(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210903810.2 (22)申请日 2022.07.28 (71)申请人 哈尔滨理工大 学 地址 150080 黑龙江省哈尔滨市南岗区学 府路52号 申请人 黑龙江省万度科技有限公司 (72)发明人 李隆　苏星羽　周兴超　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 专利代理师 张宏威 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于Transformer模型的短期建筑冷负荷预 测模型的建立方法、 预测方法和计算机设备 (57)摘要 基于Transformer模型的短期建筑冷负荷预 测模型的建立方法、 预测方法和计算机设备， 属 于建筑冷负荷预测技术领域， 解决现有建筑冷负 荷预测精度低的问题。 本发明的方法包括： 选取 建筑冷负荷预测所需的特征变量， 特征变量包括 天气特征变量和时间特征变量； 获取每两个特征 变量的线性相关性， 选取相互线性独立的特征变 量作为预测模 型的输入数据； 根据预测模型的输 入数据， 建立具有序列信息模式的数据集， 并根 据具有序列信息模式的数据集生成序列输入数 据集； 将序列输入数据集划分为训练数据和测试 数据， 对基于Tran sformer网络的模型进行训练； 根据训练后的基于Transformer网络 的模型， 获 取基于Tran sformer模型的短期建筑冷负荷预测 模型。 本发明适用于对短期建 筑冷负荷的预测。 权利要求书2页 说明书13页 附图6页 CN 115391875 A 2022.11.25 CN 115391875 A 1.一种基于Transformer模型的短期 建筑冷负荷 预测模型的建立方法， 其特征在于， 所 述方法包括： 步骤1、 根据建筑冷负荷的历史数据， 选取建筑冷负荷预测所需的特征变量， 所述特征 变量包括天气特 征变量和时间特 征变量； 步骤2、 利用Pearson相关系数获取每两个特征变量的线性相 关性， 根据所述线性相 关 性， 选取相互线性独立的特 征变量作为预测模型的输入数据； 步骤3、 根据所述预测模型的输入数据， 建立具有序列信息模式的数据集， 并根据所述 具有序列信息模式的数据集 生成序列输入数据集； 步骤4、 将所述序列输入数据集划 分为训练数据和测试数据， 对基于Transformer网络 的模型进行训练； 步骤5、 根据训练后的基于Trans former网络的模型， 获取基于Transformer模型的短期 建筑冷负荷预测模型。 2.根据权利要求1所述的一种基于Transformer模型的短期建筑冷负荷预测模型的建 立方法， 其特 征在于， 所述 步骤1， 具体包括： 根据所述历史数据创建不同时间段的天气数据与建筑冷负荷的二维曲线图， 获取所述 天气特征变量； 创建建筑负荷与时间的二维曲线图， 获取 所述时间特 征变量。 3.根据权利要求1所述的一种基于Transformer模型的短期建筑冷负荷预测模型的建 立方法， 其特 征在于， 所述 步骤5之后， 还 包括： 步骤6、 选择平均绝对误差、 均 方根误差和决定系数作为评价所述短期建筑冷负荷预测 模型的指标， 对在输入不同特征时的模 型进行性能分析， 根据所述性能分析结果， 获取所述 特征变量的重要度按照从大到小 进行排序； 根据不同输入特 征个数下的预测建筑 冷负荷和相应的不确定性， 确定 输入特征个数； 根据所述输入特征个数， 选取重要度在前所述输入特征个数的特征作为所述预测模型 的输入数据。 4.根据权利要求1所述的一种基于Transformer模型的短期建筑冷负荷预测模型的建 立方法， 其特征在于， 步骤3中， 根据所述预测模 型的输入 数据， 建立具有序列信息模式的数 据集， 具体包括： 选取预测时间点前24小时内所述预测模型的输入数据对应的历史数据， 且所述历史数 据以预设时间单位为间隔进行选取， 并将所述选取好的历史数据按时间顺序进行排序， 根 据所述排序后的历史数据， 建立具有序列信息模式的数据集。 5.根据权利要求1所述的一种基于Transformer模型的短期建筑冷负荷预测模型的建 立方法， 其特 征在于， 所述基于Transformer网络的模型包括： 编码器块和解码器块； 其中， 编码输入数据 经过输入嵌入层， 再利用正弦和余弦函数对时间序列 数据中的序列信 息 进行位置编码， 得到编码输入数据的位置编码向量； 将位置编码向量导入编码器块， 生成一个为解码器块提供数据的dmodel维向量； 编码输 出数据的处理方法与编码输入数据的相同， 得到编码输出数据的位置编码向量， 解码器块 将所述编码输出数据的位置编码向量与编码器块生成的dmodel维向量共同生成一个包含概 率信息的向量来计算输出， 当解码 器块全部执行完毕后， 再经过线性化层和Softmax函数层权　利　要　求　书 1/2 页 2 CN 115391875 A 2进行输出概 率的计算， 概 率值最大的即为 最终结果； 在Softmax函数层后再添加两个人工神经网络层， 将概率值转换为模型的解码输出预 测建筑冷负荷。 6.根据权利要求5所述的一种基于Transformer模型的短期建筑冷负荷预测模型的建 立方法， 其特 征在于， 所述编码器块中有两个相同的编码器层， 每层中有四个串联的扇区； 其中， 第一个扇区为多头注意力机制， 用于生成三个向量， 所述 三个向量 为注意力值； 第二个扇区为归一 化， 对注意力值进行归一 化； 第三个扇区为前馈神经网络， 用来根据所述归一化的注意力值获取解码器块中使用的 数据； 第四个扇区为归一化， 对所述解码器块中使用的数据进行归一化， 生成为解码器块提 供数据的dmodel维向量。 7.根据权利要求1所述的一种基于Transformer模型的短期建筑冷负荷预测模型的建 立方法， 其特 征在于， 所述天气特 征变量包括干球温度、 相对湿度、 直接法向辐照度和风速； 所述时间特 征变量包括月、 日和小时。 8.一种基于Transformer模型的短期建筑冷负荷预测方法， 其特征在于， 所述方法包 括： 根据所述预测模型的输入数据， 生成序列输入数据集； 将所述序列输入数据集输入所述基于Transformer模型的短期建筑冷负荷预测模型， 获取建筑 冷负荷预测值。 9.一种计算机设备， 包括存储器和处理器， 所述存储器中存储有计算机程序， 其特征在 于， 当所述处 理器运行 所述存储器存储的计算机程序时执 行权利要求8所述的方法。 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中存储有多条计 算机指令， 所述多条计算机指令用于使计算机执 行权利要求8所述的方法。权　利　要　求　书 2/2 页 3 CN 115391875 A 3