一种室内空间热环境分步预测方法、系统、终端及介质

本发明涉及建筑节能，尤其涉及的是一种室内空间热环境分步预测方法、系统、终端及介质。

背景技术：

1、热舒适预测在营造高品质的室内环境以及实现高效能源管理中扮演着至关重要的角色，它不仅确保了居住者的舒适度，同时也实现了节能降耗的双重效益。

2、传统的热舒适性方法采用基于实验数据的统计模型来预测热舒适性，但有时存在显著的预测误差。一些学者应用cfd计算流体动力学对室内热环境进行模拟，以实现热舒适性预测，但这种方法往往存在模拟速度较慢的缺点。与传统的热舒适模型不同，基于机器学习的数据驱动模型计算更准确、更快。

3、目前，热舒适预测方法主要是利用计算流体动力学（computation fluiddynamics，cfd），或者利用机器学习（如多层感知机、支持向量机、随机森林和高斯过程回归等）对室内热环境进行模拟预测，虽然采用机器学习预测热舒适性的方法具有较高的预测精度，但都是采用整体预测的方法，存在计算复杂度高且模型的泛化能力不足的问题。

技术实现思路

1、鉴于上述现有技术的不足，本发明的目的在于提供一种室内空间热环境分步预测方法、系统、终端及介质，旨在解决现有技术中存在的计算复杂度高且模型的泛化能力不足的问题。

2、为了实现上述目的，本发明第一方面提供一种室内空间热环境分步预测方法，包括：

3、获取目标户型图；

4、基于所述目标户型图，获得房间拓扑关系图，并基于所述房间拓扑关系图，确定空间布局信息矩阵；

5、基于所述房间拓扑关系图和预设的室外门窗风压值，获得各个内门平面处的风压值；

6、利用预设的神经网络将所述空间布局信息矩阵和所有所述内门平面处的风压值进行融合，获得室内温度与风速分布数据；

7、基于所述室内温度与风速分布数据和所述目标户型图，生成室内空间热环境预测结果。

8、可选的，所述基于所述目标户型图，获得房间拓扑关系图，包括：

9、基于所述目标户型图中的门窗关系图，获得空间连接关系；

10、将所述空间连接关系转换为空间关系列表，并基于所述空间关系列表，获得房间拓扑关系图。

11、可选的，所述基于所述房间拓扑关系图，确定空间布局信息矩阵，包括：

12、利用所述房间拓扑关系图中的空间连接关系与室内构件关系，构建房间模型；

13、基于所述房间模型，确定空间布局信息矩阵。

14、可选的，所述基于所述房间拓扑关系图和预设的室外门窗风压值，获得各个内门平面处的风压值，包括：

15、基于所述房间拓扑关系图和预设的室外门窗风压值，构建室内气流网络模型；

16、基于所述室内气流网络模型，计算各个房间之间的压力降；

17、基于所述压力降计算相应房间的换气量，并基于所述换气量，获得各个内门平面处的风压值。

18、可选的，所述利用预设的神经网络将所述空间布局信息矩阵和所有所述内门平面处的风压值进行融合，获得室内温度与风速分布数据，包括：

19、利用第一神经网络将所述空间布局信息矩阵和所有所述内门平面处的风压值进行融合，获得空间压力特征矩阵；

20、利用第二神经网络对所述空间压力特征矩阵进行处理，获得室内温度与风速分布数据。

21、可选的，所述利用预设的神经网络预测模型将所述空间布局信息矩阵和所有所述内门平面处的风压值进行融合，获得空间压力特征矩阵，包括：

22、利用所有所述内门平面处的风压值对所述空间布局信息矩阵对应的房间拓扑图的相应位置进行赋值，获得初始空间压力信息矩阵；

23、利用预设的神经网络预测模型将所述空间布局信息矩阵和所述初始空间压力信息矩阵进行融合及特征提取，获得空间压力特征矩阵。

24、可选的，所述基于所述室内温度与风速分布数据和所述目标户型图，生成室内空间热环境预测结果，包括：

25、基于所述室内温度与风速分布数据，获得各个房间中各个位置的人体热反应指标值；

26、基于各个所述位置的人体热反应指标值和所述目标户型图，生成室内空间热环境预测结果。

27、本发明第二方面提供一种室内空间热环境分步预测系统，所述系统包括：

28、信息获取模块，用于获取目标户型图；

29、房间拓扑关系模块，用于基于所述目标户型图，获得房间拓扑关系图，并基于所述房间拓扑关系图，确定空间布局信息矩阵；

30、气流网络模块，用于基于所述房间拓扑关系图和预设的室外门窗风压值，获得各个内门平面处的风压值；

31、热环境参数预测模块，用于利用预设的神经网络将所述空间布局信息矩阵和所有所述内门平面处的风压值进行融合，获得室内温度与风速分布数据；

32、室内热舒适预测模块，用于基于所述室内温度与风速分布数据和所述目标户型图，生成室内空间热环境预测结果。

33、本发明第三方面提供一种智能终端，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的室内空间热环境分步预测程序，所述室内空间热环境分步预测程序被所述处理器执行时实现任意一项上述室内空间热环境分步预测方法的步骤。

34、本发明第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有室内空间热环境分步预测程序，所述室内空间热环境分步预测程序被处理器执行时实现任意一项上述室内空间热环境分步预测方法的步骤。

35、与现有技术相比，本方案的有益效果如下：

36、本发明先将整体目标户型图划分成单个房间得到房间拓扑关系图，建立起门、窗、墙等关键构件之间的拓扑关系，然后利用房间拓扑关系图和室外门窗风压值，计算每个房间的各个内门平面处的风压值，再利用神经网络将房间拓扑关系图对应的空间布局信息矩阵和所有内门平面处的风压值进行融合，并逐点计算室内温度与风速分布情况，最后将室内温度与风速分布数据和目标户型图的空间布局相结合，得到室内空间热环境预测结果。可见，本发明方法通过分步预测的方式，将复杂的整体室内热舒适度预测问题简化为单个房间的室内热舒适度预测问题，有效降低了计算复杂度，在保证预测精度的同时显著提高了预测效率，且针对单个房间进行评估极大提高了模型的泛化能力。

技术特征：

1.一种室内空间热环境分步预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的室内空间热环境分步预测方法，其特征在于，所述基于所述目标户型图，获得房间拓扑关系图，包括：

3.根据权利要求1所述的室内空间热环境分步预测方法，其特征在于，所述基于所述房间拓扑关系图，确定空间布局信息矩阵，包括：

4.根据权利要求1所述的室内空间热环境分步预测方法，其特征在于，所述基于所述房间拓扑关系图和预设的室外门窗风压值，获得各个内门平面处的风压值，包括：

5.根据权利要求1所述的室内空间热环境分步预测方法，其特征在于，所述利用预设的神经网络将所述空间布局信息矩阵和所有所述内门平面处的风压值进行融合，获得室内温度与风速分布数据，包括：

6.根据权利要求5所述的室内空间热环境分步预测方法，其特征在于，所述利用预设的神经网络预测模型将所述空间布局信息矩阵和所述所有所述内门平面处的风压值进行融合，获得空间压力特征矩阵，包括：

7.根据权利要求1-6任一项所述的室内空间热环境分步预测方法，其特征在于，所述基于所述室内温度与风速分布数据和所述目标户型图，生成室内空间热环境预测结果，包括：

8.一种室内空间热环境分步预测系统，其特征在于，所述系统包括：

9.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的室内空间热环境分步预测程序，所述室内空间热环境分步预测程序被所述处理器执行时实现如权利要求1-7任意一项所述室内空间热环境分步预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有室内空间热环境分步预测程序，所述室内空间热环境分步预测程序被处理器执行时实现如权利要求1-7任意一项所述室内空间热环境分步预测方法的步骤。

技术总结
本发明提供的一种室内空间热环境分步预测方法、系统、终端及介质，具体涉及建筑节能技术领域，方案包括：基于所目标户型图，获得房间拓扑关系图，并基于房间拓扑关系图，确定空间布局信息矩阵；基于房间拓扑关系图和预设的室外门窗风压值，获得各个内门平面处的风压值；利用神经网络将空间布局信息矩阵和所有内门平面处的风压值进行融合，获得室内温度与风速分布数据；基于室内温度与风速分布数据和目标户型图，生成室内空间热环境预测结果。该方案通过分步预测的方式，将复杂的整体室内热舒适度预测问题简化为单个房间的室内热舒适度预测问题，降低了计算复杂度，在保证预测精度的同时显著提高了预测效率，且提高了模型的泛化能力。

技术研发人员：袁磊,冯锦滔,国润秋,许雪松,李昊
受保护的技术使用者：深圳大学
技术研发日：
技术公布日：2024/9/23