CN106779179B - 一种空调机组的负荷预测方法及设备 - Google Patents

一种空调机组的负荷预测方法及设备 Download PDF

Info

Publication number
CN106779179B
CN106779179B CN201611067635.9A CN201611067635A CN106779179B CN 106779179 B CN106779179 B CN 106779179B CN 201611067635 A CN201611067635 A CN 201611067635A CN 106779179 B CN106779179 B CN 106779179B
Authority
CN
China
Prior art keywords
air
load
conditioner set
preset duration
prediction data
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
Application number
CN201611067635.9A
Other languages
English (en)
Other versions
CN106779179A (zh
Inventor
宋志春
王亚静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
New Austrian Universal Network Technology Co Ltd
Original Assignee
New Austrian Universal Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by New Austrian Universal Network Technology Co Ltd filed Critical New Austrian Universal Network Technology Co Ltd
Priority to CN201611067635.9A priority Critical patent/CN106779179B/zh
Publication of CN106779179A publication Critical patent/CN106779179A/zh
Application granted granted Critical
Publication of CN106779179B publication Critical patent/CN106779179B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种空调机组的负荷预测方法及设备，用于较准确地预测空调机组的负荷从而确定供给空调机组的能量，以节省空调机组消耗的能量。所述方法包括：在预设时刻，计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值；计算得到的至少一个相对差值的平均值；若所述平均值大于预设阈值，按照所述平均值对第二预设时长内的负荷预测数据进行修正。

Description

一种空调机组的负荷预测方法及设备
技术领域
本发明涉及空调技术领域，尤其涉及一种空调机组的负荷预测方法及其设 备。
背景技术
目前很多建筑中设置了中央空调，但中央空调一般都比较耗电，如何节省 中央空调在运行过程中消耗的能量是令诸多企业头疼的问题。但对此目前并没 有好的解决办法。
发明内容
本发明实施例提供一种空调机组的负荷预测方法及设备，用于较准确地预 测空调机组的负荷从而确定供给空调机组的能量，以节省空调机组消耗的能量。
第一方面，提供一种空调机组的负荷预测方法，所述方法包括：
在预设时刻，计算所述空调机组在第一预设时长内包括的至少一个单位时 间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值；其中，一 个负荷实际数据和一个负荷预测数据的相对差值为：所述负荷实际数据减去负 荷预测数据所得到的差值与所述负荷预测数据的比值；所述第一预设时长的结 束时刻为所述预设时刻；所述空调机组的负荷包括所述空调机组输出的能量， 所述负荷预测数据为预测的所述空调机组输出的能量，所述负荷实际数据为实 际测量得到的所述空调机组输出的能量；
计算得到的至少一个相对差值的平均值；
若所述平均值大于预设阈值，按照所述平均值对第二预设时长内的负荷预 测数据进行修正；所述第二预设时长的起始时刻为所述预设时刻。
可选的，按照所述平均值对第二预设时长内的负荷预测数据进行修正，包括：
将所述平均值加1得到的和，与所述第二预设时长内的每个单位时间内的负荷预测数据相乘，得到的乘积值为所述第二预设时长内的修正后的负荷预测数据。
可选的，在预设时刻，计算所述空调机组在第一预设时长内包括的至少一 个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值之 前，还包括：
获取所述空调机组在所述第一预设时长内的每小时内的负荷预测数据；对 所述每小时内的负荷预测数据进行线性插值处理，得到每分钟内的负荷预测数 据；
对所述每分钟内的负荷预测数据进行平滑处理，得到平滑处理后的每分钟 内的负荷预测数据。
可选的，在计算所述空调机组在第一预设时长内包括的至少一个单位时间 内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值之前，还包括：
确定在所述第一预设时长内所述空调机组中是否有至少一个空调设备从关 闭状态转入开启状态；
计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单 位时间内的负荷实际数据与负荷预测数据的相对差值，包括：
若在所述第一预设时长内所述空调机组中没有空调设备从关闭状态转入开 启状态，则计算所述空调机组在第一预设时长内包括的至少一个单位时间内的 每个单位时间内的负荷实际数据与负荷预测数据的相对差值。
可选的，在预设时刻，计算所述空调机组在第一预设时长内包括的至少一 个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值之 前，还包括：
在所述第一预设时长内，接收用于调整所述空调机组的负荷的指令；
将接收所述指令的时刻设定为所述预设时刻。
第二方面，提供一种空调机组的负荷预测设备，包括：
计算模块，用于在预设时刻，计算所述空调机组在第一预设时长内包括的 至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对 差值；其中，一个负荷实际数据和一个负荷预测数据的相对差值为：所述负荷 实际数据减去负荷预测数据所得到的差值与所述负荷预测数据的比值；所述第 一预设时长的结束时刻为所述预设时刻；所述空调机组的负荷包括所述空调机 组输出的能量，所述负荷预测数据为预测的所述空调机组输出的能量，所述负 荷实际数据为实际测量得到的所述空调机组输出的能量；计算得到的至少一个 相对差值的平均值；
修正模块，用于若所述计算模块计算得到的所述平均值大于预设阈值，按 照所述平均值对第二预设时长内的负荷预测数据进行修正；所述第二预设时长 的起始时刻为所述预设时刻。
可选的，所述修正模块按照所述平均值对第二预设时长内的负荷预测数据进行修正，包括：
将所述平均值加1得到的和，与所述第二预设时长内的每个单位时间内的负荷预测数据相乘，得到的乘积值为所述第二预设时长内的修正后的负荷预测数据。
可选的，所述设备还包括获取模块和平滑处理模块；
所述获取模块用于：在所述计算模块计算所述空调机组在第一预设时长内 包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据 的相对差值之前，获取所述空调机组在所述第一预设时长内的每小时内的负荷 预测数据；对所述每小时内的负荷预测数据进行线性插值处理，得到每分钟内 的负荷预测数据；
所述平滑处理模块用于：对所述获取模块得到的所述每分钟内的负荷预测 数据进行平滑处理，得到平滑处理后的每分钟内的负荷预测数据。
可选的，所述设备还包括确定模块；
所述确定模块用于：在所述计算模块计算所述空调机组在第一预设时长内 包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据 的相对差值之前，确定在所述第一预设时长内所述空调机组中是否有至少一个 空调设备从关闭状态转入开启状态；
所述计算模块计算所述空调机组在第一预设时长内包括的至少一个单位时 间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值，包括：若 所述确定模块确定在所述第一预设时长内所述空调机组中没有空调设备从关闭 状态转入开启状态，则计算所述空调机组在第一预设时长内包括的至少一个单 位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值。
可选的，所述设备还包括接收模块和设定模块；
所述接收模块用于：在所述计算模块计算所述空调机组在第一预设时长内 包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据 的相对差值之前，在所述第一预设时长内，接收用于调整所述空调机组的负荷 的指令；
所述设定模块用于：将所述接收模块接收所述指令的时刻设定为所述预设 时刻。
本发明实施例提供的空调机组的负荷预测方法，能根据实际情况的变化在 预设时刻根据预设时刻之前已产生的负荷实际数据对预设时刻之后的负荷预测 数据自动进行修正，能较准确地预测空调机组的负荷从而确定供给空调机组的 能量，以节省空调机组消耗的能量，避免供能不足或过剩供能，也可以提高建 筑物内部的舒适性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述 中的附图仅仅是本发明实施例，对于本领域普通技术人员来讲，在不付出创造 性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的空调机组的负荷预测方法的流程图；
图2为本发明实施例提供的空调机组的负荷预测设备的一种结构示意图；
图3为本发明实施例提供的空调机组的负荷预测设备的一种结构示意图；
图4为本发明实施例提供的空调机组的负荷预测设备的一种结构示意图；
图5为本发明实施例提供的空调机组的负荷预测设备的一种结构示意图。。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面将结合本发明实 施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然， 所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发 明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所 有其他实施例，都属于本发明保护的范围。在不冲突的情况下，本发明中的实 施例及实施例中的特征可以相互任意组合。并且，虽然在流程图中示出了逻辑 顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
为了更好地理解，下面将结合说明书附图介绍本发明实施例提供的技术方 案。
请参见图1，本发明实施例提供一种空调机组的负荷预测方法。空调机组可 以是位于建筑物中的中央空调系统，或者是位于建筑物中的其它类型的空调机 组。空调机组的负荷包括空调机组输出的能量，例如为了使建筑室内维持在一 定的温湿水平，空调机组需要输出的制热量或制冷量。该方法的流程描述如下：
S101：在预设时刻，计算空调机组在第一预设时长内包括的至少一个单位 时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值；其中， 一个负荷实际数据和一个负荷预测数据的相对差值为：该负荷实际数据减去该 负荷预测数据所得到的差值与该负荷预测数据的比值；第一预设时长的结束时 刻为预设时刻；空调机组的负荷包括空调机组输出的能量，负荷预测数据为预 测的空调机组输出的能量，负荷实际数据为实际测量得到的空调机组输出的能 量；
S102：计算得到的至少一个相对差值的平均值；
S103：若平均值大于预设阈值，按照该平均值对第二预设时长内的负荷预 测数据进行修正；第二预设时长的起始时刻为预设时刻。
关于设定预设时刻，可以包括但不限于以下方法：
方法一：预设时刻是预先设定好的。24小时内的预设时刻可以不止一个， 例如可以从每天的零时十分开始，将相隔十分钟的时刻均设置为预设时刻，零 时十分也可以作为其中一个预设时刻。可以在每个预设时刻计算空调机组在第 一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与 负荷预测数据的相对差值的平均值，如果在一个预设时刻计算得到的平均值大 于预设阈值，按照该平均值对从该预设时刻开始的第二预设时长内的负荷预测 数据进行修正。即本发明实施例提供的方法可反复执行，以更好地预测及修正 空调的负荷情况。
方法二：如果接收到用于调整空调机组的负荷的指令，则将接收该指令的 时刻设定为预设时刻。
在预设时刻之前，可以先获取空调机组在第一预设时长内的负荷预测数据。 该负荷预测数据可以通过现有的负荷预测技术获取。该负荷预测数据可以是空 调机组在第一预设时长内的每小时内的负荷预测数据，即单位时间为小时，在 这种情况下，为了使修正更加及时、准确，可以对第一预设时长内的每小时内 的负荷预测数据进行线性插值处理，得到每分钟内的负荷预测数据，即单位时 间为分钟。进一步的，在得到每分钟内的负荷预测数据后，还可以根据需要对 第一预设时长内的每分钟内的负荷预测数据进行线性插值处理，得到每秒内的 负荷预测数据，即单位时间为秒。本发明实施例对于负荷预测数据的粒度不作 限制。下文以根据空调机组在第一预设时长内的每小时内的负荷预测数据得到空调机组在第一预设时长内的每分钟内的负荷预测数据为例进行说明。线性插 值的方法有多种，例如采用拉格朗日插值算法，或者采用其他的线性插值算法。 在使用线性插值处理的方法得到第一预设时长内的每分钟内的负荷预测数据之 后，为了降噪，可以对其进行平滑处理，再得到平滑处理后的每分钟内的负荷 预测数据。平滑处理的方法有很多，例如采用五点二次平滑处理。
在第一预设时长内还可以采集每个单位时间内的负荷实际数据。到了第一 预设时长的结束时刻，即预设时刻，可以计算空调机组在第一预设时长内包括 的部分单位时间或全部单位时间中的每个单位时间内的负荷实际数据与负荷预 测数据的相对差值，再计算得到的至少一个相对差值的平均值。计算相对差值 的公式可以如下：
ci＝(xri-xp1i)/xp1i (1)
在公式(1)中，xri为空调机组在第一预设时长内包括的第i个单位时间内 的负荷实际数据，i为不小于1且不大于第一预设时长内包括的单位时间的个数 的整数，xp1i为空调机组在第一预设时长内包括的第i个单位时间内的负荷预测 数据，ci为空调机组在第一预设时长内包括的第i个单位时间内的负荷实际数据 与负荷预测数据的相对差值。
计算相对差值的平均值的公式可以如下：
在公式(2)中，n为空调机组在第一预设时长内包括的部分或全部单位时 间内的单位时间的个数，为空调机组在第一预设时长内包括的部分或全部单位 时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值的平均值。
若根据公式(2)得到的平均值的绝对值大于预设阈值，则根据该平均值对 预设时刻之后第二预设时长内的负荷预测数据进行修正，修正的方法可以为：
在公示(3)中，xmk为空调机组在第二预设时长内包括的第k个单位时间 内的修正后的负荷预测数据，k为不小于1且不大于第二预设时长内包括的单位 时间个数的整数，xp2k为空调机组在第二预设时长内包括的第k个单位时间内的 原有负荷预测数据，为空调机组在第一预设时长内包括的部分或全部单位时间 内的每个单位时间内的负荷实际数据与负荷预测数据的平均相对差值。
通过本发明实施例提供的方法，可以根据预设时刻之前的负荷实际数据对 预设时刻之后的负荷预测数据自动进行修正，提高了负荷预测的准确度。
一般来说，若空调机组中已开启的空调设备的负荷不足以满足需求，则可 能启动空调机组中原本处于关闭状态的空调设备，在启动新的空调设备后，空 调机组的负荷实际数据会因新空调设备的运行而在一定时间段内激增，与该时 间段内的原有负荷预测数据产生相对较大的偏差，如果根据该时间段内的每个 单位时间内的负荷实际数据与负荷预测数据的平均相对差值对之后的负荷预测 数据进行修正，则可能误差较大。因此，在每次计算空调机组在第一预设时长 内包括的至少一分钟内的每分钟内的负荷实际数据与负荷预测数据的相对差值 之前，可以先确定在第一预设时长内空调机组中是否有至少一个空调设备从关 闭状态转入开启状态，如果在第一预设时长内空调机组中有至少一个空调设备 从关闭状态转入开启状态，则不对第二预设时长内的负荷预测数据进行修正， 如果第一预设时长内空调机组中没有空调设备从关闭状态转入开启状态，则对 第二预设时长内的负荷预测数据进行修正。
例如，可以通过空调机组中包括的空调设备的状态值来确定空调机组中是 否有至少一个空调设备从关闭状态转入开启状态，具体来讲，可以判断第一预 设时长内空调机组中所有空调设备的状态值是否均未表示该空调设备从关闭状 态转入开启状态，例如一个空调设备的状态值是1则代表该空调设备处于开启 状态，是0则代表该空调设备处于关闭状态，如果在第一预设时长内，一个空 调设备的状态值未从0变成1，则确定在第一预设时长内该空调设备的状态未从 关闭状态转入开启状态。通过这种方法，若确定在第一预设时长内空调机组中 没有空调设备从关闭状态转入开启状态，则可以计算空调机组在第一预设时长 内包括的至少一分钟内的每分钟内的负荷实际数据与负荷预测数据的相对差值， 并根据得到的相对差值的平均值决定是否对第二预设时长内的负荷预测数据进 行修正。通过这种方法可以避免因为新的空调设备启动带来负荷实际数据突变 而引起的对负荷预测数据的错误修正。
本发明实施例提供的空调机组的负荷预测方法，能根据实际情况的变化在 预设时刻根据预设时刻之前已产生的负荷实际数据对预设时刻之后的负荷预测 数据自动进行修正，能较准确地预测空调机组的负荷从而确定供给空调机组的 能量，以节省空调机组消耗的能量，避免供能不足或过剩供能，提高建筑物内 部的舒适性。
请参见图2，基于同一发明构思，本发明实施例提供一种空调机组的负荷预 测设备，包括：
计算模块201，用于在预设时刻，计算空调机组在第一预设时长内包括的至 少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差 值；其中，一个负荷实际数据和一个负荷预测数据的相对差值为：负荷实际数 据减去负荷预测数据所得到的差值与负荷预测数据的比值；第一预设时长的结 束时刻为预设时刻；空调机组的负荷包括空调机组输出的能量，负荷预测数据 为预测的空调机组输出的能量，负荷实际数据为实际测量得到的空调机组输出 的能量；计算得到的至少一个相对差值的平均值；
修正模块202，用于若计算模块201计算得到的平均值大于预设阈值，按照 平均值对第二预设时长内的负荷预测数据进行修正；第二预设时长的起始时刻 为预设时刻。
可选的，修正模块202按照平均值对第二预设时长内的负荷预测数据进行修正，可以通过以下方式实现：
将平均值加1得到的和，与第二预设时长内的每个单位时间内的负荷预测数据相乘，得到的乘积值为第二预设时长内的修正后的负荷预测数据。
可选的，请参见图3，设备还可以包括获取模块203和平滑处理模块204；
获取模块203用于：在计算模块201计算空调机组在第一预设时长内包括 的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相 对差值之前，获取空调机组在第一预设时长内的每小时内的负荷预测数据；对 每小时内的负荷预测数据进行线性插值处理，得到每分钟内的负荷预测数据；
平滑处理模块204用于：对获取模块203得到的每分钟内的负荷预测数据 进行平滑处理，得到平滑处理后的每分钟内的负荷预测数据。
可选的，请参见图4，设备还可以包括确定模块205；
确定模块205用于：在计算模块201计算空调机组在第一预设时长内包括 的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相 对差值之前，确定在第一预设时长内空调机组中是否有至少一个空调设备从关 闭状态转入开启状态；
计算模块201计算空调机组在第一预设时长内包括的至少一个单位时间内 的每个单位时间内的负荷实际数据与负荷预测数据的相对差值，可以通过以下 方式实现：若确定模块205确定在第一预设时长内空调机组中没有空调设备从 关闭状态转入开启状态，则计算空调机组在第一预设时长内包括的至少一个单 位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值。
可选的，请参见图5，设备还可以包括接收模块206和设定模块207；
接收模块206用于：在计算模块201计算空调机组在第一预设时长内包括 的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相 对差值之前，在第一预设时长内，接收用于调整空调机组的负荷的指令；
设定模块207用于：将接收模块206接收指令的时刻设定为预设时刻。
由于本发明实施例提供的空调机组的负荷预测设备用于执行图1所示的实 施例所提供的空调机组的负荷预测方法，因此对于空调机组的负荷预测设备包 括的各功能模块所能够实现的功能及一些实现过程可参考图1所示的实施例部 分的描述，在此不再赘述。
本发明实施例提供的空调机组的负荷预测方法，能根据实际情况的变化在 预设时刻根据预设时刻之前已产生的负荷实际数据对预设时刻之后的负荷预测 数据自动进行修正，能较准确地预测空调机组的负荷从而确定供给空调机组的 能量，以节省空调机组消耗的能量，避免供能不足或过剩供能，提高建筑物内 部的舒适性。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述 各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分 配由不同的功能单元完成，即将装置的内部结构划分成不同的功能单元，以完 成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过 程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法， 可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的， 例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有 另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统， 或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或 直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接， 可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为 单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者 也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部 单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元 中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的 形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或 使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明 的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或 部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质 中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或 者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的全部或 部分步骤。而前述的存储介质包括：通用串行总线闪存盘(Universal Serial Bus flash disk)、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存 储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以对本发明的技术方案进行了详细介绍，但以上实施例的 说明只是用于帮助理解本发明的方法及其核心思想，不应理解为对本发明的限 制。本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或 替换，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种空调机组的负荷预测方法，包括：
在预设时刻，计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值；其中，一个负荷实际数据和一个负荷预测数据的相对差值为：所述负荷实际数据减去负荷预测数据所得到的差值与所述负荷预测数据的比值；所述第一预设时长的结束时刻为所述预设时刻；所述空调机组的负荷包括所述空调机组输出的能量，所述负荷预测数据为预测的所述空调机组输出的能量，所述负荷实际数据为实际测量得到的所述空调机组输出的能量；
计算得到的至少一个相对差值的平均值；
若所述平均值大于预设阈值，按照所述平均值对第二预设时长内的负荷预测数据进行修正；所述第二预设时长的起始时刻为所述预设时刻；其中，
按照所述平均值对第二预设时长内的负荷预测数据进行修正，包括：将所述平均值加1得到的和，与所述第二预设时长内的每个单位时间内的负荷预测数据相乘，得到的乘积值为所述第二预设时长内的修正后的负荷预测数据；
在预设时刻，计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值之前，还包括：获取所述空调机组在所述第一预设时长内的每小时内的负荷预测数据；对所述每小时内的负荷预测数据进行线性插值处理，得到每分钟内的负荷预测数据；对所述每分钟内的负荷预测数据进行平滑处理，得到平滑处理后的每分钟内的负荷预测数据；
在计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值之前，还包括：确定在所述第一预设时长内所述空调机组中是否有至少一个空调设备从关闭状态转入开启状态；计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值，包括：若在所述第一预设时长内所述空调机组中没有空调设备从关闭状态转入开启状态，则计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值。
2.如权利要求1所述的方法，其特征在于，在预设时刻，计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值之前，还包括：
在所述第一预设时长内，接收用于调整所述空调机组的负荷的指令；
将接收所述指令的时刻设定为所述预设时刻。
3.一种空调机组的负荷预测设备，包括：
计算模块，用于在预设时刻，计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值；其中，一个负荷实际数据和一个负荷预测数据的相对差值为：所述负荷实际数据减去负荷预测数据所得到的差值与所述负荷预测数据的比值；所述第一预设时长的结束时刻为所述预设时刻；所述空调机组的负荷包括所述空调机组输出的能量，所述负荷预测数据为预测的所述空调机组输出的能量，所述负荷实际数据为实际测量得到的所述空调机组输出的能量；计算得到的至少一个相对差值的平均值；
修正模块，用于若所述计算模块计算得到的所述平均值大于预设阈值，按照所述平均值对第二预设时长内的负荷预测数据进行修正；所述第二预设时长的起始时刻为所述预设时刻；其中，
所述修正模块按照所述平均值对第二预设时长内的负荷预测数据进行修正，包括：将所述平均值加1得到的和，与所述第二预设时长内的每个单位时间内的负荷预测数据相乘，得到的乘积值为所述第二预设时长内的修正后的负荷预测数据；
所述设备还包括获取模块和平滑处理模块；所述获取模块用于：在所述计算模块计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值之前，获取所述空调机组在所述第一预设时长内的每小时内的负荷预测数据；对所述每小时内的负荷预测数据进行线性插值处理，得到每分钟内的负荷预测数据；所述平滑处理模块用于：对所述获取模块得到的所述每分钟内的负荷预测数据进行平滑处理，得到平滑处理后的每分钟内的负荷预测数据；
所述设备还包括确定模块；所述确定模块用于：在所述计算模块计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值之前，确定在所述第一预设时长内所述空调机组中是否有至少一个空调设备从关闭状态转入开启状态；所述计算模块计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值，包括：若所述确定模块确定在所述第一预设时长内所述空调机组中没有空调设备从关闭状态转入开启状态，则计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值。
4.如权利要求3所述的设备，其特征在于，所述设备还包括接收模块和设定模块；
所述接收模块用于：在所述计算模块计算所述空调机组在第一预设时长内包括的至少一个单位时间内的每个单位时间内的负荷实际数据与负荷预测数据的相对差值之前，在所述第一预设时长内，接收用于调整所述空调机组的负荷的指令；
所述设定模块用于：将所述接收模块接收所述指令的时刻设定为所述预设时刻。
CN201611067635.9A 2016-11-28 2016-11-28 一种空调机组的负荷预测方法及设备 Active CN106779179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611067635.9A CN106779179B (zh) 2016-11-28 2016-11-28 一种空调机组的负荷预测方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611067635.9A CN106779179B (zh) 2016-11-28 2016-11-28 一种空调机组的负荷预测方法及设备

Publications (2)

Publication Number Publication Date
CN106779179A CN106779179A (zh) 2017-05-31
CN106779179B true CN106779179B (zh) 2018-10-19

Family

ID=58904206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611067635.9A Active CN106779179B (zh) 2016-11-28 2016-11-28 一种空调机组的负荷预测方法及设备

Country Status (1)

Country Link
CN (1) CN106779179B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110068110B (zh) * 2019-04-02 2020-12-04 深圳市海源节能科技有限公司 一种中央空调负荷预测方法、智能终端及存储介质
CN111461462B (zh) * 2020-04-29 2023-11-21 南京工程学院 基于TrellisNet-LSTM的日负荷预测方法
CN112668765A (zh) * 2020-12-23 2021-04-16 韶关东阳光科技研发有限公司 铝加工企业电力用户的负荷预测及能源管理的方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021914A (zh) * 2006-03-22 2007-08-22 侯春海 暖通空调负荷预测方法和系统
CN105091209A (zh) * 2014-05-23 2015-11-25 国网山西省电力公司电力科学研究院 一种基于空调负荷预测的控制系统及方法
CN105701559A (zh) * 2015-12-31 2016-06-22 国网上海市电力公司 一种基于时间序列的短期负荷预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021914A (zh) * 2006-03-22 2007-08-22 侯春海 暖通空调负荷预测方法和系统
CN105091209A (zh) * 2014-05-23 2015-11-25 国网山西省电力公司电力科学研究院 一种基于空调负荷预测的控制系统及方法
CN105701559A (zh) * 2015-12-31 2016-06-22 国网上海市电力公司 一种基于时间序列的短期负荷预测方法

Also Published As

Publication number Publication date
CN106779179A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
JP7059583B2 (ja) エネルギーマネジメントシステム、電力需給計画最適化方法、および電力需給計画最適化プログラム
Nguyen et al. Distributed demand side management with energy storage in smart grid
CN106779179B (zh) 一种空调机组的负荷预测方法及设备
US20160125339A1 (en) Demand-supply planning device, demand-supply planning method, demand-supply planning program, and recording medium
US20190137956A1 (en) Battery lifetime maximization in behind-the-meter energy management systems
Lyon et al. Reserve requirements to efficiently manage intra-zonal congestion
Soler et al. Optimizing performance of a bank of chillers with thermal energy storage
CN108281989B (zh) 一种风电电力系统经济调度方法及装置
US10680455B2 (en) Demand charge minimization in behind-the-meter energy management systems
CN109784594B (zh) 一种售电商可调负荷决策方法及系统
Thien et al. Energy management of stationary hybrid battery energy storage systems using the example of a real-world 5 MW hybrid battery storage project in Germany
Alur et al. Optimal scheduling for constant-rate multi-mode systems
Yang et al. Exploring blockchain for the coordination of distributed energy resources
Nesmachnow et al. Controlling datacenter power consumption while maintaining temperature and QoS levels
CN111047163A (zh) 储能策略数据处理系统、方法、装置及介质
Langner et al. Model predictive control of distributed energy resources in residential buildings considering forecast uncertainties
Sarkar et al. Concurrent Carbon Footprint Reduction (C2FR) Reinforcement Learning Approach for Sustainable Data Center Digital Twin
JP2020039222A (ja) 電力需給制御装置、電力需給制御システムおよび電力需給制御方法
US9979191B2 (en) Power control method, device and system for instigating a power control based on the examined allocation
CN113555887B (zh) 电网能源控制方法、装置、电子设备及存储介质
CN113283655B (zh) 一种基于共识优化算法的分布式智能电网能源调度方法
CN113297152B (zh) 一种电力物联网边缘服务器缓存更新的方法及装置
CN109167397A (zh) 一种储能协调控制方法及系统
CN114462727A (zh) 基于多主体联合的新能源系统能源优化调度方法及系统
JP7065291B2 (ja) 電力制御方法、プログラム、電力制御システム、及び電力管理システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 065001 Langfang District, Hebei economic and Technological Development Zone, Hua Xiang Road, Xinyuan Road, new Austrian Science and Technology Park, South Block B

Applicant after: New Austrian Universal Network Technology Co., Ltd.

Address before: 065001 Langfang District, Hebei economic and Technological Development Zone, Hua Xiang Road, Xinyuan Road, new Austrian Science and Technology Park, South Block B

Applicant before: Polytron Technologies Inc

GR01 Patent grant
GR01 Patent grant