(19)中华 人民共和国 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 202111568679.0 (22)申请日 2021.12.21 (71)申请人 上海电力大 学 地址 200090 上海市杨 浦区平凉 路2103号 (72)发明人 刘刚　孙健　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 代理人 彭瑶 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/20(2020.01) G06F 119/02(2020.01) G06F 119/06(2020.01) (54)发明名称 基于多源融合特征选择和模糊差异性增强 Stacking框架的建 筑能耗预测方法 (57)摘要 本发明涉及一种基于多源融合特征选择和 模糊差异性增 强Stacking框架的建筑能耗预测 方法， 包括： 采集建筑能耗历史数据， 构建建筑能 耗预测数据集， 对建筑能耗预测数据集进行预处 理， 并将处理后的数据集划分为训练集和预测 集； 对预处理后的数据集进行特征工程， 利用多 源融合特征方式选出最优特征子集和最优特征 筛选个数； 选择多个基模型， 对基模型进行超参 数优化， 以组成Stacking框架的第一层， 进而构 建模糊差异性增强Stacking框架， 利用构建的模 糊差异性增强Stacking框架进行建筑能耗预测。 与现有技术相比， 本发明具有提高预测性能等优 点。 权利要求书2页 说明书10页 附图2页 CN 114386142 A 2022.04.22 CN 114386142 A 1.基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法， 其特 征在于， 包括： 采集建筑能耗历史数据， 构建建筑能耗预测数据集， 对建筑能耗预测数据集进行预处 理， 并将处 理后的数据集划分为训练集和预测集； 对预处理后的数据集进行特征工程， 利用多源融合特征方式选出最优特征子集和最优 特征筛选个数； 选择多个基模型， 对基模型进行超参数优化， 以组成Stacking框架的第一层， 进而构 建 模糊差异性增强Stacking框架， 利用构建的模糊差异性增强Stacking框架进行建筑能耗预 测。 2.根据权利 要求1所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建 筑能耗预测方法， 其特征在于， 通过智慧 能源管理系统采集建筑能耗历史数据， 并对建筑能 耗预测数据集进行归一 化预处理。 3.根据权利 要求1所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建 筑能耗预测方法， 其特征在于， 利用多源融合特征方式选出最优特征子集和 最优特征筛选 个数的具体内容 为： 对预处理后的数据集进行特征工程后， 分别通过不同的特征选择算法进行数据集中各 特征的初步评估， 获取四种不同特 征选择算法的特 征重要性 值得分； 分别对不同特征选择算法下的特征重要性值得分进行排序， 在不同的特征子集个数需 求下， 获取针对不同特 征选择算法的输出 结果； 依次进行不同特征选择数下的预测性能对比， 在确定当前特征选择个数时， 通过不同 特征选择算法的排序值， 依次选出相应的特 征， 并融合 为最优特征预选集； 遍历所有不同特征选择数下的预测性能， 依次选择重要性值靠前的不同m个特征作为 数据集的最优特征子集， 对比预测性能， 以此得到最优特征筛选个数， 并对最优 特征预选集 进行元素整合优化后得到最优特征子集， 将其作为后续预测模型 的输入， 所述预测模型为 选择的基模型。 4.根据权利 要求3所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建 筑能耗预测方法， 其特征在于， 不同的特征选择算法包括方差选择法、 递归特征消除、 XGBoost和线性特 征选择方法。 5.根据权利 要求1所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建 筑能耗预测方法， 其特 征在于， 选择的基模型包括XGbo ost、 RF和L ightGBM三种。 6.根据权利 要求5所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建 筑能耗预测方法， 其特征在于， 所述模糊差异性增强Stacking框架为二 维结构， 设有双输入 和单输出。 7.根据权利 要求6所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建 筑能耗预测方法， 其特 征在于， 构建所述模糊差异性增强Stack ing框架的具体内容 为： 1)首先将三种基模型通过随机搜索进行超参数优化， 得到性能优异的单一模型作为 Stacking框架第一层的基模型； 2)在Stacking框架的两层 结构中， 第一层由三个不同的基础模型整合形成集成框架的 基础模型层， 然后将其中一个模型作为元模型用以拟合第一层输出， 并作为集成框架的第权　利　要　求　书 1/2 页 2 CN 114386142 A 2二层； 3)对各基模型进行五折交叉验证； 4)基模型在进行五折交叉验证后， 将得到的输出结果与真实预测值进行对比， 获取每 个样本的误差与误差率； 5)针对所得到的不同算法不同样本下的误差和误差率， 作为模糊差异性增强层的两个 输入， 并计算模糊性增强系数； 其中， 通过专家经验为模糊差异性增强层设置模糊规则， 将 误差和误差率映射到五级隶属函数之中； 6)获取相应的模糊差异性增强系数后， 将每个样本的误差与自身差异性增强系数相 乘， 得到差异性增强值， 并与基模型的输出进行整合， 得到新训练集和 测试集。 8.根据权利 要求7所述的基于多源融合特征选择和模糊差异性增强Stacking框架的建 筑能耗预测方法， 其特征在于， 利用构建的模糊差异性增强Stacking框架， 选择逻辑回归将 差异性增强后的基模型输出 结果进行回归预测。权　利　要　求　书 2/2 页 3 CN 114386142 A 3