建筑能耗预测方法、装置、计算机设备、存储介质与流程

1.本技术涉及建筑领域，特别是涉及一种建筑能耗预测方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.建筑能耗是指建筑物使用过程中用于供暖、通风、空调、照明、家用电器、输送、动力、烹任、给水排水和热水供应等的能耗。在全世界的能源耗中，建筑能耗在总能耗中所占的比重都很大，因此对建筑能耗进行预测对建筑能耗的管理有重大意义。
3.但是，传统技术中的建筑能耗模拟软件需要详细的建筑信息并且花费较长的时间去建立建筑和街区的模型，并且缺少一个大规模自动建模并模拟且需要较少数据的能耗生成框架。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够高效的建模的建筑能耗模型生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种建筑能耗模型生成方法，该方法包括：
6.获取建筑信息以及建筑能耗影响因素；
7.根据所述建筑信息构建得到初始建筑模型；
8.基于所述能耗影响因素，得到建筑能耗指标；
9.根据所述建筑能耗指标以及所述初始建筑模型，得到建筑能耗模型。
10.在其中一个实施例中，所述建筑能耗影响因素是根据预先训练的影响因素预测模型得到的；其中，根据所述影响因素预测模型得到建筑能耗影响因素的过程，包括：
11.获取初始建筑能耗影响因素；
12.对所述初始建筑能耗影响因素进行计算，得到因素平面；
13.根据所述因素平面以及预设松弛变量，得到所述建筑能耗影响因素。
14.在其中一个实施例中，所述根据所述因素平面以及预设松弛变量，得到所述建筑能耗影响因素，包括：
15.根据所述因素平面以及预设松弛变量，得到目标样本；
16.最小化所述目标样本的总损失，并最大化所述因素平面与预设松弛变量之间的间隔，得到所述建筑能耗影响因素。
17.在其中一个实施例中，所述建筑信息的获取过程，包括：
18.向目标对象发送数据请求；
19.接收所述目标对象发送的数据信息，并对所述数据信息进行解析后得到所述建筑信息。
20.第二方面，本技术提供了一种建筑能耗预测方法，所述方法包括：
21.根据上述任意一个实施例中的建筑能耗模型生成方法，生成建筑能耗模型；
22.通过建筑能耗预测模型对所述建筑能耗模型的建筑能耗进行预测，得到所述建筑能耗模型对应的建筑能耗。
23.第三方面，本技术还提供了一种建筑能耗模型生成装置。所述装置包括：
24.获取模块，用于获取建筑信息以及建筑能耗影响因素；
25.初始模型构建模块，用于根据所述建筑信息构建得到初始建筑模型；
26.指标获取模块，用于基于所述能耗影响因素，得到建筑能耗指标；
27.第一模型构建模块，用于根据所述建筑能耗指标以及所述初始建筑模型，得到建筑能耗模型。
28.第四方面，本技术还提供了一种建筑能耗预测装置。所述装置包括：
29.第二模型构建模块，用于根据上述任意一项实施例中的建筑能耗模型生成装置，生成建筑能耗模型；
30.预测模块，用于通过建筑能耗预测模型对所述建筑能耗模型的建筑能耗进行预测，得到所述建筑能耗模型对应的建筑能耗。
31.第五方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意一个实施例中的方法的步骤。
32.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一个实施例中的方法的步骤。
33.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时上述任意一个实施例中的方法的步骤。
34.上述建筑能耗模型生成方法、装置、计算机设备、存储介质和计算机程序产品，服务器首先获取建筑信息以及建筑能耗影响因素，然后根据建筑信息构建得到初始建筑模型、根据建筑能耗影响因素得到建筑能耗指标，最后根据建筑能耗指标以及初始建筑模型得到建筑能耗模型。首先，在上述步骤中所需要输入的参数较少，仅需要建筑信息以及建筑能耗影响因素，因此可以更加便捷地搭建建筑能耗模型；其次，对建筑信息以及建筑能耗因素进行调整，即可生成不同的建筑能耗模型，因此建筑能耗模型的可扩展性更强。
附图说明
35.图1为一个实施例中建筑能耗模型生成的流程示意图；
36.图2为一个实施例中的建筑能耗影响因素筛选示意图；
37.图3为一个实施例中建筑能耗预测的流程示意图；
38.图4为一个实施例中的建筑群能耗构建和预测的流程示意图；
39.图5为一个实施例中建筑能耗模型生成装置的结构框图；
40.图6为一个实施例中建筑能耗预测装置的结构框图；
41.图7为一个实施例中计算机设备的内部结构图。
具体实施方式
42.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
43.在一个实施例中，如图1所示，提供了一种建筑能耗模型生成方法，，包括以下步骤：
44.s102，获取建筑信息以及建筑能耗影响因素。
45.其中，建筑信息是指关于建筑物的信息，例如建筑物的建筑轮廓以及建筑物的建筑高度等。
46.其中，建筑能耗是指建筑物使用过程中用于供暖、通风、空调、照明、家用电器、输送、动力、烹任、给水排水和热水供应等所产生的能耗；建筑能耗因素是指对建筑能耗产生影响的因素，例如物理因素、环境因素和社会因素，其中物理因素包括墙体、建筑面积和窗户，环境因素包括温度和时间，社会因素包括建筑类型、租金房价和cbd(central business district，中央商务区)距离。
47.s104，根据建筑信息构建得到初始建筑模型。
48.其中，初始建筑模型是指根据建筑信息搭建的模型，其中不包括任何会产生能耗的设备或者对象，是一个只包括建筑信息的建筑模型。
49.可选地，可以在rhino(rhinoceros，一种3d造型软件)中根据建筑信息生成建筑体块，即只有与建筑轮廓和建筑高度的立方体，并将该立方体作为初始的建筑模型。
50.s106，基于建筑能耗影响因素，得到建筑能耗指标。
51.其中，建筑能耗指标是根据建筑能耗因素得到的，用于构建具体的建筑能耗模型的因素。
52.可选地，如果建筑能耗影响因素为墙体、建筑面积、窗户，温度、时间，建筑类型、租金房价和cbd距离，那么服务器根据预设规则以及建筑能耗影响因素得到建筑能耗指标。
53.示例性的，已知当前建筑能耗影响因素为建筑类型，那么服务可以根据预设规则从建筑类型中筛选目标建筑类型，如结合预设规则从详规“一张图
”ꢀ
(http://pnr.sz.gov.cn/d-xgmap)中进行筛选，得到建筑类型对应的建筑类型指标为办公楼、商场、医院、学校、住宅、餐厅、宾馆、工厂。其中，“一张图”中包括建筑物所有的建筑类型。预设规则为预先设定的选择建筑能耗指标的指标，其可以是某一行业规范、筛选规则等。
54.可选地，建筑能耗影响因素为窗户，那么服务器可以从《民用建筑热工设计规范》gb 50176-93中得到窗户对应的窗户指标，如窗户指标为北向不大于 0.25，东西向不大于0.30，南向不大于0.35。
55.s108，根据建筑能耗指标以及初始建筑模型，得到建筑能耗模型。
56.其中，建筑能耗模型是指包括各项功能的建筑模型，其是初始建筑能耗模型中增加了建筑指标所形成的模型。
57.服务器将建筑能耗指标添加到初始建筑模型中，即可得到建筑能耗模。可选地，如果服务器能够获取到更多的建筑信息也可以加入到建筑能耗模型中，以提高建筑能耗模型的精度。
58.上述建筑能耗模型生成方法中，服务器首先获取建筑信息以及建筑能耗影响因素，然后根据建筑信息构建得到初始建筑模型、根据建筑能耗影响因素得到建筑能耗指标，最后根据建筑能耗指标以及初始建筑模型得到建筑能耗模型。首先，在上述步骤中所需要
输入的参数较少，仅需要建筑信息以及建筑能耗影响因素，因此可以更加便捷地搭建建筑能耗模型；其次，对建筑信息以及建筑能耗因素进行调整，即可生成不同的建筑能耗模型，因此建筑能耗模型的可扩展性更强。
59.在其中一个实施例中，建筑能耗影响因素是根据预先训练的影响因素预测模型得到的；其中，根据影响因素预测模型得到建筑能耗影响因素的过程，包括：获取初始建筑能耗影响因素；对初始建筑能耗影响因素进行计算，得到因素平面；根据因素平面以及预设松弛变量，得到建筑能耗影响因素。
60.其中，初始建筑能耗因素是指所有可能影响建筑能耗的因素，如物理因素包括建筑面积、建筑结构、空调系统、外墙保温形式、建筑年龄、外墙材料等，环境因素包括经纬度、温度和时间，社会因素包括建筑类型、人口、租金房价和cbd距离等。
61.其中，因素平面是指能够对初始能耗影响因素进行分类的平面，可得到建筑能耗影响因素以及其他因素；影响因素预测模型是指预先训练得到的，能够从初始建筑能耗影响因素中得到建筑能耗影响因素的模型。
62.影响因素预测模型首先获取初始建筑能耗影响因素，然后根据初始建筑能耗影响因素进行计算得到因素平面，此时可以得到建筑能耗影响因素与其他因素，然后再根据因素平面以及预设松弛变量进行进一步筛选，得到最终的建筑能耗影响因素。由于越靠近因素平面的初始建筑能耗影响因素的可靠性越低，因此需要结合预设松弛变量进行进一步筛选。
63.可选地，根据因素平面以及预设松弛变量，得到建筑能耗影响因素，包括：根据因素平面以及预设松弛变量，得到目标样本；最小化目标样本的总损失，并最大化因素平面与预设松弛变量之间的间隔，得到建筑能耗影响因素。
64.其中，目标样本是指根据因素平面以及预设松弛变量进行筛选后的初始建筑能耗影响，例如，通过因素平面得到建筑能耗影响因素与其他因素，由于越靠近因素平面的初始建筑能耗影响因素的可靠性越低，因此可以通过设置预设松弛变量进行筛选，如选择因素平面与预设松弛变量以外的初始建筑能耗影响因素作为目标样本。然后，计算目标样本的损失以及因素平面与预设松弛变量之间的间隔，并最小化目标样本的总损失以及最大化因素平面与预设松弛变量之间的间隔，得到建筑能耗影响因素。
65.可选地，结合图2所示，图2为一个实施例中的建筑能耗影响因素筛选示意图，图中的实线为因素平面，虚线为预设松弛变量。在本实施例中，可以采用基于svr模型训练得到的影响因素预测模型对初始建筑能耗影响因素进行处理。影响因素预测模型是将所有初始建筑能耗影响因素视为超平面上的一个点，点的坐标为数据的所有特征，影响因素预测模型试图找到一个超平面和一个间隔带将数据集进行划分，间隔带的宽度为ε，对所有落入到间隔带内的样本不计算损失，其优化目标为最小化总损失和最大化间隔。其具体计算公式如下所示：
[0066][0067]yi-wx
i-b≤ε+ξi[0068]
[0069][0070]
其中yi为建筑能耗，xi为能初始建筑能耗影响因素，w为系数，ξi和为预设松弛变量。通过模型中w可以获取建筑能耗影响因素，即建筑能耗影响因素，物理因素包括墙体、建筑面积和窗户，环境因素包括温度和时间，社会因素包括建筑类型、租金房价和cbd距离，这些建筑能耗影响因素将用于建筑能耗模型生成。
[0071]
在上述实施例中，通过影响因素预测模型计算得到建筑能耗影响因素，这样在构建建筑能耗模型只需要建筑能耗影响因素对应的建筑能耗指标，这样能够减少构建建筑能耗模型所需的参数，以提升构建建筑能耗模型的效率并且能够减少运行耗费资源。
[0072]
在其中一个实施例中，建筑信息的获取过程，包括：向目标对象发送数据请求；接收目标对象发送的数据信息，并对数据信息进行解析后得到建筑信息。
[0073]
其中，目标对象是指服务器发送数据请求的对象，如百度地图、高德地图等。
[0074]
可选地，首先获取百度地图和高德地图的key(地图密钥)，通过python 的requests库向百度地图和高德地图的api发送数据请求，最后抓取返回的数据包进行解析获取相应的geometry类型的数据。
[0075]
在上述实施例中，建筑信息是通过目标对象获取的，也能从侧面体现出在构建建筑能耗模型过程中所需输入的参数较少，能够更加便捷的实现建筑能耗模型的自动建模。
[0076]
在一个实施例中，如图3所示，提供了一种建筑能耗预测方法，包括以下步骤：
[0077]
s302，根据上述任意一个实施例中的建筑能耗模型生成方法，生成建筑能耗模型。
[0078]
s304，通过建筑能耗预测模型对建筑能耗模型的建筑能耗进行预测，得到建筑能耗模型对应的建筑能耗。
[0079]
其中，建筑能耗预测模型是指能够对建筑能耗模型进行建筑能耗预测的模型，即其能够根据建筑能耗模型对建筑物中的所有能耗进行预测，例如 energyplus(一款建筑能耗模拟软件)。
[0080]
将建筑能耗模型作为energyplus的输入来生成小时级的建筑能耗，energyplus中的内置的功能对建筑能耗进行计算。在其他实施例中，可以通过输入参数，来对energyplus进行控制，例如想要energyplus生成小时级的建筑能耗就将输入参数设置为1小时。
[0081]
在上述实施例中，通过建筑能耗预测模型对建筑能耗模型的建筑能耗进行预测可准确得到建筑能耗模型对应的建筑能耗。
[0082]
在一个示例性实施例中，结合图4所示，图4为一个实施例中的建筑群能耗构建和预测的流程示意图。
[0083]
s402，获取影响建筑能耗的初始建筑能耗影响因素。其中包括：物理因素、环境因素和社会因素。物理因素包括建筑面积、建筑结构、空调系统、外墙保温形式、建筑年龄、外墙材料等，环境因素包括经纬度、温度和时间，社会因素包括建筑类型、人口、租金房价和cbd距离等。然后使用影响因素预测模型得到建筑能耗影响因素。其中，物理因素包括墙体、建筑面积和窗户，环境因素包括温度和时间，社会因素包括建筑类型、租金房价和cbd距离，这些影响因素将用于建筑能耗模型生成。
[0084]
s404，获取建筑信息构建初始建筑模型。首先获取百度地图和高德地图的 key，通过python的requests库向百度地图和高德地图的api发送数据请求，最后抓取返回的数据
包进行解析获取相应的geometry类型的数据。然后，将 geometry类型的数据输入至rhino，在rhino中根据建筑高度拉高建筑轮廓生成建筑体块作为初始的建筑bim模型，即初始建筑模型。
[0085]
s406，根据建筑能耗影响因素，得到建筑能耗指标；并根据建筑能耗指标以及初始建筑模型，得到建筑能耗模型。在步骤s402中已经得到了建筑能耗影响因素为墙体、建筑面积、窗户，温度和时间、建筑类型、租金房价和cbd距离，根据这些建筑能耗影响因素得到对应的建筑能耗指标。
[0086]
(1)为bim模型划分楼层并添加窗户，层高设置为每层3米，窗墙比设定依据《民用建筑热工设计规范》gb 50176-93，北向不大于0.25，东西向不大于 0.30，南向不大于0.35；
[0087]
(2)bim模型中墙体、屋顶和地板材料的性能指标从《ashrae 189.1-2009》数据库中获取，气候区选择为climatezone2a，材料选择为混凝土结构；
[0088]
(3)为bim模型添加建筑人员和设备时间表，时间表的设定依据建筑类型查询《department of energy 2011》标准获得，建筑类型来自于详规“一张图
”ꢀ
(http://pnr.sz.gov.cn/d-xgmap)，建筑类型主要包括办公楼、商场、医院、学校、住宅、餐厅、宾馆、工厂；
[0089]
(4)为bim模型分配热源如设备能耗密度、灯能耗密度和人员密度等，相关设定参照《民用建筑绿色性能设计标准-2018》，具体设定如表1所示：
[0090]
表1
[0091][0092]
(5)对所有建筑添加相同的光照和天气等环境因素，天气和光照文件来自于energyplus(https://energyplus.net/weather)，数据由清华大学建筑科学与技术系蒋毅博士和中国气象局共同开发，源数据包括年度设计数据、典型年份数据、最大焓、最大和最小温度以及太阳辐射的极端年份。
[0093]
将上述建筑能耗指标添加到初始建筑模型，即可得到建筑能耗模型。
[0094]
s408，将bim模型作为energyplus的输入来生成小时级的建筑能耗。 energyplus由美国能源部(department of energy，doe)和劳伦斯
·
伯克利国家实验室(lawrence berkeley national laboratory，lbnl)共同开发的一款建筑能耗模拟引擎。
[0095]
在上述实施例中，首先，输入参数较少，仅需要建筑轮廓、建筑高度和建筑类型，这些数据均可以从公开数据集中获得；其次，可扩展性强，可通过调整建筑信息以及建筑能耗影响因素即可得到不用的建筑能耗模型；再者，由于输入参数较少，因此在运行过程中运行耗费资源较少。
[0096]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0097]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的建筑能耗模型生成方法以及建筑能耗预测方法的建筑能耗模型生成装置以及建筑能耗预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个建筑能耗模型生成装置以及建筑能耗预测装置实施例中的具体限定可以参见上文中对于建筑能耗模型生成方法以及建筑能耗预测方法的限定，在此不再赘述。
[0098]
在一个实施例中，如图5所示，提供了一种建筑能耗模型生成装置，包括：获取模块100、初始模型构建模块200、指标获取模块300和第一模型构建模块 400，其中：
[0099]
获取模块100，用于获取建筑信息以及建筑能耗影响因素。
[0100]
初始模型构建模块200，用于根据建筑信息构建得到初始建筑模型。
[0101]
指标获取模块300，用于基于能耗影响因素，得到建筑能耗指标。
[0102]
第一模型构建模块400，用于根据建筑能耗指标以及初始建筑模型，得到建筑能耗模型。
[0103]
在一个实施例中，上述装置还包括处理模块，上述处理模块用于预先训练的影响因素预测模型得到建筑能耗影响因素。
[0104]
在一个实施例中，上述处理模块还包括：
[0105]
因素获取单元，用于获取初始建筑能耗影响因素。
[0106]
因素计算单元，用于对初始建筑能耗影响因素进行计算，得到因素平面。
[0107]
影响因素单元，用于根据因素平面以及预设松弛变量，得到建筑能耗影响因素。
[0108]
在一个实施例中，上述影响因素单元包括：
[0109]
样本获取子单元，用于根据因素平面以及预设松弛变量，得到目标样本。
[0110]
优化子单元，用于最小化目标样本的总损失，并最大化因素平面与预设松弛变量之间的间隔，得到建筑能耗影响因素。
[0111]
在一个实施例中，上述装置还包括：
[0112]
发送模块，用于向目标对象发送数据请求。
[0113]
接收模块，用于接收目标对象发送的数据信息，并对数据信息进行解析后得到建筑信息。
[0114]
在一个实施例中，如图6所示，提供了一种建筑能耗预测装置，包括：第一模型构建模块500和预测模块600，其中：
[0115]
第二模型构建模块500，用于根据上述任意一个实施例中的建筑能耗模型生成装置，生成建筑能耗模型；
[0116]
预测模块600，用于通过建筑能耗预测模型对建筑能耗模型的建筑能耗进行预测，得到建筑能耗模型对应的建筑能耗。
[0117]
上述建筑能耗模型生成装置以及建筑能耗预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0118]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储建筑信息以及建筑能耗影响因素数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种建筑能耗模型生成方法。
[0119]
本领域技术人员可以理解，图7中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0120]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取建筑信息以及建筑能耗影响因素；根据建筑信息构建得到初始建筑模型；基于能耗影响因素，得到建筑能耗指标；根据建筑能耗指标以及初始建筑模型，得到建筑能耗模型。
[0121]
在一个实施例中，处理器执行计算机程序时所实现的建筑能耗影响因素是根据预先训练的影响因素预测模型得到的；其中，根据影响因素预测模型得到建筑能耗影响因素的过程，包括：获取初始建筑能耗影响因素；对初始建筑能耗影响因素进行计算，得到因素平面；根据因素平面以及预设松弛变量，得到建筑能耗影响因素。
[0122]
在一个实施例中，处理器执行计算机程序时所实现的根据因素平面以及预设松弛变量，得到建筑能耗影响因素，包括：根据因素平面以及预设松弛变量，得到目标样本；最小化目标样本的总损失，并最大化因素平面与预设松弛变量之间的间隔，得到建筑能耗影响因素。
[0123]
在一个实施例中，处理器执行计算机程序时所实现的建筑信息的获取过程，包括：向目标对象发送数据请求；接收目标对象发送的数据信息，并对数据信息进行解析后得到建筑信息。
[0124]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：根据上述任意一个实施例中的建筑能耗模型生成方法，生成建筑能耗模型；通过建筑能耗预测模型对建筑能耗模型的建筑能耗进行预测，得到建筑能耗模型对应的建筑能耗。
[0125]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取建筑信息以及建筑能耗影响因素；根据建筑信息构建得到初始建筑模型；基于能耗影响因素，得到建筑能耗指标；根据建筑能耗指标以及初始建筑模型，得到建筑能耗模型。
[0126]
在一个实施例中，计算机程序被处理器执行时所实现的建筑能耗影响因素是根据
预先训练的影响因素预测模型得到的；其中，根据影响因素预测模型得到建筑能耗影响因素的过程，包括：获取初始建筑能耗影响因素；对初始建筑能耗影响因素进行计算，得到因素平面；根据因素平面以及预设松弛变量，得到建筑能耗影响因素。
[0127]
在一个实施例中，计算机程序被处理器执行时所实现的根据因素平面以及预设松弛变量，得到建筑能耗影响因素，包括：根据因素平面以及预设松弛变量，得到目标样本；最小化目标样本的总损失，并最大化因素平面与预设松弛变量之间的间隔，得到建筑能耗影响因素。
[0128]
在一个实施例中，计算机程序被处理器执行时所实现的建筑信息的获取过程，包括：向目标对象发送数据请求；接收目标对象发送的数据信息，并对数据信息进行解析后得到建筑信息。
[0129]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：根据上述任意一个实施例中的建筑能耗模型生成方法，生成建筑能耗模型；通过建筑能耗预测模型对建筑能耗模型的建筑能耗进行预测，得到建筑能耗模型对应的建筑能耗。
[0130]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：获取建筑信息以及建筑能耗影响因素；根据建筑信息构建得到初始建筑模型；基于能耗影响因素，得到建筑能耗指标；根据建筑能耗指标以及初始建筑模型，得到建筑能耗模型。
[0131]
在一个实施例中，计算机程序被处理器执行时所实现的建筑能耗影响因素是根据预先训练的影响因素预测模型得到的；其中，根据影响因素预测模型得到建筑能耗影响因素的过程，包括：获取初始建筑能耗影响因素；对初始建筑能耗影响因素进行计算，得到因素平面；根据因素平面以及预设松弛变量，得到建筑能耗影响因素。
[0132]
在一个实施例中，计算机程序被处理器执行时所实现的根据因素平面以及预设松弛变量，得到建筑能耗影响因素，包括：根据因素平面以及预设松弛变量，得到目标样本；最小化目标样本的总损失，并最大化因素平面与预设松弛变量之间的间隔，得到建筑能耗影响因素。
[0133]
在一个实施例中，计算机程序被处理器执行时所实现的建筑信息的获取过程，包括：向目标对象发送数据请求；接收目标对象发送的数据信息，并对数据信息进行解析后得到建筑信息。
[0134]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：根据上述任意一个实施例中的建筑能耗模型生成方法，生成建筑能耗模型；通过建筑能耗预测模型对建筑能耗模型的建筑能耗进行预测，得到建筑能耗模型对应的建筑能耗。
[0135]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器
(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器 (ferroelectric random access memory，fram)、相变存储器(phase changememory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器 (random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random accessmemory，sram)或动态随机存取存储器(dynamic random access memory， dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0136]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0137]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。