基于建筑能耗模拟软件动态生成遮阳行为的方法及装置与流程

[0001]
本发明具体涉及一种基于建筑能耗模拟软件动态生成遮阳行为的方法及装置。


背景技术：

[0002]
建筑能耗模拟软件是建筑设计与运行过程中用来预测建筑能耗的重要工具
[1]
，通过建筑能耗模拟软件可以提前确定建筑的能源需求，进而合理安排建筑内各系统的运行策略，最终在满足社会需求的前提下实现能源消耗量最小的目标。因此，模拟建筑能耗是高性能建筑设计中的关键环节。而提供准确的建筑能耗/负荷预测结果就显得十分重要。
[0003]
根据负荷研究理论，太阳辐射对建筑负荷有显著影响
[2][3][4]
。如：在制冷季，太阳辐射进入带有大面积透明围护结构的建筑物，会对室内的冷负荷造成负面影响
[5][6]
，但是完全阻挡日光会增加照明负荷；在供暖季，太阳辐射则会对采暖负荷产生积极影响
[7]
。遮阳装置因操作简便以及维护成本低，已被广泛用于调节太阳辐射透过率，特别是气候炎热的地区，从而有效减少空调能耗的负荷
[8]
。由上述可知，遮阳行为对建筑负荷会产生重要影响，需要在建筑能耗模拟软件中体现出来。
[0004]
然而，研究人员发现现有的建筑能耗模拟软件计算出的能耗模拟结果与真值之间普遍存在较大差异，并认为人员行为是造成这种差异的主要原因之一
[9][10][11][12][13][14]
。此外，技术的发展使得设备、围护结构等引起的能源消耗趋近最小化，而人员对建筑能耗的相对影响随之增加
[15]
。当前在建筑能耗模拟软件中普遍适用的标准作息时间表或预定义输入模块对于人员的行为过度简化，从而导致最后的能耗模拟结果无法正确体现人员与建筑系统之间的动态交互
[16]
，与真值存在较大差异。
[0005]
基于上述原因，研究界针对人行为模型的修正问题已开展了大量的研究，例如：国际能源署(iea)发布了annex 66，旨在以一套系统方法准确地量化人员行为
[17]
。虽然在过去的二十年间，人们已经提出了各类人行为模型用于在建筑能耗模拟软件中生成具有随机性和高分辨率的人行为模块配置文件。但是，遮阳行为模块常被忽略或被预定义为固定模式
[18]
，它一般是通过配置文件构建的阈值模型和时间表而形成遮阳行为模块，或是通过用户自定义配置文件来设定某些环境参数阈值从而改变遮阳设备状态。
[0006]
当前常用的具有遮阳行为生成模块的建筑能耗模拟软件无法根据遮阳行为的特性模拟得到的周遭环境变化进而无法促使典型遮阳行为的动态生成，并且常用的建筑能耗模拟软件中的遮阳行为模块都是根据配置文件构建的阈值模型和时间表来实现对遮阳状态进行界定，而配置文件又都需要用户自己手动设定某些能令遮阳设备状态改变的环境参数的阈值，例如energyplus(designbuilder)、equest(基于doe-2)以及trnsys软件。
[0007]
其中，energyplus(design builder)可以设定时间表、太阳辐射、水平面辐照度、冷/热负荷、室内气温、室外气温以及眩光。energyplus(design builder)也可根据室内制冷或制热状态、白天和黑夜状态进一步划分控制方式，还可以将两种调节方式结合起来从而实现遮阳的控制。例如，如果室外空气温度在晚上低于某个特定值，则遮阳将关闭，而如果房间在白天制冷，则遮阳将关闭。此外，可以在控制策略的基础上设置人员在室状态时间
control on natural ventilation[j].renewable and sustainable energy reviews,2010,14(3):1001
–
1013.
[0022]
[11]menezes a c,cripps a,bouchlaghem d等.predicted vs.actual energy performance of non-domestic buildings:using post-occupancy evaluation data to reduce the performance gap[j].applied energy,2012,97:355
–
364.
[0023]
[12]majcen d,itard l c m,visscher h.theoretical vs.actual energy consumption of labelled dwellings in the netherlands:discrepancies and policy implications[j].energy policy,2013,54:125
–
136.
[0024]
[13]de wilde p.the gap between predicted and measured energy performance of buildings:a framework for investigation[j].automation in construction,2014,41:40
–
49.
[0025]
[14]gaetani i,hoes p-j,hensen j l m.occupant behavior in building energy simulation:towards a fit-for-purpose modeling strategy[j].energy and buildings,2016,121:188
–
204.
[0026]
[15]pisello a l,castaldo v l,piselli c等.how peers
’
personal attitudes affect indoor microclimate and energy need in an institutional building:results from a continuous monitoring campaign in summer and winter conditions[j].energy and buildings,2016,126:485
–
497.
[0027]
[16]yan d,o
’
brien w,hong t等.occupant behavior modeling for building performance simulation:current state and future challenges[j/ol].energy and buildings,2015,107:264
–
278.
[0028]
[17]yan d,hong t,dong b等.iea ebc annex 66:definition and simulation of occupant behavior in buildings[j].energy and buildings,2017,156:258
–
270.
[0029]
[18]hopfe c j,hensen j l m.uncertainty analysis in building performance simulation for design support[j/ol].energy and buildings,2011,43(10):2798
–
2805.
[0030]
[1]maile t,fischer m,bazjanac v.building energy performance simulation tools-a life-cycle and interoperable perspective[j].center for integrated facility engineering(cife)working paper,2007,107:1
–
49.
[0031]
[2]hu w,yang c.grey model of direct solar radiation intensity on the horizontal plane for cooling loads calculation[j].building and environment,2000,35(7):587
–
593.
[0032]
[3]lam j c.energy analysis of commercial buildings in subtropical climates[j].building and environment,2000,35(1):19
–
26.
[0033]
[4]wan k k w,cheung k l,liu d等.impact of modelled global solar radiation on simulated building heating and cooling loads[j].energy conversion and management,2009,50(3):662
–
667.
[0034]
[5]manz h.total solar energy transmittance of glass doublewith free convection[j].energy and buildings,2004,36(2):127
–
136.
[0035]
[6]li z,zhang s,chang j等.simulation study on light environment performance and heat gain of applying a bimetal automatic shading device to rooms[j].energy and buildings,2020,211:109820.
[0036]
[7]yun g,yoon k c,kim k s.the influence of shading control strategies on the visual comfort and energy demand of office buildings[j].energy and buildings,2014,84:70
–
85.
[0037]
[8]freewan a a y.impact of external shading devices on thermal and daylighting performance of offices in hot climate regions[j].solar energy,2014,102:14
–
30.
[0038]
[9]al-mumin a,khattab o,sridhar g.occupants
’
behavior and activity patterns influencing the energy consumption in the kuwaiti residences[j].energy and buildings,2003,35(6):549
–
559.
[0039]
[10]roetzel a,tsangrassoulis a,dietrich u等.a review of occupant control on natural ventilation[j].renewable and sustainable energy reviews,2010,14(3):1001
–
1013.
[0040]
[11]menezes a c,cripps a,bouchlaghem d等.predicted vs.actual energy performance of non-domestic buildings:using post-occupancy evaluation data to reduce the performance gap[j].applied energy,2012,97:355
–
364.
[0041]
[12]majcen d,itard l c m,visscher h.theoretical vs.actual energy consumption of labelled dwellings in the netherlands:discrepancies and policy implications[j].energy policy,2013,54:125
–
136.
[0042]
[13]de wilde p.the gap between predicted and measured energy performance of buildings:a framework for investigation[j].automation in construction,2014,41:40
–
49.
[0043]
[14]gaetani i,hoes p-j,hensen j l m.occupant behavior in building energy simulation:towards a fit-for-purpose modeling strategy[j].energy and buildings,2016,121:188
–
204.
[0044]
[15]pisello a l,castaldo v l,piselli c等.how peers
’
personal attitudes affect indoor microclimate and energy need in an institutional building:results from a continuous monitoring campaign in summer and winter conditions[j].energy and buildings,2016,126:485
–
497.
[0045]
[16]yan d,o
’
brien w,hong t等.occupant behavior modeling for building performance simulation:current state and future challenges[j/ol].energy and buildings,2015,107:264
–
278.
[0046]
[17]yan d,hong t,dong b等.iea ebc annex 66:definition and simulation of occupant behavior in buildings[j].energy and buildings,2017,156:258
–
270.
[0047]
[18]hopfe c j,hensen j l m.uncertainty analysis in building performance simulation for design support[j/ol].energy and buildings,2011,43(10):2798
–
2805.


技术实现要素：

[0048]
为解决上述问题，本发明提供了一种不需要通过时间表或手动输入各参数阈值的方式就能够生成符合真实行为模式的遮阳行为的生成方法从而减小能耗模拟结果与真值之间的差异，本发明采用了如下技术方案：
[0049]
本发明提供了一种基于建筑能耗模拟软件动态生成遮阳行为的方法及装置，通过建筑能耗模拟软件依据上一时刻遮阳位置计算得到的计算结果动态生成窗户的当前遮阳位置，其特征在于，包括如下步骤：步骤s1，从建筑能耗模拟软件中获取根据上一时刻遮阳位置计算得到的包含人员在室情况、室外温度、水平面辐照度以及室内光照度的计算结果；步骤s2，根据人员在室情况判断房间内是否有人；步骤s3，在步骤s2判断为是时利用预定的第一遮阳行为预测模型根据上一时刻遮阳位置、室外温度、水平面辐照度以及室内光照度计算得到上拉行为概率、下拉行为概率以及无行为概率；步骤s4，根据上拉行为概率、下拉行为概率以及无行为概率利用预定的随机抽样方法确定遮阳行为；步骤s5，判断遮阳行为是否为无行为；步骤s6，在步骤s5判断为否时判断遮阳行为是否为上拉行为；步骤s7，在步骤s6判断为是时根据上拉行为利用预定的第二遮阳行为预测模型计算得到多个上拉幅度概率；步骤s8，根据上拉幅度概率通过随机抽样方法确定上拉幅度并作为当前遮阳位置输出，并输入至建筑能耗模拟软件作为下一个上一时刻遮阳位置；步骤s9，在步骤s6判断为否时根据下拉行为利用预定的第三遮阳行为预测模型计算得到多个下拉幅度概率；步骤s10，根据下拉幅度概率通过随机抽样方法确定下拉幅度并作为当前遮阳位置输出，并输入至建筑能耗模拟软件作为下一个上一时刻遮阳位置；步骤s11，在步骤s2判断为否时或是在步骤s5判断为是时，将上一时刻遮阳位置作为当前遮阳位置输出，并输入至建筑能耗模拟软件作为下一个上一时刻遮阳位置。
[0050]
本发明提供的基于建筑能耗模拟软件动态生成遮阳行为的方法及装置，还可以具有这样的技术特征，其中，随机抽样方法为蒙特卡洛模拟。
[0051]
本发明提供的基于建筑能耗模拟软件动态生成遮阳行为的方法及装置，还可以具有这样的技术特征，其中，第一遮阳行为预测模型、第二遮阳行为预测模型以及第三遮阳行为预测模型的网络结构相同。
[0052]
本发明提供的基于建筑能耗模拟软件动态生成遮阳行为的方法及装置，还可以具有这样的技术特征，其中，第一遮阳行为预测模型为用于对上拉行为、下拉行为以及无行为进行分类的logistics回归模型，该回归模型在训练过程中使用的是上拉行为、下拉行为以及无行为的训练集，第二遮阳行为预测模型为用于对上拉幅度进行分类的logistics回归模型，该回归模型在训练过程中使用的是不同上拉幅度的训练集，第三遮阳行为预测模型为用于对下拉幅度进行分类的logistics回归模型，该回归模型在训练过程中使用的是不同下拉幅度的训练集。
[0053]
本发明提供的基于建筑能耗模拟软件动态生成遮阳行为的方法及装置，还可以具有这样的技术特征，其中，建筑能耗模拟软件至少为energyplus、dest、equest以及trnsys其中一种。
[0054]
本发明提供的基于建筑能耗模拟软件动态生成遮阳行为的方法及装置，其特征在于：利用基于建筑能耗模拟软件动态生成遮阳行为的方法生成当前遮阳位置，并输送至建筑能耗模拟软件作为下一个上一时刻遮阳位置。
[0055]
发明作用与效果
[0056]
根据本发明的基于建筑能耗模拟软件动态生成遮阳行为的方法及装置，由于从建筑能耗模拟软件中获取包含人员在室情况、室外温度、水平面辐照度以及室内光照度的计算结果，因此不需要通过用户自己手动设定配置文件来完成阈值模型或时间表构建的方式从而实现对遮阳状态的界定。
[0057]
另外，由于第一遮阳行为预测模型计算得到上拉行为概率、下拉行为概率以及无行为概率，第二遮阳行为预测模型计算得到多个上拉幅度概率，第三遮阳行为预测模型计算得到多个下拉幅度概率，进而根据下拉幅度概率通过随机抽样方法确定下拉幅度并作为当前遮阳位置输出以及根据上拉幅度概率通过随机抽样方法确定上拉幅度并作为当前遮阳位置输出，因此，本发明的方法采用黑箱模型得到上述各个概率，并通过蒙特卡洛模拟确定最终遮阳行为的方式，从而符合遮阳行为产生的机理，即人员由于受到光热环境刺激会产生遮阳行为的“冲动”。使得最后得到的遮阳行为最终是否会发生以及遮阳会被调节至哪些位置具备随机性，贴合人员产生遮阳行为的过程，并获得更精准的遮阳行为。
[0058]
此外，由于将当前遮阳位置输入至建筑能耗模拟软件作为建筑能耗模拟软件的计算基础，因此不需要依靠用户设定的配置文件就能实现遮阳行为的动态生成。
[0059]
本方法可以较为精准地描述出遮阳行为，从而能够模拟出逼近真值的能耗模拟结果，为实际应用中建筑的能耗需求评估提供较为精确的情报，最终达到能源消耗量最小的目的。
附图说明
[0060]
图1为本发明实施例的基于建筑能耗模拟软件动态生成遮阳行为的方法的流程图；
[0061]
图2为本发明实施例的各个遮阳状态的示意图；
[0062]
图3为本发明实施例的各个遮阳行为预测模型的部分系数与偏差的实例图；以及
[0063]
图4为本发明实施例的遮阳行为动态生成模块与建筑能耗模拟软件联动的示意图。
具体实施方式
[0064]
为了使本发明实现的技术手段、创造特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明的基于建筑能耗模拟软件动态生成遮阳行为的方法及装置作具体阐述。
[0065]
<实施例>
[0066]
本发明实施例中的基于建筑能耗模拟软件动态生成遮阳行为的方法根据建筑能耗模拟软件输出的计算结果进行动态生成遮阳行为，并将该遮阳行为结果反馈给建筑能耗模拟软件，从而实现遮阳行为地动态生成以及实时更新。
[0067]
图1为本发明实施例的基于建筑能耗模拟软件动态生成遮阳行为的方法的流程图。
[0068]
如图1，基于建筑能耗模拟软件动态生成遮阳行为的方法包括如下步骤：
[0069]
步骤s1，从建筑能耗模拟软件中获取根据上一时刻遮阳位置计算得到的包含人员
在室情况、室外温度、水平面辐照度以及室内光照度的计算结果，然后进入步骤s2。
[0070]
其中，建筑能耗模拟软件至少为energyplus、dest、equest以及trnsys其中一种。
[0071]
本实施例中，建筑能耗模拟软件使用的是dest。
[0072]
步骤s2，根据人员在室情况判断房间内是否有人，判断为是时进入步骤s3，判断为否时进入步骤s11。
[0073]
步骤s3，时利用预定的第一遮阳行为预测模型根据上一时刻遮阳位置、室外温度、水平面辐照度以及室内光照度计算得到上拉行为概率、下拉行为概率以及无行为概率，然后进入步骤s4。
[0074]
其中，第一遮阳行为预测模型为用于对上拉行为、下拉行为以及无行为进行分类的logistics回归模型，该回归模型在训练过程中使用的是上拉行为、下拉行为以及无行为的训练集。
[0075]
上拉行为y1、下拉行为y2以及无行为y3具体可表示为：
[0076][0077]
式中，x1为室内光照度，x2为水平面辐照度，x3为室外温度，x4为上一时刻遮阳位置，为系数，为偏差。
[0078]
上拉行为概率p1、下拉行为概率p2以及无行为概率p3具体可表示为：
[0079][0080]
其中，p1+p2+p3＝1。
[0081]
步骤s4，根据上拉行为概率、下拉行为概率以及无行为概率利用预定的随机抽样方法确定遮阳行为，然后进入步骤s5。
[0082]
其中，随机抽样方法为蒙特卡洛模拟，遮阳行为包括下拉行为、下拉行为以及无行为。
[0083]
通过蒙特卡洛模拟确定遮阳行为的具体过程为：先生成随机数a，a∈[0,1]；然后根据a的数值确定a是属于[0,p1)、[p1,p1+p2)以及[p1+p2,p1+p2+p3]哪一个区间，当a∈[0,p1)时，遮阳行为为上拉行为；当a∈[p1,p1+p2)时，遮阳行为为下拉行为；当a∈[p1+p2,p1+p2+p3]时，遮阳行为为无行为。
[0084]
步骤s5，判断遮阳行为是否为无行为，判断为否时进入步骤s6，判断为是时进入步骤s11。
[0085]
步骤s6，判断遮阳行为是否为上拉行为，判断为是时进入步骤s7，判断为否时进入步骤s9。
[0086]
图2为本发明实施例的各个遮阳状态的示意图。
[0087]
本实施例中，关于上拉幅度以及下拉幅度的界定是通过衡量遮挡窗户比例的形式将遮阳状态分为五档，如图2所示：一档为完全不遮挡窗户的一档遮阳状态、二档为遮挡了20％窗户面积的二档遮阳状态、三档为遮挡了40％窗户面积的三档遮阳状态、四档为遮挡了80％窗户面积的四档遮阳状态、五档为完全遮挡住窗户的五档遮阳状态。
[0088]
综上，上拉幅度可以分为上拉至一档y4、上拉至二档y5、上拉至三档y6以及上拉至四档y7，具体为：
[0089][0090]
式中，为系数，为偏差。
[0091]
步骤s7，根据上拉行为利用预定的第二遮阳行为预测模型计算得到多个上拉幅度概率，然后进入步骤s8。
[0092]
其中，第二遮阳行为预测模型为用于对上拉幅度进行分类的logistics回归模型，该回归模型在训练过程中使用的是不同上拉幅度的训练集。
[0093]
上拉幅度概率根据上拉幅度可以分为上拉至一档概率p4、上拉至二档概率p5、上拉至三档概率p6以及上拉至四档概率p7，具体为：
[0094][0095][0096][0097]
式中，p4+p5+p6+p7＝1.
[0098]
步骤s8，根据上拉幅度概率通过随机抽样方法确定上拉幅度并作为当前遮阳位置
输出，并输入至建筑能耗模拟软件作为下一个上一时刻遮阳位置，然后进入结束状态。
[0099]
其中，通过蒙特卡洛模拟确定上拉幅度的具体过程为：先生成随机数b，b∈[0,1]；然后根据b的数值确定b是属于[0,p4)、[p4,p4+p5)、[p4+p5,p4+p5+p6)以及[p4+p5+p6,p4+p5+p6+p7]哪一个区间，当b∈[0,p4)时，上拉幅度为上拉至一档；当b∈[p4,p4+p5)时，上拉幅度为上拉至二档；当b∈[p4+p5,p4+p5+p6)时，上拉幅度为上拉至三档；当b∈[p4+p5+p6,p4+p5+p6+p7]时，上拉幅度为上拉至四档。
[0100]
步骤s9，根据下拉行为利用预定的第三遮阳行为预测模型计算得到多个下拉幅度概率，然后进入步骤s10。
[0101]
其中，第三遮阳行为预测模型为用于对下拉幅度进行分类的logistics回归模型，该回归模型在训练过程中使用的是不同下拉幅度的训练集。
[0102]
下拉幅度可以分为下拉至二档y8、下拉至三档y9、下拉至四档y
10
以及下拉至五档y
11
，具体为：
[0103][0104]
y
10
＝a
10
*x1+b
10
*x2+c
10
*x3+d
10
*x4+e
10
[0105]
y
11
＝a
11
*x1+b
11
*x2+c
11
*x3+d
11
*x4+e
11
[0106]
式中，为系数，为偏差。
[0107]
下拉幅度概率根据下拉幅度可以分为下拉至二档概率p8、下拉至三档概率p9、下拉至四档概率p
10
以及下拉至五档概率p
11
，具体为：
[0108][0109]
式中，p8+p9+p
10
+p
11
＝1.
[0110]
步骤s10，根据下拉幅度概率通过随机抽样方法确定下拉幅度并作为当前遮阳位置输出，并输入至建筑能耗模拟软件作为下一个上一时刻遮阳位置，然后进入结束状态。
[0111]
其中，通过蒙特卡洛模拟确定下拉幅度的具体过程为：先生成随机数c，c∈[0,1]；然后根据c的数值确定c是属于[0,p8)、[p8,p8+p9)、[p8+p9,p8+p9+p
10
)以及[p8+p9+p
10
,p8+p9+p
10
+p
11
]哪一个区间，当c∈[0,p8)时，下拉幅度为下拉至二档；当c∈[p8,p8+p9)时，下拉幅度
为下拉至三档；当c∈[p8+p9,p8+p9+p
10
)时，下拉幅度为下拉至四档；当c∈[p8+p9+p
10
,p8+p9+p
10
+p
11
]时，下拉幅度为下拉至五档。
[0112]
步骤s11，在步骤s2判断为否时或是在步骤s5判断为是时，将上一时刻遮阳位置作为当前遮阳位置输出，并输入至建筑能耗模拟软件作为下一个上一时刻遮阳位置，然后进入结束状态。
[0113]
当室内没有人或是在步骤s5中判断遮阳行为为无行为时，当前遮阳位置与上一时刻遮阳位置保持一致。
[0114]
上述第一遮阳行为预测模型、第二遮阳行为预测模型以及第三遮阳行为预测模型的网络结构相同。
[0115]
同时，第一遮阳行为预测模型、第二遮阳行为预测模型以及第三遮阳行为预测模型采用的训练样本为一年的实测遮阳行为，并基于数据驱动算法进行训练。
[0116]
图3为本发明实施例的各个遮阳行为预测模型的部分系数与偏差的实例图。
[0117]
完成训练并在实际中应用的第一遮阳行为预测模型、第二遮阳行为预测模型以及第三遮阳行为预测模型中部分系数如图3所示，第一遮阳行为预测模型中的系数以及偏差对应的值；第二遮阳行为预测模型中的部分系数[a
4 b
4 c
4 d4]以及偏差e4对应的值；第三遮阳行为预测模型中的系数以及偏差对应的值。
[0118]
上述基于建筑能耗模拟软件动态生成遮阳行为的方法可以在计算机中集成一个遮阳行为动态生成模块并形成一种基于建筑能耗模拟软件动态生成遮阳行为的装置。遮阳行为动态生成模块通过上述的基于建筑能耗模拟软件动态生成遮阳行为的方法实时地输出当前遮阳位置，并输送至建筑能耗模拟软件作为下一个上一时刻遮阳位置。
[0119]
图4为本发明实施例的遮阳行为动态生成模块与建筑能耗模拟软件联动的示意图。
[0120]
如图4所示，遮阳行为动态生成模块与建筑能耗模拟软件联动方法属于乒乓法，即：建筑能耗模拟软件在时刻1时计算得到的包含人员在室情况、室外温度、水平面辐照度以及室内光照度的计算结果作为时刻2时的遮阳行为动态生成模块的输入，遮阳行为动态生成模块根据计算结果生成当前遮阳位置，并作为时刻2时的建筑能耗模拟软件的输入，时刻2时的建筑能耗模拟软件根据当前遮阳位置计算得到的计算结果作为时刻3时的遮阳行为动态生成模块的输入，以此类推，分别可以得到时刻4时以及时刻5时的遮阳行为动态生成模块的输入，从而实现了遮阳行为的动态生成。
[0121]
实施例作用与效果
[0122]
根据上述实施例提供的基于建筑能耗模拟软件动态生成遮阳行为的方法及装置，由于从建筑能耗模拟软件中获取包含人员在室情况、室外温度、水平面辐照度以及室内光照度的计算结果，因此不需要通过用户自己手动设定配置文件来完成阈值模型或时间表构建的方式从而实现对遮阳状态的界定。
[0123]
另外，在实施例中，由于第一遮阳行为预测模型计算得到上拉行为概率、下拉行为概率以及无行为概率，第二遮阳行为预测模型计算得到多个上拉幅度概率，第三遮阳行为预测模型计算得到多个下拉幅度概率，进而根据下拉幅度概率通过随机抽样方法确定下拉幅度并作为当前遮阳位置输出以及根据上拉幅度概率通过随机抽样方法确定上拉幅度并作为当前遮阳位置输出，因此，本发明的方法采用黑箱模型得到上述各个概率，并通过蒙特卡洛模拟确定最终遮阳行为的方式，从而符合遮阳行为产生的机理，即人员由于受到光热环境刺激会产生遮阳行为的“冲动”。使得最后得到的遮阳行为最终是否会发生以及遮阳会被调节至哪些位置具备随机性，贴合人员产生遮阳行为的过程，并获得更精准的遮阳行为。
[0124]
另外，在实施例中，由于将当前遮阳位置输入至建筑能耗模拟软件作为建筑能耗模拟软件的计算基础，因此不需要依靠用户设定的配置文件就能实现遮阳行为的动态生成。
[0125]
另外，在实施例中，由于第一遮阳行为预测模型、第二遮阳行为预测模型以及第三遮阳行为预测模型均为logistics回归模型，因此可以描述出导致遮阳行为发生的典型驱动因素与行为之间的关系，进而得到可以动态计算出具有广泛代表性的典型遮阳行为模式。
[0126]
另外，在实施例中，由于随机抽样方法为蒙特卡洛模拟，因此可以对最终是否会产生遮阳行为与遮阳位置进行确定，而不是只根据logistics回归模型输出的概率确定遮阳行为与遮阳位置，从而增加了随机性，更好地在建筑能耗模拟软件中体现动态生成遮阳行为这一随机过程。
[0127]
上述实施例仅用于举例说明本发明的具体实施方式，而本发明不限于上述实施例的描述范围。
[0128]
在上述实施例中，建筑能耗模拟软件至少为energyplus、dest、equest以及trnsys其中一种，在本发明的其他方案中也可以使用现有的具备遮阳行为时间表生成功能的常用的建筑能耗模拟软件。
[0129]
在上述实施例中，随机抽样方法为蒙特卡洛模拟，在本发明的其他方案中也可以使用其他统计模拟方法根据上述各种概率模拟出相应行为。
[0130]
在上述实施例中，第一遮阳行为预测模型、第二遮阳行为预测模型以及第三遮阳行为预测模型均为logistics回归模型，在本发明的其他方案中，第一遮阳行为预测模型、第二遮阳行为预测模型以及第三遮阳行为预测模型也可以使用相同的常规分类模型，或是使用不同的常规分类模型。
[0131]
在上述实施例中，上拉幅度以及下拉幅度的界定是通过衡量遮挡窗户比例的形式将遮阳状态分为五档，从而形成了上拉至一档y4、上拉至二档y5、上拉至三档y6以及上拉至四档y7的上拉幅度以及下拉至二档y8、下拉至三档y9、下拉至四档y
10
以及下拉至五档y
11
的下拉幅度，在本发明的其他方案中，也可以通过将遮挡窗户比例的更加细化或是更加简略
化定义上拉幅度以及下拉幅度，例如，遮阳状态分为四档时，形成了上拉至一档、上拉至二档以及上拉至三档的上拉幅度以及下拉至二档、下拉至三档以及下拉至四档的下拉幅度；又比如，遮阳状态分为六档时，形成了上拉至一档、上拉至二档、上拉至三档、上拉至四档以及上拉至五档的上拉幅度以及下拉至二档、下拉至三档、下拉至四档、下拉至五档以及下拉至六档的下拉幅度。