CN106056474A - 一种基于能源供应系统的自适应运维和参数调节方法 - Google Patents

Abstract

本发明提供一种基于能源供应系统的自适应运维和参数调节方法，其包括如下步骤：S1、建立最优热水系统能耗的回归模型；S2、根据最优热水系统能耗的回归模型对热水系统中各个日平均参数值进行优化调整，所述日平均参数值包括电能耗、水能耗、水位、水温、环境温度、回水温度。在自适应调节中能够满足用户使用的前提下尽量降低补水量与回水温度及水箱温度，而环境温度这一重要因素属于不可抗力，但可控制机组在环境温度较高时进行加热，便可对环境温度这一重要因素进行合理运用。从而能够实时优化热水系统的参数，达到节能的目的。

Description

一种基于能源供应系统的自适应运维和参数调节方法

技术领域

本发明涉及能源技术领域，特别涉及一种基于能源供应系统的自适应运维和参数调节方法。

背景技术

现有的能源供应系统能耗高，管理不到位，并且无法利用既有数据对供应系统运行策略调整及参数的实时优化，进而无法达到有效的实时管控及节能的目的。

发明内容

有鉴于此，本发明对于上位概念的能源供应系统，以热水系统为例进行展开说明。

一种基于能源供应系统的自适应运维和参数调节方法，其包括如下步骤：

S1、建立最优热水系统能耗的回归模型；

S2、根据最优热水系统能耗的回归模型对热水系统中各个日平均参数值进行优化调整，所述日平均参数值包括电能耗、水能耗、水位、水温、环境温度、回水温度。

在本发明所述的基于能源供应系统的自适应运维和参数调节方法中，所述最优热水系统能耗的回归模型如下：

energy.elc＝122.7399+12.1925energy.wat+4.4514temp.wat-1.3613temp.env-8.2384temp.ret，其中energy.elc为日平均电能耗、energy.wat为日平均水能耗、temp.wat为日平均水温、temp.env为日平均环境温度、temp.ret为日平均回水温度。

在本发明所述的基于能源供应系统的自适应运维和参数调节方法中，所述步骤S1包括如下子步骤：

S11、采集预设时间间隔区间内每天的平均参数值，所述平均参数值包括日平均电能耗、日平均水能耗、日平均水位、日平均水温、日平均环境温度、日平均回水温度，通过开源平台R分析平均参数值两两之间的相关性r；

S12、根据平均参数值两两之间的相关性r确定热水系统能耗与各个平均参数值之间的相关关系，并且基于相关关系建立热水系统能耗的回归模型；

S13、确定热水系统能耗的回归模型各个平均参数值的系数，重新得到热水系统能耗的回归模型；并对重新得到的热水系统能耗的回归模型进行修正得到最优热水系统能耗的回归模型。

在本发明所述的基于能源供应系统的自适应运维和参数调节方法中，

所述步骤S11包括：

某一月日平均电能耗、日平均水能耗、日平均水位、日平均水温、日平均环境温度、日平均回水温度6组平均参数值，并导入开源平台R；

绘制6组平均参数值两两之间的散点图矩阵，并进行直观观测，并通过如下公式获得6组平均参数值两两之间的相关性r；

$r=\frac{n\mathrm{\Σ}xy-\mathrm{\Σ}x\mathrm{\Σ}y}{\sqrt{{\mathrm{n\Σx}}^2-{\left(\mathrm{\Σ}x\right)}^2}\·\sqrt{{\mathrm{n\Σy}}^2-{\left(\mathrm{\Σ}y\right)}^2}};$

其中n为每组平均参数值的个数，x、y分别代表两两平均参数值。

在本发明所述的基于能源供应系统的自适应运维和参数调节方法中，所述步骤S12包括：

通过相关性r获得日平均电能耗energy.elc与日平均水能耗energy.wat之间第一正相关，日平均电能耗energy.elc与日平均环境温度temp.env第一负相关，日平均电能耗energy.elc与日平均水位water.lev及日平均水温temp.wat具有第二正相关关系，日平均电能耗energy.elc与日平均回水温度temp.ret具有第二负相关；第一绝对值大于第二绝对值；

则热水系统能耗的回归模型如下形式：

energy.elc＝β₀+β₁energy.wat+β₂tem.wat+β₃tem.env

+β₄tem.ret+β₅wat.lev+ξ

式中：

β₀为回归常数；β₁至β₅为回归系数；ξ为随机误差项。

在本发明所述的基于能源供应系统的自适应运维和参数调节方法中，所述步骤S13包括：

通过最小二乘法获得β₀-β₅的值，从而重新得到热水系统能耗的回归模型；

剔除日平均水位wat.lev，并重新得到热水系统能耗的回归模型；

确定重新得到热水系统能耗的回归模型的R方为0.9011时的各个回归系数值，得到最优热水系统能耗的回归模型如下：

energy.elc＝122.7399+12.1925energy.wat+4.4514temp.wat-1.3613temp.env-8.2384temp.ret。

本发明还提供一种热水系统参数调节方法，其根据上述的基于能源供应系统的自适应运维和参数调节方法实现，包括

获取用户用水时段；获取用户近期内的日均水耗量，需求水温；

获取当前水温，若低于需求温度10度，强制加热至需求温度；

获取当前水位，若低于液位：日均水能耗/(水箱底面积*5)*100，即安全水位，则强制补水至该液位；

根据近期日平均水能耗，代入0:00至当前时段期间其他日平均参数值，估算当天日平均电能耗；

根据估算的当日总电能耗与水能耗之比计算单位电能耗(即：每吨水耗电)，并与近期平均单位电能耗对比，若低于近期均值，则降低补水量，降低回水温度；

在环境温度较高时上调水温，启动加热，并上调水位，启动补水；

在用水高峰时段设置回水温度为需求水温-10，其余时段将回水温度设置为需求水温-15；

在环境温度开始下降时下调水位，停止补水，同时判断水温是否达到需求水温，若没达到，继续加热至需求水温+3并下调设定温度；

夜间后根据历史数据计算23:00-次日7:00用水量占一天内总用水量的比重，若小于10％，则将回水温度设定为需求水温-20，若大于10％，则设定回水温度为需求水温-15；

若存在供水时段限制，则在超出的时段将供水停止；

在早上7：00-10:00检测水温是否小于需求水温-10，若成立，则上调设定水位，加热至需求水温-5停止。

实施本发明提供的基于能源供应系统的自适应运维和参数调节方法及热水系统参数调节方法具有以下有益效果：

通过最优热水系统能耗的回归模型可看出，以月为维度时，影响电耗的主要因素为水能耗(energy.wat)，同时其他参数也具有不同程度的影响，依次为回水温度(temp.ret)，水箱温度(水温temp.wat)，环境温度(temp.env)。而在模型中被剔除的水位(water.lev)是由于运行期间每天平均的水位基本相似，造成其变化程度较小，无法计入模型中参考。

由于补水量的大小、水箱温度的高低由用户实际需求决定，因此在自适应调节中能够满足用户使用的前提下尽量降低补水量与回水温度及水箱温度，而环境温度这一重要因素属于不可抗力，但可控制机组在环境温度较高时进行加热，便可对环境温度这一重要因素进行合理运用。从而能够实时优化热水系统的参数，达到节能的目的。

附图说明

图1是本发明实施例的平均参数值两两之间的散点图矩阵。

具体实施方式

一种基于能源供应系统的自适应运维和参数调节方法，其包括如下步骤：

S1、建立最优热水系统能耗的回归模型。

S2、根据最优热水系统能耗的回归模型对热水系统中各个日平均参数值进行优化调整，所述日平均参数值包括电能耗、水能耗、水位、水温、环境温度、回水温度。

可选地，所述最优热水系统能耗的回归模型如下：

energy.elc＝122.7399+12.1925energy.wat+4.4514temp.wat-1.3613temp.env-8.2384temp.ret，其中energy.elc为日平均电能耗、energy.wat为日平均水能耗、temp.wat为日平均水温、temp.env为日平均环境温度、temp.ret为日平均回水温度。

可选地，所述步骤S1包括如下子步骤：

S11、采集预设时间间隔区间内每天的平均参数值，所述平均参数值包括日平均电能耗、日平均水能耗、日平均水位、日平均水温、日平均环境温度、日平均回水温度，通过开源平台R分析平均参数值两两之间的相关性r；

可选地，所述步骤S11包括：

某一月日平均电能耗、日平均水能耗、日平均水位、日平均水温、日平均环境温度、日平均回水温度6组平均参数值，并导入开源平台R。

以下为四月份每日的平均电能耗，水能耗，水位，水箱温度(水温)，环境温度，回水温度，导入开源平台R环境并建立数据框data.

>energy.elc<-c(104.00,96.00,147.00,118.00,115.00,109.00,113.00,101.00,107.00,102.00,76.00,110.00,85.00,89.00,72.00,86.00,114.00,72.00,76.00,110.00,91.00,97.00,102.00,94.00,114.00,95.00,112.00,93.00,85.00,74.00)

>energy.wat<-c(8.35,7.93,10.32,8.15,7.96,8.23,8.52,8.43,8.79,8.53,7.18,9.49,8.12,8.07,6.71,6.66,9.01,6.05,7.47,8.86,8.43,8.66,8.46,8.02,9.46,8.46,9.01,8.20,8.13,9.43)

>water.lev<-c(112,87,111,124,105,111,98,92,87,89,107,88,94,88,98,92,106,112,96,86,103,104,100,120,87,106,90,93,96,92)

>temp.wat<-c(48,47,48,48,47,48,47,47,47,47,47,48,47,47,48,47,48,47,48,48,48,48,48,48,47,48,47,47,47,45)

>temp.env<-c(22,21,15,16,17,15,19,21,21,24,25,23,26,25,23,19,16,20,23,18,22,22,19,19,21,20,21,23,25,27)

>temp.ret<-c(37,37,36,36,36,36,36,37,37,37,38,38,38,38,38,37,38,37,38,37,38,38,38,38,38,38,37,38,38,38)

>data<-data.frame(energy.elc,energy.wat,water.lev,temp.wat,temp.env,temp.ret)

>library(car)

>scatterplotMatrix(data,sperad＝FALSE,lty.smoth＝2,main＝"ScatterPlot Matrix")

There were 50or more warnings(use warnings()to see the first 50)。

绘制6组平均参数值两两之间的散点图矩阵(见附图1)，并进行直观观测，通过计算相关性及绘制散点图矩阵，并绘制了拟合曲线及平滑曲线，从图1可看出，日平均电能耗与日平均水能耗与日平均环境温度均有不同程度的线性关系，但从各散点的分布情况看，日平均水能耗与日平均电能耗的关系更为密切。并通过如下公式获得6组平均参数值两两之间的相关性r；

$r=\frac{n\mathrm{\&Sigma;}xy-\mathrm{\&Sigma;}x\mathrm{\&Sigma;}y}{\sqrt{{\mathrm{n\&Sigma;x}}^2-{\left(\mathrm{\&Sigma;}x\right)}^2}\&CenterDot;\sqrt{{\mathrm{n\&Sigma;y}}^2-{\left(\mathrm{\&Sigma;}y\right)}^2}};$

其中n为每组平均参数值的个数，x、y分别代表两两平均参数值。

S12、根据平均参数值两两之间的相关性r确定热水系统能耗与各个平均参数值之间的相关关系，并且基于相关关系建立热水系统能耗的回归模型。

在本发明所述的基于能源供应系统的自适应运维和参数调节方法中，所述步骤S12包括：

通过相关性r获得日平均电能耗energy.elc与日平均水能耗energy.wat之间第一正相关，日平均电能耗energy.elc与日平均环境温度temp.env第一负相关，日平均电能耗energy.elc与日平均水位water.lev及日平均水温temp.wat具有第二正相关关系，日平均电能耗energy.elc与日平均回水温度temp.ret具有第二负相关；第一绝对值大于第二绝对值；

则热水系统能耗的回归模型如下形式：

通过计算相关性r，发现日平均电能耗(energy.elc)与日平均水能水耗(energy.wat)之间显著正相关，与环境温度(temp.env)显著负相关，与水位(water.lev)及水温(temp.wat)具有一定的正相关关系，与回水温度(temp.ret)也在一定程度上达到负相关状态。

通过之前进行相关性分析，确定了日平均电能耗与水温及日平均水能水耗等均存在着密切度不同的相关关系，因此日平均电能耗与其他参数可作为构造回归模型的解释变量，而使用能耗作为回归模型的被解释变量。

S13、确定热水系统能耗的回归模型各个平均参数值的系数，重新得到热水系统能耗的回归模型；并对重新得到的热水系统能耗的回归模型进行修正得到最优热水系统能耗的回归模型。

可选地，所述步骤S13包括：

通过最小二乘法获得β₀-β₅的值，从而重新得到热水系统能耗的回归模型；

即：使残差平方和

最小。

由此得到求解β₀-β₅的标准方程组：

$\left\{\begin{array}{c}\frac{\&part;Q}{\&part;{\mathrm{\&beta;}}_0}{|}_{{\mathrm{\&beta;}}_0-{\widehat{\mathrm{\&beta;}}}_0}=0\\ \frac{\&part;Q}{\&part;{\mathrm{\&beta;}}_l}{|}_{{\mathrm{\&beta;}}_i-{\widehat{\mathrm{\&beta;}}}_i}=0,i=1,2,\mathrm{...},k\end{array}\right.$

剔除日平均水位wat.lev，并重新得到热水系统能耗的回归模型；

确定重新得到热水系统能耗的回归模型的R方为0.9011时的各个回归系数值。

随即再对数据进行回归建模：

建模结果如上方所示，观察模型发现water.lev的系数-0.132接近0，并且其显著性P值为0.26，远远大于0.05，因此剔除该项，重新对数据建模。

重新建模后的各项系数都具有不同程度的显著性，此时模型总体R方为：0.9011拟合程度极高，其标准估计误差仅为5.269。

上述数据中，Intercept为回归常数。

得到最优热水系统能耗的回归模型如下：

energy.elc＝122.7399+12.1925energy.wat+4.4514temp.wat-1.3613temp.env-8.2384temp.ret。

可选地，还可以对回归模型进行验证：

首先，通过回归平方和SSR与总平方和SST的比计算,如下：

$R^2=\frac{SSR}{SST}=\frac{\mathrm{\&Sigma;}{({\hat{y}}_i-\stackrel{\&OverBar;}{y})}^2}{\mathrm{\&Sigma;}{(y_i-\stackrel{\&OverBar;}{y})}^2}$

将参数代入上式，得：

R²＝0.9148

该数值极高，说明该回归方程拟合程度非常好，反映在因变量能耗的变差中，能被环境温度、回水温度、水能耗等参数的多元回归方程所解释的比例为91.48％，在可接受的范围内。

由于回归模型存在随机误差项，在一定程度上影响预测结果，因此需计算出平均的误差做以参考，计算如下：

$S_e=\sqrt{\frac{\mathrm{\&Sigma;}{(y_i-{\hat{y}}_i)}^2}{n-k-1}}$

得：S_e＝5.269

即，根据所建立的多元回归方程，用环境温度等参数及来预测电能耗时，平均误差为5.269Kw*h的电能耗。

运用F检验可检验因变量能耗与k个自变量之间的线性关系是否显著。

首先，提出假设：

H₀：β₁＝β₂＝0

H₁：β₁，β₂，β₃，β₄，β₅不全为0

计算检验的统计量F:

$F=\frac{\mathrm{\&Sigma;}{({\hat{y}}_i-\stackrel{\&OverBar;}{y})}^2/k}{\mathrm{\&Sigma;}{(y_i-{\hat{y}}_i)}^2/(n-k-1)}$

得F＝67.065，根据分子自由度k＝5，分母自由度n-k-1＝24,查F分布表F_a(5,24)＝2.621.而F>F_a，拒绝原假设,认为因变量与自变量之间的线性回归关系显著。

通过该模型可看出，以月为维度时，影响电能耗的主要因素为补水量(energy.wat)，同时其他参数也具有不同程度的影响，依次为回水温度(temp.ret)，水箱温度(temp.wat)，环境温度(temp.env)。而在模型中被剔除的水位(water.lev)是由于运行期间每天平均的水位基本相似，造成其变化程度较小，无法计入模型中参考。

由于补水量的大小、水箱温度的高低由用户实际需求决定，因此在自适应调节中应当在满足用户使用的前提下尽量降低补水量与回水温度及水箱温度，而环境温度这一重要因素属于不可抗力，但可控制机组在环境温度较高时进行加热，便可对环境温度这一重要因素进行合理运用。

本发明还提供一种热水系统参数调节方法，其根据上述的基于能源供应系统的自适应运维和参数调节方法实现，包括

获取用户用水时段；获取用户近期内的日均水耗量，需求水温；如：7:00-24:00用水或24小时用水

获取当前水温，若低于需求温度10度，强制加热至需求温度；

获取当前水位，若低于液位：日均水能耗/(水箱底面积*5)*100，即安全水位，则强制补水至该液位；

根据近期日平均水能耗，代入0:00至当前时段期间其他日平均参数值，估算当天日平均电能耗；

根据估算的当日总电能耗与水能耗之比计算单位电能耗(即：每吨水耗电)，并与近期平均单位电能耗对比，若低于近期均值，则降低补水量，降低回水温度；

在环境温度较高时11:00后上调水温，启动加热，并上调水位，启动补水；

在用水高峰时段设置回水温度为需求水温-10，其余时段将回水温度设置为需求水温-15；

在环境温度开始下降时(17:00)下调水位，停止补水，同时判断水温是否达到需求水温，若没达到，继续加热至需求水温+3并下调设定温度；

夜间(23:00)后根据历史数据计算23:00-次日7:00用水量占一天内总用水量的比重，若小于10％，则将回水温度设定为需求水温-20，若大于10％，则设定回水温度为需求水温-15；

若存在供水时段限制，则在超出的时段将供水停止；

在早上7：00-10:00检测水温是否小于需求水温-10，若成立，则上调设定水位，加热至需求水温-5停止。

可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。

Claims (7)

1.一种基于能源供应系统的自适应运维和参数调节方法，其特征在于，其包括如下步骤：

S1、建立最优热水系统能耗的回归模型；

S2、根据最优热水系统能耗的回归模型对热水系统中各个日平均参数值进行优化调整，所述日平均参数值包括电能耗、水能耗、水位、水温、环境温度、回水温度。

2.如权利要求1所述的基于能源供应系统的自适应运维和参数调节方法，其特征在于，所述最优热水系统能耗的回归模型如下：

energy.elc＝122.7399+12.1925energy.wat+4.4514temp.wat-1.3613temp.env-8.2384temp.ret，其中energy.elc为日平均电能耗、energy.wat为日平均水能耗、temp.wat为日平均水温、temp.env为日平均环境温度、temp.ret为日平均回水温度。

3.如权利要求1所述的基于能源供应系统的自适应运维和参数调节方法，其特征在于，所述步骤S1包括如下子步骤：

S11、采集预设时间间隔区间内每天的平均参数值，所述平均参数值包括日平均电能耗、日平均水能耗、日平均水位、日平均水温、日平均环境温度、日平均回水温度，通过开源平台R分析平均参数值两两之间的相关性r；

S12、根据平均参数值两两之间的相关性r确定热水系统能耗与各个平均参数值之间的相关关系，并且基于相关关系建立热水系统能耗的回归模型；

S13、确定热水系统能耗的回归模型各个平均参数值的系数，重新得到热水系统能耗的回归模型；并对重新得到的热水系统能耗的回归模型进行修正得到最优热水系统能耗的回归模型。

4.根据权利要求3所述的基于能源供应系统的自适应运维和参数调节方法，其特征在于，

所述步骤S11包括：

某一月日平均电能耗、日平均水能耗、日平均水位、日平均水温、日平均环境温度、日平均回水温度6组平均参数值，并导入开源平台R；

绘制6组平均参数值两两之间的散点图矩阵，并进行直观观测，并通过如下公式获得6组平均参数值两两之间的相关性r；

$r=\frac{n\&Sigma;xy-\&Sigma;x\&Sigma;y}{\sqrt{n\&Sigma;x^2-{(\&Sigma;x)}^2}\&CenterDot;\sqrt{n\&Sigma;y^2-{(\&Sigma;y)}^2}};$

其中n为每组平均参数值的个数，x、y分别代表两两平均参数值。

5.根据权利要求4所述的基于能源供应系统的自适应运维和参数调节方法，其特征在于，所述步骤S12包括：

通过相关性r获得日平均电能耗energy.elc与日平均水能耗energy.wat之间第一正相关，日平均电能耗energy.elc与日平均环境温度temp.env第一负相关，日平均电能耗energy.elc与日平均水位water.lev及日平均水温temp.wat具有第二正相关关系，日平均电能耗energy.elc与日平均回水温度temp.ret具有第二负相关；第一绝对值大于第二绝对值；

则热水系统能耗的回归模型如下形式：

energy.elc＝β₀+β₁energy.wat+β₂tem.wat+β₃tem.env

+β₄tem.ret+β₅wat.lev+ξ

式中：

β₀为回归常数；β₁至β₅为回归系数；ξ为随机误差项。

6.根据权利要求5所述的灵活的知识点体系构建方法，其特征在于，

所述步骤S13包括：

通过最小二乘法获得β₀-β₅的值，从而重新得到热水系统能耗的回归模型；

剔除日平均水位wat.lev，并重新得到热水系统能耗的回归模型；

确定重新得到热水系统能耗的回归模型的R方为0.9011时的各个回归系数值，得到最优热水系统能耗的回归模型如下：

energy.elc＝122.7399+12.1925energy.wat+4.4514temp.wat-1.3613temp.env-8.2384temp.ret。

7.一种热水系统参数调节方法，其根据权利要求2所述的基于能源供应系统的自适应运维和参数调节方法实现，其特征在于，包括

获取用户用水时段；获取用户近期内的日均水耗量，需求水温；

获取当前水温，若低于需求温度10度，强制加热至需求温度；

获取当前水位，若低于液位：日均水能耗/(水箱底面积*5)*100，即安全水位，则强制补水至该液位；

根据近期日平均水能耗，代入0:00至当前时段期间其他日平均参数值，估算当天日平均电能耗；

根据估算的当日总电能耗与水能耗之比计算单位电能耗(即：每吨水耗电)，并与近期平均单位电能耗对比，若低于近期均值，则降低补水量，降低回水温度；

在环境温度较高时上调水温，启动加热，并上调水位，启动补水；

在用水高峰时段设置回水温度为需求水温-10，其余时段将回水温度设置为需求水温-15；

在环境温度开始下降时下调水位，停止补水，同时判断水温是否达到需求水温，若没达到，继续加热至需求水温+3并下调设定温度；

夜间后根据历史数据计算23:00-次日7:00用水量占一天内总用水量的比重，若小于10％，则将回水温度设定为需求水温-20，若大于10％，则设定回水温度为需求水温-15；

若存在供水时段限制，则在超出的时段将供水停止；

在早上7：00-10:00检测水温是否小于需求水温-10，若成立，则上调设定水位，加热至需求水温-5停止。