CN109961181A - 用于建筑能源逐时负荷预测的方法及系统 - Google Patents
用于建筑能源逐时负荷预测的方法及系统 Download PDFInfo
- Publication number
- CN109961181A CN109961181A CN201910197917.8A CN201910197917A CN109961181A CN 109961181 A CN109961181 A CN 109961181A CN 201910197917 A CN201910197917 A CN 201910197917A CN 109961181 A CN109961181 A CN 109961181A
- Authority
- CN
- China
- Prior art keywords
- energy
- building
- load
- variation coefficient
- source type
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种用于建筑能源逐时负荷预测的方法及系统,方法包括步骤:提供某一建筑,获取该建筑的建筑类型及待计算的能源类型,根据建筑类型确定该建筑在该能源类型下的能源负荷的单位面积指标A,并统计实际建筑面积Q;确定该建筑在该能源类型下的能源负荷的典型日24小时变化系数h(i);确定该建筑在该能源类型下的能源负荷的典型年12个月的变化系数m(j);确定该建筑在该能源类型下的能源负荷的30年变化系数y(k);计算该建筑第k年j月中的某一天第i小时的该能源类型下的能量负荷数值为A*Q*h(i)*m(j)*y(k)。通过上述方法及系统,可以使非专业人员通过简单的操作在极短的时间内即可得到区域内各个建筑各类能源的较为准确的逐时负荷数据。
Description
技术领域
本发明涉及负荷计算领域,尤其涉及用于建筑能源逐时负荷预测的方法及系统。
背景技术
建筑能源逐时负荷预测分析是区域综合能源供应服务的重要基础,可在区域综合能源规划阶段预测目标区域内各类建筑的各类能源的逐时负荷情况,通过对负荷状况的分析,从安全、经济、节能的角度选择最优的能源供应方案;也可在区域综合能源运行阶段分析目标区域内各类建筑的各类能源的实时负荷情况,从节能降耗的角度选择最优的能源运行方案。此处所涉各类建筑包括:居住建筑、商业建筑、办公建筑、教育建筑等。此处所涉各类能源包括:电力、天然气、空调冷、采暖热、生活热水等。
由于建筑能源负荷计算是一个多物理场耦合、非线性的复杂系统,建立高精度、高效率的负荷预测分析模型非常困难。目前建筑能源负荷预测分析的方法主要存在以下缺陷:分析工具和操作方法过于复杂,非经培训的专业人员很难操作。以DeST为例,需要操作人员对目标建筑进行3D建模和一系列复杂的操作才能完成,过于耗时耗力。因此,提供一种普通非专业人员都能操作的可以准确的给出各类建筑的各类能源的逐时负荷的简单的方法或系统,成为目前亟待解决的问题。
发明内容
本发明要解决的技术问题是,提供一种用于建筑能源逐时负荷预测的方法,所述方法包括步骤:
S1、提供某一建筑,获取该建筑的建筑类型及待计算的能源类型,根据建筑类型确定该建筑在该能源类型下的能源负荷的单位面积指标A,并统计实际建筑面积Q;
S2、确定该建筑在该能源类型下的能源负荷的典型日24小时变化系数h(i),i∈[1,2,......,24];
S3、确定该建筑在该能源类型下的能源负荷的典型年12个月的变化系数m(j),j∈[1,2,......,12];
S4、确定该建筑在该能源类型下的能源负荷的30年变化系数y(k),k∈[1,2,......,30];
S5、计算该建筑第k年j月中的某一天第i小时的该能源类型下的能量负荷数值为:A*Q*h(i)*m(j)*y(k)。
较佳的,24小时变化系数h(i)的确定步骤为:
S21、确定获取该建筑连续前三年中相同一天中的24个时段的该类能量负荷量,共包括3*24个数据;
S22、获取此三天内同时段的该类能量负荷量的小时最大能量值以及三天内同时段的小时平均能量值
S23、对以及进行处理,获取初始
较佳的,对h(i)的修正过程为:
S24、统计获取该建筑当前一天内的24个时段对应的能量负荷量Wd(i);
S25、对Wd(i)以及步骤S21中获取的3*24个数据进行比对,获取此四天内同时段的小时最大能量值以及四天内同时段的小时平均能量值
S26、利用步骤S23中的公式获取更新后的h(i)。
较佳的,12个月变化系数m(j)的确定步骤为:
S31、获取该建筑连续三年中每月的该类能量负荷量,共包括3*12个数据;
S32、获取该建筑三年内同时段的该类能量负荷量的平均值,处理后剩余12个每月平均能量值以及获取该建筑三年内同时段的该类能量负荷量的最大值,处理后剩余12个每月最大能量值
S33、对以及进行处理,获取初始
较佳的,对m(j)的修正过程为:
S34、获取该建筑第四年的12个月对应的该类能源的能量负荷量Wm(j);
S35、对Wm(j)以及步骤S31中获取的3*12个数据进行比对,获取当前四年内同时段的月最大能量值以及四年内同时段的月平均能量值
S36、利用步骤S33中的公式获取更新后的m(j)。
较佳的,30年的变化系数y(k)的确定方式为:
S41、获取该建筑的三十年中每年的该类能源的能量负荷总量Wy(k);
S42、Wy(k)进行处理,获取变化系数
本发明还提供了一种用于建筑能源逐时负荷预测的系统,所述系统包括:
单位面积指标获取模块,用以获取建筑模型及待计算能源类型,根据建筑模型确定该能源类型下的能源负荷的单位面积指标A,并统计实际建筑面积Q;
小时变化系数获取模块,用以确定该建筑在该能源类型下的能源负荷的典型日24小时变化系数h(i),i∈[1,2,......,24];
月变化系数获取模块,用以确定该建筑在该能源类型下的能源负荷的典型年12个月的变化系数m(j),j∈[1,2,......,12];
年变化系数获取模块,用以确定该建筑在该能源类型下的能源负荷的30年变化系数y(k),k∈[1,2,......,30];
逐时能量负荷数值获取模块,与上述单位面积指标获取模块、小时变化系数获取模块、月变化系数获取模块以及年变化系数获取模块均连接,用以获取该建筑下的该类能源的逐时能量负荷数值。
较佳的,所述逐时能量负荷数值获取模块的计算公式为A*Q*h(i)*m(j)*y(k)。
上述技术方案具有如下优点或有益效果:通过上述方法及系统,可以使非专业人员通过简单的操作在极短的时间内即可得到专业人员需要复杂的操作在较长的时间里才能得到的区域内各个建筑各类能源的较为准确的逐时负荷数据,为区域综合能源的规划建设和运行管理提供技术支持。
附图说明
参考所附附图,以更加充分的描述本发明的实施例。然而,所附附图仅用于说明和阐述,并不构成对本发明范围的限制。
图1为本发明用于建筑能源逐时负荷预测方法的流程示意图;
图2为本发明用于建筑能源逐时负荷预测方法中24小时变化系数的计算方法流程示意图;
图3为本发明用于建筑能源逐时负荷预测方法中12个月变化系数的计算方法流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明用于建筑能源逐时负荷预测方法及装置进行详细说明。
实施例一
用于建筑能源逐时负荷预测的方法,包括步骤:
如图1所示,S1、提供某一建筑,获取该建筑的建筑类型及待计算的能源类型,根据建筑类型确定该建筑在该能源类型下的能源负荷的单位面积指标A(单位为w/m2),并统计实际建筑面积Q(单位为m2);
S2、基于实际运行数据的统计分析,确定该建筑在该能源类型下的能源负荷的典型日24小时变化系数h(i),i∈[1,2,......,24];
S3、基于实际运行数据的统计分析,确定该建筑在该能源类型下的能源负荷的典型年12个月的变化系数m(j),j∈[1,2,......,12];
S4、基于实际运行数据的统计分析,确定该建筑在该能源类型下的能源负荷的30年变化系数y(k),k∈[1,2,......,30];
S5、计算该建筑第k年j月中某一天第i小时的该能源类型下的能量负荷数值为:A*Q*h(i)*m(j)*y(k)。
具体来说,在上述建筑综合能源逐时负荷预测方法中,首先要获取该建筑的建筑类型及要计算的能源类型,在该建筑类型的基础上,确定该类建筑的该能源类型下的能源负荷的单位面积指标A,除此之外,还需要统计该建筑的实际建筑面积。之后,基于实际运行数据的统计分析,确定该建筑在该能源类型下的能源负荷的典型日24小时变化系数h(i)、12个月的变化系数m(j)以及30年变化系数y(k)。根据上述的单位面积指标A、建筑面积以及三个变化系数,可以计算第k年j月中某一天第i小时的该类能源类型的能量负荷数值为:A*建筑面积*h(i)*m(j)*y(k)。其中,单位面积指标A可以从相关行业标准的资料中查询,如行业标准JGJ26-2010《严寒和寒冷地区居住建筑节能设计标准》,以及JGJ16-2008《民用建筑电气设计规范》。值得指出的是,在确定建筑类型以及要统计的能源类型的情况下,只需要确定建筑的建筑面积,就可以快速计算获取该建筑在该能源类型下的逐时能量负荷数据。
下面对上述方法进行近一步解释,值得指出的是,以下步骤中涉及的能量负荷量均代表的是该建筑在该类能源类型下的相应能量值。
近一步来讲,如图2所示,24小时变化系数h(i)的确定步骤为:
S21、确定获取该建筑连续连续前三年中相同一天中的每小时(即24个时段)的该类能量负荷量,共包括3*24个数据;
S22、获取此三天内同时段的该类能量负荷量的最大值,即小时最大能量值以及三天内同时段的该类能量负荷量的平均值,即小时平均能量值
S23、对以及进行处理,获取初始
具体来说,在获取24小时变化系数h(i)时,并不是随机选取一天的建筑能量负荷量在24个时段内的变化系数作为初始h(i)的,而是在获取该建筑类型连续前三年中相同一天中的每小时的该类能量负荷量后,对三天内同时段的能量负荷量比对,获取24个每小时的小时最大能量值此外,还要获取这三天同时段的该类能量负荷量的平均值,即24个小时平均能量值再对这24个数据进行处理,获取初始h(i)。初始h(i)作为该建筑在该能源类型下的能源负荷的典型年24小时变化系数,为后续计算提供数据依据。
近一步来讲,为了保证24小时变化系数h(i)的精确性,还可以对h(i)不断的进行修正,其修正过程为:
S24、统计获取该建筑当前一天内的24个时段对应的该类能量负荷量Wd(i);
S25、对Wd(i)以及步骤S21中获取的3*24个数据进行比对,获取此四天内同时段的该类能量负荷量的最大值,即小时最大能量值以及四天内同时段的该类能量负荷量的平均值,即小时平均能量值
S26、利用步骤S23中的公式获取更新后的h(i),即
利用上述修正方式,在每次重新获取一组24小时时段对应的该类能量负荷量后,均可以对h(i)进行修正,这种修正方式,能够保证h(i)越来越精确,最终的逐时能量负荷数值的计算结果也更加精准。
近一步来讲,如图所示,12个月变化系数m(j)的确定步骤为:
S31、获取该建筑连续三年中每月的该类能量负荷量,共包括3*12个数据;
S32、获取该建筑三年内同时段(即同一个月)的该类能量负荷量的平均值,处理后剩余12个每月平均能量值以及获取该建筑三年内同时段的该类能量负荷量的最大值,处理后剩余12个每月最大能量值
S33、对以及进行处理,获取初始
具体来说,在获取12个月变化系数m(j)时,并不是随机选取一年的建筑能量负荷量在12个时段内的变化系数作为初始m(j)的,而是在获取该类建筑连续三年内中每月的该类能量负荷量后,对三年内同时段的该类能量负荷量进行平均处理,获取12个每小小时平均能量值以及获取该建筑三年内同时段的该类能量负荷量的最大值,即12个每月最大能量值再对以及进行处理,获取初始m(j)。初始m(j)作为该建筑的能源负荷的典型年12个月变化系数,为后续计算提供数据依据。
近一步来讲,为了保证12个月变化系数m(j)的精确性,还可以对m(j)不断的进行修正,其修正过程为:
S34、统计该建筑获取第四年的12个月对应的该类能量负荷量Wm(j);
S35、对Wm(j)以及步骤S31中获取的3*12个数据进行比对,获取当前四年内同时段的月能量负荷量最大值,即月最大能量值以及四年内同时段的月能量负荷量的平均值,即月平均能量值
S36、利用步骤S33中的公式获取更新后的m(j),即
对Wd(i)以及步骤S21中获取的3*24个数据进行比对,获取此四天内同时段的该类能量负荷量的最大值,即最大能量值以及四天内同时段的该类能量负荷量的平均值,即平均能量值
S26、利用步骤S23中的公式获取更新后的h(i)
利用上述修正方式,在每次重新获取一组12个月对应的该类能量负荷量Wm(j)后,均可以对m(j)进行修正,这种修正方式,能够保证m(j)越来越精确,最终的逐时能量负荷数值的计算结果也更加精准。
近一步来讲,30年的变化系数y(k)的确定方式为:
S41、获取该建筑的三十年中每年的该类能量负荷总量Wy(k),并对三十个Wy(k)获取最大值作为三十年中的年最大能量值
S42、Wy(k)进行处理,获取变化系数
简言之,即在获取了该建筑在该能源类型下的30年能量负荷资料后,利用权重的计算方式,计算获取该建筑30年的能量负荷变化系数y(k)。
通过上述方法,可以使非专业人员通过简单的操作在极短的时间内即可得到专业人员需要复杂的操作在较长的时间里才能得到的区域内各个建筑各类能源的较为准确的逐时负荷数据,为区域综合能源的规划建设和运行管理提供技术支持。
实施例二
根据是上述实施例提出的建筑综合能源逐时负荷预测方法,本实施例提出了用于建筑能源逐时负荷预测的系统。
用于建筑能源逐时负荷预测的系统,包括:
单位面积指标获取模块,用以获取建筑类型及待计算能源类型,根据建筑类型确定该能源类型下的能源负荷的单位面积指标A,并统计实际建筑面积Q;
小时变化系数获取模块,用以确定该建筑在该能源类型下的能源负荷的典型日24小时变化系数h(i),i∈[1,2,......,24];
月变化系数获取模块,用以确定该建筑在该能源类型下的能源负荷的典型年12个月的变化系数m(j),j∈[1,2,......,12];
年变化系数获取模块,用以确定该建筑在该能源类型下的能源负荷的30年变化系数y(k),k∈[1,2,......,30];
逐时能量负荷数值获取模块,与上述单位面积指标获取模块、小时变化系数获取模块、月变化系数获取模块以及年变化系数获取模块均连接,用以获取该建筑下的该类能源的逐时能量负荷数值,其计算公式为A*Q*h(i)*m(j)*y(k)。
通过上述系统,可以使非专业人员通过简单的操作在极短的时间内即可得到专业人员需要复杂的操作在较长的时间里才能得到的区域内各个建筑各类能源的较为准确的逐时负荷数据,为区域综合能源的规划建设和运行管理提供技术支持。
对于本领域的技术人员而言,阅读上述说明后,各种变化和修正无疑将显而易见。因此,所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容,都应认为仍属本发明的意图和范围内。
Claims (8)
1.用于建筑能源逐时负荷预测的方法,其特征在于,所述方法包括步骤:
S1、提供某一建筑,获取该建筑的建筑类型及待计算的能源类型,根据建筑类型确定该建筑在该能源类型下的能源负荷的单位面积指标A,并统计实际建筑面积Q;
S2、确定该建筑在该能源类型下的能源负荷的典型日24小时变化系数h(i),i∈[1,2,......,24];
S3、确定该建筑在该能源类型下的能源负荷的典型年12个月的变化系数m(j),j∈[1,2,......,12];
S4、确定该建筑在该能源类型下的能源负荷的30年变化系数y(k),k∈[1,2,......,30];
S5、计算该建筑第k年j月中的某一天第i小时的该能源类型下的能量负荷数值为:A*Q*h(i)*m(j)*y(k)。
2.根据权利要求1所述的建筑综合能源逐时负荷的预测方法,其特征在于,24小时变化系数h(i)的确定步骤为:
S21、确定获取该建筑连续前三年中相同一天中每小时的该类能量负荷量,共包括3*24个数据;
S22、获取此三天内同时段的该类能量负荷量的小时最大能量值以及三天内同时段的小时平均能量值
S23、对以及进行处理,获取初始
3.根据权利要求2所述的建筑综合能源逐时负荷的预测方法,其特征在于,对h(i)的修正过程为:
S24、统计获取该建筑当前一天内的24个时段对应的能量负荷量Wd(i);
S25、对Wd(i)以及步骤S21中获取的3*24个数据进行比对,获取此四天内同时段的小时最大能量值以及四天内同时段的小时平均能量值
S26、利用步骤S23中的公式获取更新后的h(i)。
4.根据权利要求1所述的用于建筑能源逐时负荷预测的方法,其特征在于,12个月变化系数m(j)的确定步骤为:
S31、获取该建筑连续三年中每月的该类能量负荷量,共包括3*12个数据;
S32、获取该建筑三年内同时段的该类能量负荷量的平均值,处理后剩余12个每月平均能量值以及获取该建筑三年内同时段的该类能量负荷量的最大值,处理后剩余12个每月最大能量值
S33、对以及进行处理,获取初始
5.根据权利要求4所述的用于建筑能源逐时负荷预测的方法,其特征在于,对m(j)的修正过程为:
S34、获取该建筑第四年的12个月对应的该类能源的能量负荷量Wm(j);
S35、对Wm(j)以及步骤S31中获取的3*12个数据进行比对,获取当前四年内同时段的月最大能量值以及四年内同时段的月平均能量值
S36、利用步骤S33中的公式获取更新后的m(j)。
6.根据权利要求1所述的用于建筑能源逐时负荷预测的方法,其特征在于,30年的变化系数y(k)的确定方式为:
S41、获取该建筑的三十年中每年的该类能源的能量负荷总量Wy(k);
S42、Wy(k)进行处理,获取变化系数
7.用于建筑能源逐时负荷预测的系统,其特征在于,所述系统包括:
单位面积指标获取模块,用以获取建筑模型及待计算能源类型,根据建筑模型确定该能源类型下的能源负荷的单位面积指标A,并统计实际建筑面积Q;
小时变化系数获取模块,用以确定该建筑在该能源类型下的能源负荷的典型日24小时变化系数h(i),i∈[1,2,......,24];
月变化系数获取模块,用以确定该建筑在该能源类型下的能源负荷的典型年12个月的变化系数m(j),j∈[1,2,......,12];
年变化系数获取模块,用以确定该建筑在该能源类型下的能源负荷的30年变化系数y(k),k∈[1,2,......,30];
逐时能量负荷数值获取模块,与上述单位面积指标获取模块、小时变化系数获取模块、月变化系数获取模块以及年变化系数获取模块均连接,用以获取该建筑下的该类能源的逐时能量负荷数值。
8.根据权利要求1所述的用于建筑能源逐时负荷预测的系统,其特征在于,所述逐时能量负荷数值获取模块的计算公式为A*Q*h(i)*m(j)*y(k)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910197917.8A CN109961181A (zh) | 2019-03-15 | 2019-03-15 | 用于建筑能源逐时负荷预测的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910197917.8A CN109961181A (zh) | 2019-03-15 | 2019-03-15 | 用于建筑能源逐时负荷预测的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109961181A true CN109961181A (zh) | 2019-07-02 |
Family
ID=67024479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910197917.8A Pending CN109961181A (zh) | 2019-03-15 | 2019-03-15 | 用于建筑能源逐时负荷预测的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961181A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543977A (zh) * | 2019-08-14 | 2019-12-06 | 上海电力大学 | 一种基于多元负荷平准化视角的区域建筑群混合优化方法 |
CN112381436A (zh) * | 2020-11-23 | 2021-02-19 | 上海电气分布式能源科技有限公司 | 逐时电负荷生成方法、装置、电子设备及存储介质 |
-
2019
- 2019-03-15 CN CN201910197917.8A patent/CN109961181A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543977A (zh) * | 2019-08-14 | 2019-12-06 | 上海电力大学 | 一种基于多元负荷平准化视角的区域建筑群混合优化方法 |
CN110543977B (zh) * | 2019-08-14 | 2023-08-08 | 上海电力大学 | 一种基于多元负荷平准化视角的区域建筑群混合优化方法 |
CN112381436A (zh) * | 2020-11-23 | 2021-02-19 | 上海电气分布式能源科技有限公司 | 逐时电负荷生成方法、装置、电子设备及存储介质 |
CN112381436B (zh) * | 2020-11-23 | 2024-06-04 | 上海电气分布式能源科技有限公司 | 逐时电负荷生成方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107220394B (zh) | 冷冻空调主机能源效率比值量测验证及分析的方法 | |
Henze et al. | Impact of forecasting accuracy on predictive optimal control of active and passive building thermal storage inventory | |
Sun et al. | Improved energy performance evaluating and ranking approach for office buildings using Simple-normalization, Entropy-based TOPSIS and K-means method | |
CN105069525A (zh) | 全天候96点日负荷曲线预测及优化修正系统 | |
CN105160149B (zh) | 一种模拟调峰机组的需求响应调度评估体系构建方法 | |
CN108709287B (zh) | 一种空调系统冷负荷预测方法及冷水机组群控的策略 | |
CN105825294A (zh) | 基于气象因素的电网电力负荷预测方法及系统 | |
CN109284576B (zh) | 一种基于实测数据的分散式电采暖负荷调度方法及其建模系统 | |
CN104866702A (zh) | 一种利用主元解耦计算夏热冬冷地区建筑负荷的方法 | |
CN103971296A (zh) | 基于电负荷与气温的数学模型的购电方法 | |
CN108426354A (zh) | 基于辐射时间序列方法的空调负荷预测系统 | |
CN108197404A (zh) | 一种基于时间遗传特性的建筑负荷预测方法 | |
CN114484557A (zh) | 一种基于目标能耗管控的建筑群供热负荷调控方法 | |
CN106570729A (zh) | 基于空调可靠性影响因素的区域聚类方法 | |
Li et al. | Zero energy potential of photovoltaic direct-driven air conditioners with considering the load flexibility of air conditioners | |
CN105930939A (zh) | 一种城区能源基础设施规划系统及方法 | |
CN109961181A (zh) | 用于建筑能源逐时负荷预测的方法及系统 | |
Li et al. | Study of the application potential of photovoltaic direct-driven air conditioners in different climate zones | |
KR101783252B1 (ko) | 마이크로그리드에서의 전기소비자 중 수요자원 모집을 지원하는 장치와 방법 | |
CN105262148B (zh) | 计及风电出力特性的规划年电力平衡方法 | |
CN109146284A (zh) | 一种城市建筑可再生能源综合利用量及规模的核算系统及方法 | |
CN105260944A (zh) | 一种基于lssvm算法与关联规则挖掘的统计线损计算方法 | |
Pedersen et al. | Handling thermal comfort in economic model predictive control schemes for demand response | |
Brännlund | Evaluation of two peak load forecasting methods used at Fortum | |
CN111598349A (zh) | 一种短期用电量预测方法、装置及可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190702 |