CN101995823B

CN101995823B - 基于统计预测技术的节能控制方法

Info

Publication number: CN101995823B
Application number: CN 201010295228
Authority: CN
Inventors: 吴伪亮
Original assignee: Individual
Current assignee: Individual
Priority date: 2010-09-28
Filing date: 2010-09-28
Publication date: 2012-12-12
Anticipated expiration: 2030-09-28
Also published as: CN101995823A

Abstract

本发明公开了一种基于统计预测技术的节能控制方法，其包括以下步骤：a、按照时间序列方式采集存储有效的需求数据Cd；b、提取特定时间段的需求数据，根据移动加权趋势法、或移动加权均值法、或二者综合折中算法来计算预测当前时间段的需求数据量CF；c、提取当前时间段向前推移上一循环周期内的需求数据总量并计算其数据平均量Cav；d、将CF与Cav进行比较并根据比较结果调控设备作出相应操作，实现实时节能控制。本发明的有益效果为：当处于一定的环境条件下时，未来的消费情况和过去的消费情况存在一定的关联性和规律性，可以从过去的消费情况分析出影响消费的因素，进而预测将来的消费情况，本发明采用的统计预测算法(移动加权趋势法和移动加权均值法)是建立在对这种关联性和规律性掌握基础之上的，基于影响消费需求的因素而发展的科学合理的预测算法模型，根据这种算法，其预测结果更为准确科学。

Description

基于统计预测技术的节能控制方法

技术领域

本发明涉及一种节能控制方法，属于节能自动化控制技术领域，尤其是指一种基于统计预测技术的节能控制方法。

背景技术

日常生活中，商店、超市或餐厅等公共场所的冷热饮料的消费需求总是处于一种动态不断变化的状态，时而需求多，时而需求少，时而停止，因此，理想情况是能够让提供冷热饮料的制冷加热设备工作在一种智能状态，能够学习掌握需求情况，即何时有消费需求、何时没有，进而根据这种消费情况来预测即将到来的消费情况，从而根据这种预测控制制冷加热设备维持在适当的工作状态。

中国专利号为200510023812.9、名称为《商用展示冷柜的智能型节能控制器》的发明专利公开了一种节能控制器，其将一天分为多个时段，采集每时段门开关次数并与设定的标准进行比较，判别该时段为很忙、较忙、忙或闲等情况，进而将此忙闲情况记录于设备内，如此记录保留数周忙闲数据用于计算当前时间段的忙闲程度，再加上即时忙闲程度，根据这算法，在运转状态即营业时间内，如果设备处于“忙”的状态，则冷柜工作在较低状态，如果设备处于“闲”的状态，则冷柜工作在较高状态，当营业结束时，设备处于“待机”状态，则冷柜工作在更高状态。但是，以这种方法实现节能控制存在以下问题：第一、人工设定冷柜营业时间和结束时间，这种固定的机械的划分方法不甚合理科学，较为合理的方法应该是根据消费活动由系统动态判断；第二、根据采集的开关门次数，归类忙闲程度，再以此为基础去推算将来的忙闲程度，由于原始数据的失真，计算的结果往往不够准确，使得忙闲程度的预测与实际情况也相差甚大；第三，每一时间段分成若干间隔采样，即时忙闲程度如出现以下情况，若在当前时间段的前一时间段内设备处于较闲程度，系统将维持在较高温度，而紧接下来的时间段设备又处于较忙程度，系统将不得不维持在很低温度，若按此工作方式又无相应校正措施，在如此短时间内将不能及时调整适宜的温度，无法提供及时的服务；第四、没有考虑节假日、周末因素和天气因素对消费情况的影响，进行相应的校正，使得计算的结果与实际情况也相差较大，导致系统节能效果不佳。

发明内容

本发明的目的在于克服现有技术中的缺点与不足，提供一种合理准确、更贴近实际情况、节能效果明显、服务及时可靠的基于统计预测技术的节能控制方法。

为了实现上述目的，本发明按以下技术方案实现：

一种基于统计预测技术的节能控制方法，其包括以下步骤：

a、按照时间序列方式采集存储有效的需求数据Cd；

b、提取特定时间段的需求数据，根据移动加权趋势法、或移动加权均值法、或二者综合折中算法来计算预测当前时间段的需求数据量CF；

c、提取当前时间段向前推移上一循环周期内的需求数据总量并计算其数据平均量Cav；

d、将CF与Cav进行比较并根据比较结果调控设备作出相应操作，实现实时节能控制。

进一步，所述a步骤中，时间序列方式是指以一周为一循环周期，以该循环周期内每半小时为一时间单位，如此每天共采集存储48个时间单位的有效需求数据Cd，一循环周期即共采集存储336时间单位的有效需求数据Cd。

较好的，所述a步骤中，当下一个循环周期开始时，新的需求数据将覆盖更新上一个循环周期同一时间段的需求数据，动态实时持续更新，直至新的循环周期完成。

较好的，所述需求数据Cd根据以下方式之一采集存储于设备内存中：

i、由装在设备柜门上的接近开关探测柜门的开关次数Cdr，即Cd＝Cdr；

ii、由装在设备上的移动阴影感应器探测周围人流量Cmn，即Cd＝Cmn；

iii、若Cdr＞r×Cmn，则Cd＝Cdr，否则Cd＝r×Cmn，r为系数；

iv、实际需求数据Cd可由综合所得，即Cd＝u×Cdr+v×(r×Cmn)，其中u、v、r为系数。

进一步，所述b步骤中，移动加权趋势法采用如下公式计算当前时间段的需求数据量CF_ST：

CF_ST＝C_t＝C_t-1+d×(C_t-1-C_t-2)+b×(C_{d_t}-C_{d_t-1})+p×(C_{wk_t}-C_{wk_t-1})

其中，C_t为当前时间段t的预测需求数据量，C_t-1为当前时间段t的前一时间段t-1收集存储的有效需求数据量，C_t-2为t-1时间段的前一时间段t-2收集存储的有效需求数据量，C_{d_t}为当前时间段t的前一天的同一时间段d_t收集存储的有效需求数据量，C_{d_t-1}为dt时间段的前一时间段d_t-1收集存储的有效需求数据量，C_{wk_t}为当前时间段t的前一星期的同一天同一时间段wk_t收集存储的有效需求数据量，C_{wk_t-1}为wk_t时间段的前一时间段wk_t-1收集存储的有效需求数据量，d为天气因素校正因子，b和p为周末因素校正因子，且(d+b+p＝1)。

进一步，所述b步骤中，移动加权均值法采用如下公式计算当前时间段的需求数据量CF_SA：

CF_SA＝C_t＝d×C_t-1+b×C_{d_t}+p×C_{wk_t}

其中，C_t为当前时间段t的预测需求数据量，C_t-1为当前时间段t的前一时间段t-1收集存储的有效需求数据量，C_{d_t}为当前时间段t的前一天的同一时间段d_t收集存储的有效需求数据量，C_{wk_t}为当前时间段t的前一星期的同一天同一时间段wk_t收集存储的有效需求数据量，d为天气因素校正因子，b和p为周末因素校正因子，且(d+b+p＝1)。

进一步，所述b步骤中，移动加权趋势法和移动加权均值法的综合折中算法采用如下公式计算当前时间段的需求数据量CF_STA：

CF_STA＝C_t＝m×CF_ST+n×CF_SA

其中，m和n为加权系数，且m+n＝1。

进一步，所述d步骤中，CF与Cav的比较结果有以下三种方式：

I、CF≥a×Cav；

II、CF＜a×Cav同时CF≥b×Cav；

III、CF＜b×Cav；

其中，a和b为系数，且a＞b，若出现上述情形I，系统进入正常工作状态，若出现上述情形II，系统进入节能工作状态，若出现上述情形III，系统进入睡眠工作状态。

较好的，所述d步骤中，如果CF与Cav的比较结果出现情形III，系统将会扫描前一天或前一星期的同一时间段的下时间段(C_{d_t+1}、C_{d_t+2}、C_{wk_t+1}、C_{wk_t+2})的有效需求数据，进而决定是否进入睡眠工作状态。

本发明与现有技术相比，其有益效果为：

1、当处于一定的环境条件下时，未来的消费情况和过去的消费情况存在一定的关联性和规律性，影响过去消费情况的因素(作息规律、生活习性、周末因素等)也同样影响接下来的消费情况，可以从过去的消费情况分析出影响消费的因素，进而预测将来的消费情况，本发明采用的统计预测算法(移动加权趋势法和移动加权均值法)是建立在对这种关联性和规律性掌握基础之上的，基于影响消费需求的因素而发展的科学合理的预测算法模型，根据这种算法，其预测结果更为准确科学；

2、样本采集更加合理准确，更贴近实际情况，且实时动态更新，从而保证之后的统计预测结果更准确；

3、综合多种校正因素，保证系统能及时对外界环境因素变化作出适当的反应，进而预测的更科学，确保系统提供及时可靠的服务，实现节能效果最大化。

为了能更清晰的理解本发明，以下将通过具体实施例阐述本发明的具体实施方式。

具体实施方式

本实施例将基于统计预测技术的节能控制方法应用于冷柜温控系统，该冷柜温控系统设置有中央数据处理单元、柜门开关感应器、阴影移动感应器及环境温度感应器。

本发明所述的基于统计预测技术的节能控制方法，其包括以下步骤：

a、按照时间序列方式采集存储有效的需求数据Cd；

其中，a步骤中，时间序列方式是指以一周为一循环周期，以该循环周期内每半小时为一时间单位，如此每天共采集存储48个时间单位的有效需求数据Cd，一循环周期即共采集存储336时间单位的有效需求数据Cd。较好的，当下一个循环周期开始时，新的需求数据将覆盖更新上一个循环周期同一时间段的需求数据，动态实时持续更新，直至新的循环周期完成。具体实施过程，通过柜门开关感应器感应柜门开关次数Cdr和通过阴影移动感应器探测周围人流量Cmn，若Cdr＞r×Cmn，则Cd＝Cdr，否则Cd＝r×Cmn，r为系数，将收集到的消费数据存储到中央数据处理单元的内存中，按此方式依次收集一个星期的消费数据，如此内存将存储一个循环周期7天工336个消费需求数据，每星期依此循环记录更新。

b步骤中，系统进入到当前时间段t，需要对当前时间段t进行预测消费数据CF，此时，系统将采用移动加权趋势法计算当前时间段t的需求数据量CF_ST：

CF＝CF_ST＝C_t＝C_t-1+d×(C_t-1-C_t-2)+b×(C_{d_t}-C_{d_t-1})+p×(C_{wk_t}-C_{wk_t-1})

其中，C_t为当前时间段t的预测需求数据量，C_t-1为当前时间段t的前一时间段t-1收集存储的有效需求数据量，C_t-2为t-1时间段的前一时间段t-2收集存储的有效需求数据量，C_{d_t}为当前时间段t的前一天的同一时间段d_t收集存储的有效需求数据量，C_{d_t-1}为dt时间段的前一时间段d_t-1收集存储的有效需求数据量，C_{wk_t}为当前时间段t的前一星期的同一天同一时间段wk_t收集存储的有效需求数据量，C_{wk_t-1}为wk_t时间段的前一时间段wk_t-1收集存储的有效需求数据量；d为天气因素校正因子，b和p为周末因素校正因子，且(d+b+p＝1)，d、b和p的权重系统可根据天气、节假日等因素自动进行调整，如周六周一时p值增加b值减少，周日至周五则反之，另一方面，通过环境温度感应器同步记录环境温度，将当前环境温度与之前对应时段温度进行比较进而调整相应的d值。

当出现下述情况，即C_t-1＝C_t-2＝0、C_{d_t}＝C_{d_t-1}≠0、C_{wk_t}＝C_{wk_t-1}≠0时，如果采用移动加权趋势法所计算的CF值将为0，此种情况可能导致系统不提供服务，因此，此时系统将采用移动加权均值法计算当前时间段t的需求数据量CF_SA：

CF＝CF_SA＝C_t＝d×C_t-1+b×C_{d_t}+p×C_{wk_t}

其中，C_t为当前时间段t的预测需求数据量，C_t-1为当前时间段t的前一时间段t-1收集存储的有效需求数据量，C_{d_t}为当前时间段t的前一天的同一时间段d_t收集存储的有效需求数据量，C_{wk_t}为当前时间段t的前一星期的同一天同一时间段wk_t收集存储的有效需求数据量，d、b和p的调整同移动加权趋势法。

当出现下述情况，即C_t-1＝C_t-2＝0、C_{d_t}＝C_{d_t-1}≠0、C_{wk_t}＝C_{wk_t-1}≠0时，也可采用移动加权趋势法和移动加权均值法的综合折中算法计算当前时间段t的需求数据量CF_STA：

CF＝CF_STA＝C_t＝m×CF_ST+n×CF_SA

其中，m和n为加权系数，且m+n＝1。

综上所述，系统可根据实际情况选择相应的预测算法，这样CF值既有效反应了影响消费状况的因素作用的规律性，又可反应环境变化带来变化，使得预测消费情况与实际情况更为相符。

c和d步骤中，系统动态计算从当前时间段t至上星期对应时间段的平均消费量Cav，然后当前时间段t的预测消费值CF与Cav按以下方式进行比较：

I、CF≥a×Cav；

II、CF＜a×Cav同时CF≥b×Cav；

III、CF＜b×Cav；

其中，a和b为系数，且a＞b。

若出现上述情形I，系统认为当前时间段t为黄金时段，系统会自动调整状态作出有效反应以应对此情形；若出现上述情形II，系统认为当前时间段t为清闲时段，即消费需求量少，系统会自动调整进入节能工作状态；若出现上述情形III，系统认为当前时间段t为无消费需求，系统会自动调整进入睡眠状态，停止制冷或加热功能，但是，系统会综合考虑其他因素来决定是否真正进入睡眠状态，系统将扫描前一天或前一星期的同一时间段的下时间段(C_{d_t+1}、C_{d_t+2}、C_{wk_t+1}、C_{wk_t+2})的有效需求数据，如若都没有消费需求则系统进入睡眠状态，否则系统保持节能工作状态，以便当消费需求产生时能及时提供可靠的服务。这样，系统白天时处于正常工作状态节能工作状态、夜间进入睡眠状态，系统对这种“白天”和“晚上”的判断是基于动态的消费活动，因此更准确、更贴近实际消费情况，更好的实现节能目的。

本发明并不局限于上述实施方式，如果对本发明的各种改动或变型不脱离本发明的精神和范围，倘若这些改动和变型属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变型。

Claims

1.一种基于统计预测技术的节能控制方法，其特征在于包括以下步骤：

a、按照时间序列方式采集存储有效的需求数据Cd，所述需求数据Cd根据以下方式之一采集存储于设备内存中：

iii、若Cdr＞r×Cmn，则Cd＝Cdr，否则Cd＝r×Cmn，r为系数；

iv、实际需求数据Cd可由综合所得，即Cd＝u×Cdr+v×(r×Cmn)，其中u、v、r为系数；

d、将CF与Cav进行比较并根据比较结果调控设备作出相应操作，实现实时节能控制，CF与Cav的比较结果有以下三种方式：

I、CF≥a×Cav；

II、CF＜a×Cav同时CF≥b×Cav；

III、CF＜b×Cav；

其中，a和b为系数，且a＞b，若出现上述情形I，系统进入正常工作状态，若出现情形II，系统进入节能工作状态，若出现上述情形III，系统进入睡眠工作状态。

2.根据权利要求1所述的基于统计预测技术的节能控制方法，其特征在于：所述a步骤中，时间序列方式是指以一周为一循环周期，以该循环周期内每半小时为一时间单位，如此每天共采集存储48个时间单位的有效需求数据Cd，一循环周期即共采集存储336时间单位的有效需求数据Cd。

3.根据权利要求2所述的基于统计预测技术的节能控制方法，其特征在于：所述a步骤中，当下一个循环周期开始时，新的需求数据将覆盖更新上一个循环周期同一时间段的需求数据，动态实时持续更新，直至新的循环周期完成。

4.根据权利要求1所述的基于统计预测技术的节能控制方法，其特征在于：所述b步骤中，移动加权趋势法采用如下公式计算当前时间段的需求数据量CF_ST：

其中，C_t为当前时间段t的预测需求数据量，C_t-1为当前时间段t的前一时间段t-1收集存储的有效需求数据量，C_t-2为t-1时间段的前一时间段t-2收集存储的有效需求数据量，C_{d_t}为当前时间段t的前一天的同一时间段d_t收集存储的有效需求数据量，C_{d_t-1}为dt时间段的前一时间段d_t-1收集存储的有效需求数据量，C_{wk_t}为当前时间段t的前一星期的同一天同一时间段wk_t收集存储的有效需求数据量，C_{wk_t-1}为wk_t时间段的前一时间段wk_t-1收集存储的有效需求数据量，d为天气因素校正因子，b和p为周末因素校正因子，且d+b+p＝1。

5.根据权利要求4所述的基于统计预测技术的节能控制方法，其特征在于：所述b步骤中，移动加权均值法采用如下公式计算当前时间段的需求数据量CF_SA：

CF_SA＝C_t＝d×C_t-1+b×C_{d_t}+p×C_{wk_t}

其中，C_t为当前时间段t的预测需求数据量，C_t-1为当前时间段t的前一时间段t-1收集存储的有效需求数据量，C_{d_t}为当前时间段t的前一天的同一时间段d_t收集存储的有效需求数据量，C_{wk_t}为当前时间段t的前一星期的同一天同一时间段wk_t收集存储的有效需求数据量，d为天气因素校正因子，b和p为周末因素校正因子，且d+b+p＝1。

6.根据权利要求5所述的基于统计预测技术的节能控制方法，其特征在于：所述b步骤中，移动加权趋势法和移动加权均值法的综合折中算法采用如下公式计算当前时间段的需求数据量CF_STA：

CF_STA＝C_t＝m×CF_ST+n×CF_SA

其中，m和n为加权系数，且m+n＝1。

7.根据权利要求1所述的基于统计预测技术的节能控制方法，其特征在于：所述d步骤中，如果CF与Cav的比较结果出现情形III，系统将会扫描当前一天或前一星期的同一时间段的下时间段的有效需求数据，进而决定是否进入睡眠工作状态。