CN104279715B - 一种楼宇空调设备负荷预测方法 - Google Patents
一种楼宇空调设备负荷预测方法 Download PDFInfo
- Publication number
- CN104279715B CN104279715B CN201410594198.0A CN201410594198A CN104279715B CN 104279715 B CN104279715 B CN 104279715B CN 201410594198 A CN201410594198 A CN 201410594198A CN 104279715 B CN104279715 B CN 104279715B
- Authority
- CN
- China
- Prior art keywords
- air
- building
- temperature
- conditioning equipment
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2140/00—Control inputs relating to system states
- F24F2140/50—Load
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种楼宇空调设备负荷预测方法,该监控方法通过实时采集楼宇中各空调设备的用电信息,实时采集各空调设备所在的环境温度及户外环境信息,并根据采集的历史用电和环境温度信息对楼宇的空调设备用电负荷进行预测得到楼宇空调设备用电曲线。
Description
所属技术领域
本发明涉一种楼宇空调设备负荷预测方法。
背景技术
对电力用户负荷进行合理控制,不仅可以有效地改善负荷曲线的形状,而且还可以提高设备的利用率。随着智能电网和电力需求侧管理理念的深入,电网的运行模式正朝着双向互动、多元服务、智能响应、节能高效的新方向发展。用户对用电服务的要求越来越高,以往电网主导、用户被动接受的用电服务模式已经不能满足用户个性化、差异化的服务需求。
楼宇智能配电系统是一种针对目前城市中应用越来越广泛的智能化住宅开发的小区配电终端系统,可与配电网自动化主站、电网自动化子站系统配合,实现多个住宅、多个用电设备、多条用电线路的数据采集、负荷检测、故障检测、自动切换供电等功能,从而实现节能、提高配电效率和可靠性。
在楼宇智能配电系统中,用电负荷的预测一直是提高配电效率、节约能源的关键因素,也是楼宇智能配电系统中的难点技术之一。在楼宇中,能量的消耗相当大一部分来自建筑中空调系统。同时,大的楼宇中,一般也需要涉及到复杂的空调系统。因此,对于建筑中的空调系统,进行空调设备负荷进行预测,使其获得较为准确的用电曲线,能够使用户获得较大的效益。
发明内容
为解决上述问题,本发明提供一种楼宇空调设备负荷预测方法,该监控方法通过实时采集楼宇中各空调设备的用电信息,实时采集各空调设备所在的环境温度及户外环境信息,并根据采集的历史用电和环境温度信息对楼宇的空调设备用电负荷进行预测得到楼宇空调设备用电曲线。
为了实现上述目的,本发明提供一种楼宇空调设备负荷预测方法,该方法基于如下系统来实现,该系统包括:
空调设备用电信息采集模块,用于实时采集楼宇内各空调设备的用电信息;
室内温度采集模块,用于采集空调所在室内的环境温度;
户外环境采集模块,用于采集楼宇外的温度、湿度、风力、阳光强度等户外环境信息;
信息存储模块,用于储存上述信息采集模块采集的用电信息、室内温度采集模块采集的室内环境温度信息和户外环境采集模块采集的户外环境信息;
配电网络联络模块,用于实时获取配电网络的调度信息,并向配电网络上传楼宇空调设备用电的相关信息;
空调设备负荷预测模块,包括:
空调设备负荷预测单元,用于对楼宇的空调设备负荷进行预测,得到空调设备未来一段时间的负荷曲线;以及
显示单元,用于显示当前空调设备运行情况以及上述负荷曲线。
总线通信模块,用于上述各个模块之间的通信;
该方法包括如下步骤:
(1)采集楼宇内各空调设备的用电信息,采集空调所在室内的环境温度,采集楼宇外的温度、湿度、风力、阳光强度等户外环境信息;
(2)存储上述信息;
(3)基于室内温度采集模块采集的室内环境温度信息和户外环境信息,对楼宇各空间的温度进行预测,得到未来各空间一段时间内的温度变化曲线;
(4)根据所述未来各空间一段时间内的温度变化曲线,以及楼宇各室内历史温度信息,来预测未来一段时间内的各空调设备的用电情况,综合所有空调设备的未来用电情况,得到楼宇内空调设备的负荷曲线。
进一步的,在上述步骤(3)中,所述楼宇温度预测该温度预测子单元,在对楼宇中各空间温度进行预测时,首先根据楼宇自身特性建立楼宇热量模型,然后根据该热量模型建立状态空间下的热力学模型,该热力学模型以当前各室内温度信息、户外温度、湿度、风力、阳光强度等户外环境信息为输入量,计算各室内未来一段的时间的温度变化曲线。
进一步的,在上述步骤(1)中,使用所述空调设备用电信息采集模块,同时采集多个空调设备的数据,包括电压、电流、有功功率、无功功率和电能。
本发明的预测方法具有如下优点:(1)基于室内外环境因素以及楼宇本身特性,准确预测空调设备用电负荷曲线;(2)满足用户同需求的同时,兼顾了用电的可靠性,提高了用电效率。
附图说明
图1示出了本发明方法所使用的一种楼宇空调设备负荷预测系统的框图;
图2示出了图1中系统的负荷预测模块的具体组成图;
图3示出了本发明方法的流程图。
具体实施方式
图1是示出了本发明的一种楼宇智能配电系统,该系统包括:空调设备用电信息采集模块5、室内温度采集模块7、户外环境采集模块8、信息存储模块6、空调设备负荷预测和监控模块4、总线通信模块2。
空调设备用电信息采集模块5,用于实时采集楼宇内各空调设备1-n的用电信息。所述空调设备用电信息采集模块7包括电压互感器、电流互感器、AD转换电路、串口通信电路和电源,电压互感器和电流互感器的信号输出端与AD转换电路相连接,AD转换电路与串口通信电路相接,串口通信电路与上述总线通信模块相接,从而实现空调设备信息采集模块的数据向其他模块的传输。所述空调设备信息采集模块同时采集多个空调设备的数据,包括电压、电流、有功功率、无功功率和电能。
室内温度采集模块7,用于采集空调设备1-n所在室内的环境温度,该室内温度采集模块7可以采用通用温度传感器以及模数转换器来实现。
户外环境采集模块8,用于采集楼宇外的温度、湿度、风力、阳光强度等户外环境信息,该户外环境采集模块可采用通用的温度传感器、湿度传感器、风力仪、光传感器及模数转换器来实现。
信息存储模块6,用于储存空调设备用电信息采集模块5采集的用电信息、室内温度采集模块7采集的室内温度信息以及户外环境采集模块8采集的楼宇外的温度、湿度、风力、阳光强度等户外环境信息。信息存储模块6接收上述信息并将其解码后存储至数据库系统内,空调设备负荷预测和监控模块4通过总线2调取数据库系统内的空调设备用电信息。
总线通信模块2,用于上述各个模块之间的通信,所述总线通信模块2通过冗余双CAN总线与其他模块相连。
空调设备负荷预测和监控模块4,包括:
空调设备负荷预测单元41,用于对楼宇的空调设备负荷进行预测,得到空调设备的负荷曲线;以及
显示单元42,用于显示供电策略、调度信息和空调设备运行情况。
所述空调设备负荷预测单元41,包含楼宇温度预测子单元,该温度预测子单元基于室内温度采集模块采集的室内环境温度信息和户外环境信息,对楼宇各空间的温度进行预测。
具体的,所述楼宇温度预测该温度预测子单元,在对楼宇中各空间温度进行预测时,首先根据楼宇自身特性建立楼宇热量模型,然后根据该热量模型建立状态空间下的热力学模型,该热力学模型以当前各室内温度信息、户外温度、湿度、风力、阳光强度等户外环境信息为输入量,计算各室内未来一段的时间的温度变化曲线。
在建筑物中,加热和制冷系统用于控制建筑物不同区域间(例如,不同房间)或建筑物不同区域同外界环境的能量传递。每个区域内的热动力学,都被以下三个因素影响:室外环境(例如,太阳辐射到建筑物外表面或是同外界环境的热交换),室内环境(例如,加热器或其它设备产生的热量,人的活动等),区域间能量(例如,热量从一个房间通过墙传到另一个房间)。
所述空调设备负荷预测单元41根据所述室内未来一段的时间的温度变化曲线,以及楼宇各室内历史温度信息,来预测未来一段时间内的各空调设备的用电情况,综合所有空调设备的未来用电情况,得到楼宇内空调设备1-n的负荷曲线。
参见附图3,本发明的方法包括如下步骤:
S1.采集楼宇内各空调设备的用电信息,采集空调所在室内的环境温度,采集楼宇外的温度、湿度、风力、阳光强度等户外环境信息,其中使用所述空调设备用电信息采集模块7,同时采集多个空调设备1-n的数据,包括电压、电流、有功功率、无功功率和电能;
S2.存储上述信息;
S3.基于室内温度采集模块采集的室内环境温度信息和户外环境信息,对楼宇各空间的温度进行预测,得到未来各空间一段时间内的温度变化曲线;
S4.根据所述未来各空间一段时间内的温度变化曲线,以及楼宇各室内历史温度信息,来预测未来一段时间内的各空调设备的用电情况,综合所有空调设备的未来用电情况,得到楼宇内空调设备的负荷曲线。
在上述步骤S3中,所述楼宇温度预测该温度预测子单元,在对楼宇中各空间温度进行预测时,首先根据楼宇自身特性建立楼宇热量模型,然后根据该热量模型建立状态空间下的热力学模型,该热力学模型以当前各室内温度信息、户外温度、湿度、风力、阳光强度等户外环境信息为输入量,计算各室内未来一段的时间的温度变化曲线。
基于该热力学模型,可以使用MPC(Model Predictive Control,模型预测控制)方法来进行空调负载预测。使用MPC技术,对热温度进行预测。相应的能量峰值问题,成为优化问题中的一个约束,予以解决。
在上述步骤S3中,所述楼宇温度预测该温度预测子单元,在对楼宇中各空间温度进行预测时,首先根据楼宇自身特性建立楼宇热量模型,然后根据该热量模型建立状态空间下的热力学模型,该热力学模型以当前各室内温度信息、户外温度、湿度、风力、阳光强度等户外环境信息为输入量,计算各室内未来一段的时间的温度变化曲线。
作为一种实施方式,可以采用如下方法获得温度变化曲线。
步骤31:建立建筑物中热量模型;
步骤32:建立状态空间下的热力学模型;
步骤33:进行可调度性测试,判定在给定电力负荷预算下,该建筑物的温度是否具有可调度性;
步骤34:运行基于模型预测控制MPC的热量控制策略,对式(1)进行最小化求解,解出相应的控制输出变量(温度变化情况);
其中,所述步骤34具体如下:
对于式(2)表示的目标函数,在满足式(1)中的约束下,采用求解标准的整数最小二乘优化问题的方式进行求解:
式1
其中,表示温度参考向量,表示表示F个区域空调设备参考功率输入速率矩阵,表示预算参考向量,Wc(k)表示扰动向量,L表示空调设备个数,N表示预测长度,表示状态预测向量,表示状态模型参数,表示状态模型参数,表示第j个区域第i个空调设备的ON/OFF状态,Up(k)表示式(1)变形后使用的新的系统输入变量;
式(1)中代式的含义如下:
其中,M表示预测长度,Yr(k+M|k)表示第k个时间后第M个采样间隔的状态预测;X(k+M|k)表示第k个时间后第M个采样间隔的状态预测,M表示预测长度,N表示预测长度,U(k+N-1|k)表示第k个时间后第N-1个采样间隔的状态预测,表示第F个区域的外部空气温度,X(k)表示k时刻系统状态,R表示两区域间等效电阻,Ψ表示F个区域空调设备功率输入速率矩阵,G表示离散状态空间模型参数,H表示离散状态空间模型参数,Φ表示离散状态空间模型参数,表示建筑物中的总功率预算数,表示第F个区域空调设备的功率输入速率向量;
式2
其中,SQ表示平方根矩阵,表示SQ转置矩阵,SR表示平方根矩阵,表示SR转置矩阵,Up(k)表示式(10)变形后使用的新的系统输入变量;Q和R分别是用来对时间误差和输入功率的补偿矩阵。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (2)
1.一种楼宇空调设备负荷预测方法,该方法基于如下系统来实现,该系统包括:
空调设备用电信息采集模块,用于实时采集楼宇内各空调设备的用电信息;所述空调设备用电信息采集模块包括电压互感器、电流互感器、AD转换电路、串口通信电路和电源,电压互感器和电流互感器的信号输出端与AD转换电路相连接,AD转换电路与串口通信电路相接,串口通信电路与总线通信模块相接,从而实现空调设备信息采集模块的数据向其他模块的传输;所述空调设备信息采集模块同时采集多个空调设备的数据,包括电压、电流、有功功率、无功功率和电能;
室内温度采集模块,用于采集空调所在室内的环境温度;
户外环境采集模块,用于采集楼宇外的户外环境信息:温度、湿度、风力、阳光强度;该户外环境采集模块可采用通用的温度传感器、湿度传感器、风力仪、光传感器及模数转换器来实现;
信息存储模块,用于储存上述信息采集模块采集的用电信息、室内温度采集模块采集的室内环境温度信息和户外环境采集模块采集的户外环境信息;信息存储模块接收上述信息并将其解码后存储至数据库系统内,空调设备负荷预测和监控模块通过总线调取数据库系统内的空调设备用电信息;
配电网络联络模块,用于实时获取配电网络的调度信息,并向配电网络上传楼宇空调设备用电的相关信息;
空调设备负荷预测模块,包括:
空调设备负荷预测单元,用于对楼宇的空调设备负荷进行预测,得到空调设备未来一段时间的负荷曲线;以及
显示单元,用于显示当前空调设备运行情况以及上述负荷曲线;
总线通信模块,用于上述各个模块之间的通信;
其特征在于,该方法包括如下步骤:
(1)采集楼宇内各空调设备的用电信息,采集空调所在室内的环境温度,采集楼宇外的户外环境信息:温度、湿度、风力、阳光强度;
(2)存储上述信息;
(3)基于室内温度采集模块采集的室内环境温度信息和户外环境信息,对楼宇各空间的温度进行预测,得到未来各空间一段时间内的温度变化曲线;
(4)根据所述未来各空间一段时间内的温度变化曲线,以及楼宇各室内历史温度信息,来预测未来一段时间内的各空调设备的用电情况,综合所有空调设备的未来用电情况,得到楼宇内空调设备的负荷曲线;
在上述步骤(3)中,楼宇温度预测子单元,在对楼宇中各空间温度进行预测时,首先根据楼宇自身特性建立楼宇热量模型,然后根据该热量模型建立状态空间下的热力学模型,该热力学模型以当前户外环境信息:各室内温度信息、户外温度、湿度、风力、阳光强度为输入量,计算各室内未来一段的时间的温度变化曲线;
其中,在步骤(3)中采用如下方法获得温度变化曲线;
步骤31:建立建筑物中热量模型;
步骤32:建立状态空间下的热力学模型;
步骤33:进行可调度性测试,判定在给定电力负荷预算下,该建筑物的温度是否具有可调度性;
步骤34:运行基于模型预测控制MPC的热量控制策略,对式(1)进行最小化求解,解出相应的控制输出变量;
其中,所述步骤34具体如下:
对于式(2)表示的目标函数,在满足式(1)中的约束下,采用求解标准的整数最小二乘优化问题的方式进行求解:
其中,表示温度参考向量,表示表示F个区域空调设备参考功率输入速率矩阵,表示预算参考向量,Wc(k)表示扰动向量,L表示空调设备个数,N表示预测长度,表示状态预测向量,表示状态模型参数,表示第j个区域第i个空调设备的ON/OFF状态,Up(k)表示式(1)变形后使用的新的系统输入变量;
式(1)中代式的含义如下:
其中,M表示预测长度,Yr(k+M|k)表示第k个时间后第M个采样间隔的状态预测;X(k+M|k)表示第k个时间后第M个采样间隔的状态预测,M表示预测长度,N表示预测长度,U(k+N-1|k)表示第k个时间后第N-1个采样间隔的状态预测,表示第F个区域的外部空气温度,X(k)表示k时刻系统状态,R表示两区域间等效电阻,Ψ表示F个区域空调设备功率输入速率矩阵,G表示离散状态空间模型参数,H表示离散状态空间模型参数,Φ表示离散状态空间模型参数,表示建筑物中的总功率预算数,表示第F个区域空调设备的功率输入速率向量;
其中,SQ表示平方根矩阵,表示SQ转置矩阵,SR表示平方根矩阵,表示SR转置矩阵,Up(k)表示变形后使用的新的系统输入变量;Q和R分别是用来对时间误差和输入功率的补偿矩阵。
2.如权利要求1所述的方法,其特征在于,在上述步骤(1)中,使用所述空调设备用电信息采集模块,同时采集多个空调设备的数据,包括电压、电流、有功功率、无功功率和电能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410594198.0A CN104279715B (zh) | 2014-10-29 | 2014-10-29 | 一种楼宇空调设备负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410594198.0A CN104279715B (zh) | 2014-10-29 | 2014-10-29 | 一种楼宇空调设备负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104279715A CN104279715A (zh) | 2015-01-14 |
CN104279715B true CN104279715B (zh) | 2017-03-08 |
Family
ID=52254861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410594198.0A Active CN104279715B (zh) | 2014-10-29 | 2014-10-29 | 一种楼宇空调设备负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104279715B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104764141B (zh) * | 2015-03-19 | 2019-01-29 | 珠海格力电器股份有限公司 | 空调器温度控制方法及空调器 |
KR102424689B1 (ko) | 2015-05-15 | 2022-07-26 | 삼성전자 주식회사 | 공조 기기의 기동 제어 방법 및 장치 |
CN105042814A (zh) * | 2015-09-06 | 2015-11-11 | 成都猴子软件有限公司 | 负离子式楼宇空调智能系统 |
CN105042802A (zh) * | 2015-09-06 | 2015-11-11 | 成都猴子软件有限公司 | 静电除尘式空调系统 |
CN105042803A (zh) * | 2015-09-06 | 2015-11-11 | 成都猴子软件有限公司 | 纳米光子净化式空调系统 |
JP6807556B2 (ja) * | 2015-10-01 | 2021-01-06 | パナソニックIpマネジメント株式会社 | 空調制御方法、空調制御装置及び空調制御プログラム |
WO2018005670A1 (en) * | 2016-06-30 | 2018-01-04 | Johnson Controls Technology Company | Variable refrigerant flow system with multi-level model predictive control |
US11789415B2 (en) | 2016-06-30 | 2023-10-17 | Johnson Controls Tyco IP Holdings LLP | Building HVAC system with multi-level model predictive control |
US20180004171A1 (en) | 2016-06-30 | 2018-01-04 | Johnson Controls Technology Company | Hvac system using model predictive control with distributed low-level airside optimization and airside power consumption model |
CN109416191B (zh) | 2016-06-30 | 2021-08-17 | 江森自控科技公司 | 具有预测控制的变制冷剂流量系统 |
CN106705381B (zh) * | 2017-01-19 | 2019-07-23 | 青岛海尔空调器有限总公司 | 基于空调的能耗预测方法及预测装置 |
WO2018200854A1 (en) | 2017-04-27 | 2018-11-01 | Johnson Controls Technology Company | Building energy system with predictive control |
CN107248740B (zh) * | 2017-06-15 | 2020-03-24 | 贵州电网有限责任公司电力科学研究院 | 一种家庭用电设备负荷预测方法 |
CN107480811A (zh) * | 2017-07-26 | 2017-12-15 | 珠海格力电器股份有限公司 | 一种设备能耗数据处理方法、装置、系统及设备 |
CN109028278B (zh) * | 2018-07-17 | 2020-07-31 | 哈尔滨工业大学 | 一种风电供暖的区域运行系统及调度策略 |
CN109059179B (zh) * | 2018-07-28 | 2021-09-10 | 广东美的制冷设备有限公司 | 空调器的控制方法、电动窗帘的控制方法及相关设备 |
CN110094826A (zh) * | 2019-04-10 | 2019-08-06 | 深圳供电局有限公司 | 一种多区域通风温控系统及方法 |
CN110161856B (zh) * | 2019-05-24 | 2021-09-21 | 华南理工大学 | 一种商业楼宇空调负荷集中调度方法 |
CN110397991A (zh) * | 2019-05-30 | 2019-11-01 | 沈阳市万德富科技有限公司 | 一体式空调 |
CN115176115B (zh) * | 2020-03-05 | 2023-09-22 | 三菱电机株式会社 | 热负荷估计装置、空调控制系统和热负荷估计方法 |
CN111336669B (zh) * | 2020-03-12 | 2021-04-13 | 苏州大学 | 基于模型预测控制的室内空调通风系统 |
CN112781235A (zh) * | 2020-07-29 | 2021-05-11 | 青岛海尔新能源电器有限公司 | 热泵热水器控制方法、装置、热泵热水器及存储介质 |
CN113028610B (zh) * | 2021-04-12 | 2021-12-07 | 北京信息科技大学 | 中央空调动态负荷全局优化与节能控制的方法和装置 |
CN113537571A (zh) * | 2021-06-19 | 2021-10-22 | 复旦大学 | 基于cnn-lstm混合网络模型的建筑能耗电负荷预测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
CN102901188A (zh) * | 2012-09-26 | 2013-01-30 | 中国电力科学研究院 | 与电网互动的商业楼宇中央空调负荷调控系统及其方法 |
CN203596622U (zh) * | 2013-12-18 | 2014-05-14 | 国家电网公司 | 基于智能楼宇的智能用电系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4410046B2 (ja) * | 2004-07-12 | 2010-02-03 | 三菱電機株式会社 | 空調熱源設備の熱負荷予測装置および方法 |
-
2014
- 2014-10-29 CN CN201410594198.0A patent/CN104279715B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
CN102901188A (zh) * | 2012-09-26 | 2013-01-30 | 中国电力科学研究院 | 与电网互动的商业楼宇中央空调负荷调控系统及其方法 |
CN203596622U (zh) * | 2013-12-18 | 2014-05-14 | 国家电网公司 | 基于智能楼宇的智能用电系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104279715A (zh) | 2015-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104279715B (zh) | 一种楼宇空调设备负荷预测方法 | |
CN104319766B (zh) | 一种楼宇空调设备供电及监控方法 | |
CN104269940B (zh) | 一种楼宇空调设备负荷监控系统 | |
Hannan et al. | A review of internet of energy based building energy management systems: Issues and recommendations | |
Desideri et al. | Handbook of energy efficiency in buildings: a life cycle approach | |
Fan et al. | A multi-objective optimization model for energy-efficiency building envelope retrofitting plan with rooftop PV system installation and maintenance | |
Zong et al. | Application of model predictive control for active load management in a distributed power system with high wind penetration | |
CN102705957B (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及系统 | |
Hakimi et al. | Optimal planning of a smart microgrid including demand response and intermittent renewable energy resources | |
Zong et al. | Model predictive controller for active demand side management with PV self-consumption in an intelligent building | |
CN107612017B (zh) | 基于需求响应和分布式储能的风电并网智能调控系统 | |
CN104184214B (zh) | 一种楼宇用电负荷监控方法 | |
CN113746144A (zh) | 一种源网荷实时交互的电碳控制方法及其智能管理系统 | |
CN102779228A (zh) | 商场建筑中央空调冷负荷在线预测方法及系统 | |
CN109919480B (zh) | 一种三层目标的能源互联网规划方法及设备 | |
Liu et al. | Photovoltaics and energy storage integrated flexible direct current distribution systems of buildings: definition, technology review, and application | |
CN110474370A (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
CN110046821A (zh) | 相变储能墙系统的电热联合调度方法 | |
CN114861539A (zh) | 一种5g城市综合能源互联网数字孪生系统建模与实现方法 | |
CN103855807B (zh) | 一种可实现家庭智能电网管理的系统、方法及执行模块 | |
CN104184145A (zh) | 一种楼宇智能配电系统 | |
Nozaki et al. | A technical approach to achieve smart grid advantages using energy management systems | |
Xu et al. | A new method to solve large-scale building energy management for energy saving | |
Wei et al. | Energy Management and Control System for a PV-Battery System to Improve Residential Building Resiliency Under Extreme Weather Conditions | |
Zhou et al. | Building energy flexibility analysis: case studies and demonstration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |