集每个设备的模型参数辨识所需的输入数据，输入数据包括每组状态向量的状态序列以及对应的观测值序列；s4、参数估计，对于给定的输入数据和模型，使用最小二乘法对模型参数进行估计，计算得到每个设备模型的待辨识参数；s5、模型验证评估，其方法为：将辨识后的模型参数输入步骤s1中的模型进行计算，计算结果与实际测量结果绘制对比图，然后评估模型的性能。2.根据权利要求1所述的一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，其特征在于：所述步骤s1中，空调除湿机组能耗的主要受冷却水进水温度t
wi
与出水温度t
wo
、除湿机组湿度rh以及送风温度t
ai
与回风温度t
ao
的影响，因此，除湿机组的能耗模型表示如下p＝f(rh，t
wo
，t
wi
，t
ao
，t
ai
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)为方便运行，采用冷却水进出水温度之差δt
w
与送回风温度之差δt
a
计算，δt
w
＝t
wo-t
wi
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)δt
a
＝t
ai-t
ao
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)将公式(1)、(2)、(3)拟合为如下二次多项式，p＝x1+x2*δt
w
+x3*rh+x4*δt
a
+x5*δt
w2
+x6*rh2+x7*δt
a2
+x
88
*δt
w
*rh+x9*δt
w
*δt
a
+x
10
*rh*δt
a
ꢀꢀꢀꢀ
(4)上式中，x1～x
10
为空调除湿机组的待辨识参数；同样根据循环水泵扬程、流量在非额定转速下的特性关系有同样根据循环水泵扬程、流量在非额定转速下的特性关系有上式中，c0～c2、d0～d2为循环水泵的待辨识参数；m
cw
为当前循环水泵流量，h
cw
为当前循环水泵扬程，η
cw
为循环水泵工作点效率，n为工作点转速，n
nom
为额定转速；因此，循环水泵能耗模型的数学表述为式中，g
d
为流量扬程系数；所述步骤s1中，冷却塔风机的风压与效率可以近似表示为与风量相关的二次函数：所述步骤s1中，冷却塔风机的风压与效率可以近似表示为与风量相关的二次函数：
式中，f为冷却塔风机风压；η为冷却塔风机效率；q
f
为冷却塔风机风量，m3/h；l1、l2、l3、l4、l5、l6为冷却塔风机的待辨识参数，因此冷却塔风机的功率消耗p表述为下述函数：p＝q
f
*f/(3600*1000*η)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)。3.根据权利要求1所述的一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，其特征在于：所述步骤s2中，状态向量的维数、输入向量的维数、状态转移矩阵和输入矩阵的形状根据模型性质和实际运行情况选择；具体的，在空调除湿机组能耗模型中，模型中待辨识参数个数为10，则对应的马尔可夫模型中状态向量维数与输入向量维数均为10；状态转移矩阵为10*10阶矩阵形式，输入矩阵形式为10*1阶矩阵形式；循环水泵模型待辨识参数个数为6，因此循环水泵模型的状态向量维数与输入向量的维数均为6，状态转移矩阵为6*6阶矩阵形式，输入矩阵形式为6*1阶矩阵形式；冷却塔风机模型中待辨识参数个数为6，因此冷却塔风机模型的状态向量维数与输入向量的维数均为6，状态转移矩阵为6*6阶矩阵形式，输入矩阵形式为6*1阶矩阵形式。4.根据权利要求1所述的一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，其特征在于：所述步骤s3中，在空调除湿机组能耗模型中，观测值序列根据除湿机组的历史运行能耗数据确定；在循环水泵模型中，观测值序列根据循环水泵的历史运行能耗数据确定；冷却塔风机模型中，观测值序列根据冷却塔风机的历史运行能耗数据确定。5.根据权利要求1所述的一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，其特征在于：所述步骤s5中，评估指标包括均方根误差和绝对百分比误差。

技术总结
本发明提出一种基于马尔可夫的地下建筑内部能耗模型参数辨识方法，具体如下：分别建立地下建筑内部空调除湿机组、循环水泵和冷却塔风机的能耗模型形式，再确定包括状态向量的维数、输入向量的维数、状态转移矩阵和输入矩阵的形状在内的马尔可夫模型的形式，收集模型参数辨识所需的数据，对于给定的数据和模型，使用最小二乘法对模型参数进行估计，并使用均方根误差与绝对百分比误差对辨识结果进行评估，得到一套适用于地下建筑内部设备的能耗模型。本发明可以解决现有技术中空调除湿机组、循环水泵和风机因运行特性与运行工况复杂无法直接使用额定参数进行能耗计算的问题，为后期的地下建筑内部设备能耗计算与运行优化奠定良好的基础。定良好的基础。定良好的基础。


技术研发人员：马新宝 杨雨涵 陈晋央 陈显 余尚江 周会娟 孟晓洁 常远 栗韶良
受保护的技术使用者：中国人民解放军军事科学院国防工程研究院工程防护研究所
技术研发日：2023.07.10
技术公布日：2023/9/22