CN111626484A - 基于区域建筑能源系统参数修正的负荷预测系统及方法 - Google Patents
基于区域建筑能源系统参数修正的负荷预测系统及方法 Download PDFInfo
- Publication number
- CN111626484A CN111626484A CN202010392656.8A CN202010392656A CN111626484A CN 111626484 A CN111626484 A CN 111626484A CN 202010392656 A CN202010392656 A CN 202010392656A CN 111626484 A CN111626484 A CN 111626484A
- Authority
- CN
- China
- Prior art keywords
- stage
- load
- energy system
- analysis
- design
- 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 86
- 238000012937 correction Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 99
- 238000013461 design Methods 0.000 claims abstract description 98
- 238000010276 construction Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 52
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012986 modification Methods 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000012731 temporal analysis Methods 0.000 claims description 8
- 238000000700 time series analysis Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 6
- 238000000556 factor analysis Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 16
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于能源系统中负荷分析技术领域，提供了一种基于区域建筑能源系统参数修正的负荷预测系统及方法，系统包括：规划阶段预测模块，用于区域建筑能源系统在规划阶段的负荷预测；设计阶段预测模块，用于区域建筑能源系统在设计阶段的负荷预测；运行阶段预测模块，用于区域建筑能源系统在运行服务阶段的负荷预测；其中，设计阶段预测模块设置有第一参数修正单元，用于修正设计阶段的设计参数，和/或，运行阶段预测模块设置有第二参数修正单元，用于修正运行服务阶段的运行数据。本发明实施例搭建了符合区域建筑在具体建设至使用过程中会涉及到的负荷预测系统，可以满足各个建设阶段的负荷预测，并为建设提供准确的指导作用。
Description
技术领域
本发明属于能源系统中负荷分析技术领域，尤其涉及一种基于区域建筑能源系统参数修正的负荷预测系统及方法。
背景技术
区域建筑是由多种不同类型和功能的建筑所组成的建筑群，而区域建筑所消耗的冷、热、电等能源则组成了区域建筑的能源系统，能源系统涉及到能耗的成本计算和分析，因此，准确的负荷预测是保证能源系统稳定服务的重要条件。建筑群中不同建筑所消耗的冷、热、电负荷都不尽相同，且针对不同建筑阶段可能用到的负荷分析方法也有差异，因而，要对区域建筑进行预测分析是很复杂的过程。
由于能源系统的建设与运行也随建筑本身的建设过程而形成，因此根据建筑的建设过程可以分为规划阶段、设计阶段以及建成后的运行服务阶段，不同阶段所能获取的信息条件不同，比如规划阶段，建筑还没有设计雏形，仅有一些控制参：建筑功能、覆盖区域等，难以对其进行具体的负荷计算；且不同负荷的预测方法和精度要求也不同，因此，不同阶段使用的预测模型和方法都不同。
虽然目前有关于区域负荷预测的方法，但是目前的方法是在规划阶段对区域能源进行预测，或者是对单一负荷设备进行预测。由于不同阶段的负荷预测对能源系统的建设和运行都具有不同的指导意义，因此，缺少能适用于各个阶段的统一的预测框架。
发明内容
有鉴于此，本发明实施例提供了一种基于区域建筑能源系统参数修正的负荷预测系统及方法，可以满足各个建设阶段的负荷预测，且针对具体阶段的数据可以修正，以提供对建设或使用过程中指导示范时更准确的数据支撑。
本发明实施例的第一方面提供了一种基于区域建筑能源系统参数修正的负荷预测系统，包括：
规划阶段预测模块，用于区域建筑能源系统在规划阶段的负荷预测；
设计阶段预测模块，用于所述区域建筑能源系统在设计阶段的负荷预测；
运行阶段预测模块，用于所述区域建筑能源系统在运行服务阶段的负荷预测；
其中，所述设计阶段预测模块设置有第一参数修正单元，用于修正设计阶段的设计参数，和/或，所述运行阶段预测模块设置有第二参数修正单元，用于修正运行服务阶段的运行数据。
本发明实施例的第二方面提供了一种基于区域建筑能源系统参数修正的负荷预测方法，包括：
获取区域建筑能源系统的建设阶段；
若所述区域建筑能源系统在规划阶段，获取建筑规划的控制参数；
根据第一分析算法对所述控制参数进行分析，得到规划阶段的第一负荷预测结果；
若所述区域建筑能源系统在设计阶段，获取建筑及能源的设计参数；
分析所述设计参数是否需要修正，若需要修正，则修正并更新所述设计参数，若不需要修正，则进入下一步；
根据第二分析算法对所述设计参数进行分析，得到设计阶段的第二负荷预测结果；
若所述区域建筑能源系统在运行服务阶段，获取能源系统的运行数据；
分析所述运行数据是否需要修正，若需要修正，则修正并更新所述运行数据，若不需要修正，则进入下一步；
根据第三分析算法对所述运行数据进行分析，得到运行服务阶段的第三负荷预测结果。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
本发明实施例与现有技术相比存在的有益效果至少在于：
本发明实施例搭建了符合区域建筑在具体建设至使用过程中会涉及到的负荷预测系统，适用各种具体的负荷预测算法，可以满足各个建设阶段的负荷预测，并为建设提供准确的指导作用，且针对具体阶段的数据可以修正，以提供对建设或使用过程中指导示范时更准确的数据支撑。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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的一些实施例，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，还可以根据这些附图获得其它的附图。
图1是本发明实施例一提供的负荷预测系统示意图；
图2是本发明实施例一提供的负荷预测方法流程示意图；
图3是本发明实施例一提供的分析得到第一负荷预测结果的流程示意图；
图4是本发明实施例一提供的分析得到第二负荷预测结果的流程示意图；
图5是本发明实施例一提供的分析得到第三负荷预测结果的流程示意图；
图6是本发明实施例二提供的负荷预测系统示意图；
图7是本发明实施例二提供的负荷预测方法流程示意图；
图8是本发明实施例三提供的负荷预测方法流程示意图；
图9是本发明实施例三提供的负荷预测方法流程示意图；
图10是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
区域建筑能源系统作为建筑的能源供应和控制的平台，对建筑使用过程中的水、热、电等负荷的控制起到重要作用，而能源系统的负荷使用情况预测又是能否实现精准控制的重要条件，因此，能否对负荷使用情况进行准确预测，对能源系统的工作起到十分重要的作用。
通常情况下，能源系统随着建筑的建设而构建，无论是前期的规划，还是具体设计阶段，又或是搭建完成进行运行服务阶段，都需要对后期使用负荷的情况进行合理的预测和推断。比如在规划阶段，需要根据建筑功能、人口密度等前期参数对负荷进行粗略预估；到了设计阶段，则需要根据建筑的具体设计，对具体的负荷使用进行较精确的预测；当建筑落成、能源系统进入运行服务阶段时，就需要实时把握负荷的具体情况，对如何控制能源系统进行短期的预测，以保证系统供能充足。
所以在建筑的建设过程中，每个阶段都需要对建筑的能源负荷进行预测，从而避免建成运行时，因负荷供给不足导致效能低下等情况。而本发明正是基于对建筑各个阶段进行预测的思路，搭建一个满足建设全过程的能源系统负荷预测框架。
此外，在建设过程中或实际运行服务时，出于预测指导性作用，预测结果可能用来调整建设方案或运行方案，因此会在方案调整后再次进行预测，此时的输入参数则需要修正，而本发明也针对修正的情况进行了设计，使预测系统更符合实际运行流程，可以对预测的输入参数进行调整修正。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
参见图1，是本发明一实施例提供的一种基于区域建筑能源系统参数修正的负荷预测系统，包括：
建设阶段分析模块100，用于分析得到区域建筑能源系统的建设阶段；
规划阶段预测模块101，用于区域建筑能源系统在规划阶段的负荷预测；
设计阶段预测模块102，用于所述区域建筑能源系统在设计阶段的负荷预测；
运行阶段预测模块103，用于所述区域建筑能源系统在运行服务阶段的负荷预测；
其中，所述设计阶段预测模块102设置有第一参数修正单元120，用于修正设计阶段的设计参数。
本实施例通过各个建设阶段的预测模块，搭建出符合区域建筑在具体建设至使用过程中会涉及到的负荷预测系统，当建设阶段分析模块识别出区域建筑及其能源系统的具体建设阶段后，若处于规划阶段，则将规划阶段的参数输入规划阶段预测模块，就能得到规划阶段的负荷预测结果，从而为建筑的规划起到指导作用，从而更合理地对建筑的建设进行设计；同样的，处于建筑设计阶段时，对应将设计出的建筑参数输入设计阶段预测模块，就能对应预测设计的建筑能否满足负荷需求；同理，当建筑与能源系统完成建设，投入运行使用时，将实时检测的运行数据输入运行阶段预测模块，就能得到当前时间及接下来一段时间的负荷预测数据，用以推断是否需要调整负荷分配等。因此，上述设计可以满足各个建设阶段的负荷预测，并具有为建设提供准确的指导的作用。
同时，设计阶段的实际参数还能通过第一参数修正单元进行修正，例如：在情景设定时，某综合性住宅小区的能源供给方式可能有3种情景：
1、分散式空调系统——分体式热泵机组；
2、集中系统——区域供冷及供热；
3、复合系统——集中系统与分散式空调系统的结合。
在预测分析时，需要结合情景设定法，对不同能源供给情景下的区域建筑能耗进行模拟分析，有助于该区域的能源供给系统的设计。就需要对同样的参数切换为不同情景下的对应情况，此时就要对参数进行修正，以满足不同情景的分析准确性。
作为优选，所述规划阶段预测模块101设置有第一分析单元111，用于根据第一分析算法对建筑规划的控制参数进行分析，并得出规划阶段的第一负荷预测结果。
其中，第一分析单元111可以选用更适应当前环境的分析方法，包括但不限于情景分析法、负荷因子分析法等，情景分析法通常需要设定情景，而负荷因子分析法因为负荷因子较难获得，预测精度不高，因此，本实施例中所述第一分析算法优选为情景分析法。
在规划阶段，区域中的各单体建筑或建筑群尚未完成，也没有具体的建筑设计，此时所能获知的只有少量控制参数，如建筑功能、覆盖区域等。
同时，规划阶段更多是把控建筑的全局，分析负荷时也一般粗略分析区域建筑的长期负荷变化，属于长期预测，是为市政部门等进行能源基础设施的合理配置进行指导，并对设计者进行方案决策和调整建筑群配比具有重大意义。故情景分析法较为常用。
作为优选，所述设计阶段预测模块102设置有第二分析单元112，用于根据第二分析算法对建筑及能源的设计参数进行分析，并得出设计阶段的第二负荷预测结果。
其中，第二分析单元112也可以选用更适应当前环境的分析方法，包括但不限于回归分析法、模拟预测法等，模拟预测法需要借助模拟软件计算，如EnergyPlus、DOE-2等，计算速度与结果精确度都较为理想，而回归分析法需要大量历史数据来获得影响因素与负荷之间的回归函数，使得预测精度也不算高，因此，本实施例中所述第二分析算法优选为模拟预测法。
在区域能源系统设计阶段，单体建筑设计已经完成，需要进一步精确计算负荷，以反映区域负荷的空间和全年时间特征，可看作是中期负荷预测，对能源系统的运行效果有指导意义。此时，负荷计算的准确与否关系到设备容量和供能方案的选择、运行的优化管理等。
已知设计阶段建筑的详细信息，如建筑材料属性、方位、建筑形状、地板面积、室内装潢参数、锅炉参数、热泵参数等，就能使用能耗模拟软件计算得到预测结果，即为模拟预测法。
作为优选，所述运行阶段预测模块103设置有第三分析单元113，用于根据第三分析算法对能源系统的运行数据进行分析，并得出运行服务阶段的第三负荷预测结果。
其中，第三分析单元113也可以选用更适应当前环境的分析方法，包括但不限于时间序列分析法、人工智能分析法等，本实施例中所述第三分析算法为时间序列分析法。
在区域能源系统运行服务阶段，由于能源系统已经开始运行，此时，短期的负荷预测对于优化运营策略或系统节能改造等具有重要意义。
此阶段中，各个方面的数据均处于较为完善的地步，此阶段可以基于数据驱动的方法，采用各种机器学习方法进行预测，一般采用时间序列、人工智能等方法，人工智能尤以机器学习、深度学习为常见方法。时间序列分析法所需数据少、工作量小，计算速度较快，预测精度一般；人工智能分析法则需要大量历史数据，其优点在于能处理非线性关系，预测精度较高。
本实施例还提供了一种基于区域建筑能源系统参数修正的负荷预测方法，参见图2，包括：
步骤S201：获取区域建筑能源系统的建设阶段；
若所述区域建筑能源系统在规划阶段，则：
步骤S202：获取建筑规划的控制参数；
步骤S203：根据第一分析算法对所述控制参数进行分析，得到规划阶段的第一负荷预测结果；
若所述区域建筑能源系统在设计阶段，则：
步骤S204：获取建筑及能源的设计参数；
步骤S205：分析所述设计参数是否需要修正；
若需要修正，则：
步骤S206：修正并更新所述设计参数；
若不需要修正，则进入下一步；
步骤S207：根据第二分析算法对所述设计参数进行分析，得到设计阶段的第二负荷预测结果；
若所述区域建筑能源系统在运行服务阶段，则：
步骤S208：获取能源系统的运行数据；
步骤S211：根据第三分析算法对所述运行数据进行分析，得到运行服务阶段的第三负荷预测结果。
与之对应的负荷预测系统，可以设置建设阶段分析模块，用以分析得到准确的建设阶段，也可以由预测者直接输入具体的建设阶段。
则通过上述设计，可以分别对规划阶段、设计阶段、运行服务阶段进行负荷预测，以保证设计建设的能源系统达到较理想的状态，避免前期考虑不足，导致后期改造成本大大增加。
上述方法增加了判断是否修正的相关步骤，具体实施时，需要结合情景是否切换，若切换了情景，则对应的设计参数就需要修正，否则通常不修正。
本实施例中所述第一分析算法优选为情景分析法，则所述根据第一分析算法对所述控制参数进行分析，得到规划阶段的第一负荷预测结果的步骤，如图3所示，具体包括：
步骤S231：根据所述控制参数明确情景设定条件，并对所述情景设定条件进行完整的定性描述；
步骤S232：根据所述定性描述设定量化指标；
步骤S233：根据所述量化指标，分析计算对应情景下的建筑负荷，即所述第一负荷预测结果。
上述设计首先明确情景设定条件，如社会经济发展因素、当地的节能政策、区域控制性规划指标、获得能源和资源的途径和限制条件等，并对这些特点进行完整的定性描述；然后根据定性描述对一些关键因素设定量化指标，通常需要设定的参数包括区域内的人口密度、区域建筑的朝向、区域建筑的体形系数、区域建筑的占地面积和体量等；最后根据这些参数的量化数值，分析计算不同情景下的建筑负荷、建筑能耗。
可参考示例：某办公建筑区域，设定情景，人员密度为每平方米4人，照明负荷为每平方米11瓦，室内温度为26度，外墙传热系数为0.8，外窗传热系数为2.5，建筑体形系数为0.1，窗墙面积比为0.5，建筑朝向为南，则通过模拟分析得出该情景下的中午12时的冷负荷能耗为每平方米19瓦，热负荷能耗为每平方米10瓦。
本实施例中所述第二分析算法优选为模拟预测法，则所述根据第二分析算法对所述设计参数进行分析，得到设计阶段的第二负荷预测结果的步骤，如图4所示，具体包括：
步骤S271：获取影响参数，所述影响参数包括光强、温度、当前冷热电价格；
步骤S272：结合所述设计参数与影响参数，利用模拟软件分析得到负荷能耗，即所述第二负荷预测结果。
上述设计首先在步骤S204中获取建筑及能源的设计参数时，获得了该阶段建筑的详细信息，比如建筑材料属性、方位、建筑形状、地板面积、室内装潢参数、锅炉参数、热泵参数等；再获得其它相关的影响参数，比如光强、温度、当前冷热电价格等；最后利用以上参数结合模拟软件得到此时的负荷能耗。
本实施例中所述第三分析算法优选为时间序列分析法，则所述根据第三分析算法对所述运行数据进行分析，得到运行服务阶段的第三负荷预测结果的步骤，如图5所示，具体包括：
步骤S2111：获取历史数据，所述历史数据至少包括运行服务阶段的历史样本负荷数据，此外还可以包括室外温度、室内温度数据、风速、光强等；
步骤S2112：对所述历史数据与运行数据进行预处理，得到处理后数据，数据预处理包括缺失数据处理、数据归一化、异常值处理等；
步骤S2113：利用所述时间序列分析法，对所述处理后数据进行分析，得到分析结果，即所述第三负荷预测结果。
常见的时间序列分析法及人工智能分析法包括：ARIMA、支持向量机、神经网络、随机森林、xgboost、MLP等。
实施例二：
参见图6，是本发明一实施例提供的一种基于区域建筑能源系统参数修正的负荷预测系统，包括：
建设阶段分析模块100，用于分析得到区域建筑能源系统的建设阶段；
规划阶段预测模块101，用于区域建筑能源系统在规划阶段的负荷预测；
设计阶段预测模块102，用于所述区域建筑能源系统在设计阶段的负荷预测；
运行阶段预测模块103，用于所述区域建筑能源系统在运行服务阶段的负荷预测；
其中，所述运行阶段预测模块103设置有第二参数修正单元130，用于修正运行服务阶段的运行数据。
本实施例区别于上一实施例之处在于，可以对运行服务阶段的参数进行修正，例如：在统计数据时，可能针对整体建筑或建筑群进行统计，但在实际生活中，部分房屋或楼宇并没有用户在居住使用，若把空置的情况计算入整体数据中，就容易造成预测误差，此时，就需要对实际数据进行修正，即排除空置的无效数据。
根据我国的国情，通常是基于调研、实测的情况进行修正，据调查，我国600多个城市连续3-6个月以上电表读数为零的空置住房达6千万套，因此，这些空置住房不应纳入服务的范畴，以及住房内其它气、热的数据也需要排除之后进行模拟预测。
作为优选，所述规划阶段预测模块101设置有第一分析单元111，用于根据第一分析算法对建筑规划的控制参数进行分析，并得出规划阶段的第一负荷预测结果；
本实施例中所述第一分析算法优选为负荷因子分析法。
作为优选，所述设计阶段预测模块102设置有第二分析单元112，用于根据第二分析算法对建筑及能源的设计参数进行分析，并得出设计阶段的第二负荷预测结果；
本实施例中所述第二分析算法优选为回归分析法。
作为优选，所述运行阶段预测模块103设置有第三分析单元113，用于根据第三分析算法对能源系统的运行数据进行分析，并得出运行服务阶段的第三负荷预测结果；
本实施例中所述第三分析算法为人工智能分析法。
本实施例还提供了一种基于区域建筑能源系统参数修正的负荷预测方法，参见图7，包括：
步骤S201：获取区域建筑能源系统的建设阶段；
若所述区域建筑能源系统在规划阶段，则：
步骤S202：获取建筑规划的控制参数；
步骤S203：根据第一分析算法对所述控制参数进行分析，得到规划阶段的第一负荷预测结果；
若所述区域建筑能源系统在设计阶段，则：
步骤S204：获取建筑及能源的设计参数；
步骤S207：根据第二分析算法对所述设计参数进行分析，得到设计阶段的第二负荷预测结果；
若所述区域建筑能源系统在运行服务阶段，则：
步骤S208：获取能源系统的运行数据；
步骤S209：分析所述运行数据是否需要修正；
若需要修正，则：
步骤S210：修正并更新所述运行数据；
若不需要修正，则进入下一步；
步骤S211：根据第三分析算法对所述运行数据进行分析，得到运行服务阶段的第三负荷预测结果。
本实施例同样设计了判断是否修正的相关步骤，区别在于修正的参数为运行数据，具体实施时，根据实地调研情况，对运行数据进行筛选，若存在空置房屋等无效参数，则筛掉这部分数据，以完成修正，否则不修正。
实施例三：
参见图8，是本发明一实施例提供的一种基于区域建筑能源系统参数修正的负荷预测系统，包括：
建设阶段分析模块100，用于分析得到区域建筑能源系统的建设阶段；
规划阶段预测模块101，用于区域建筑能源系统在规划阶段的负荷预测；
设计阶段预测模块102，用于所述区域建筑能源系统在设计阶段的负荷预测；
运行阶段预测模块103，用于所述区域建筑能源系统在运行服务阶段的负荷预测；
其中，所述设计阶段预测模块102设置有第一参数修正单元120，用于修正设计阶段的设计参数，且，所述运行阶段预测模块103设置有第二参数修正单元130，用于修正运行服务阶段的运行数据。
本实施例结合了实施例一与实施例二，可以对设计阶段的设计参数和运行服务阶段的参数均进行修正。
作为优选，所述规划阶段预测模块101设置有第一分析单元111，用于根据第一分析算法对建筑规划的控制参数进行分析，并得出规划阶段的第一负荷预测结果。
作为优选，所述设计阶段预测模块102设置有第二分析单元112，用于根据第二分析算法对建筑及能源的设计参数进行分析，并得出设计阶段的第二负荷预测结果。
作为优选，所述运行阶段预测模块103设置有第三分析单元113，用于根据第三分析算法对能源系统的运行数据进行分析，并得出运行服务阶段的第三负荷预测结果。
本实施例还提供了一种基于区域建筑能源系统参数修正的负荷预测方法，参见图9，包括：
步骤S201：获取区域建筑能源系统的建设阶段；
若所述区域建筑能源系统在规划阶段，则：
步骤S202：获取建筑规划的控制参数；
步骤S203：根据第一分析算法对所述控制参数进行分析，得到规划阶段的第一负荷预测结果；
若所述区域建筑能源系统在设计阶段，则：
步骤S204：获取建筑及能源的设计参数；
步骤S205：分析所述设计参数是否需要修正；
若需要修正，则：
步骤S206：修正并更新所述设计参数；
若不需要修正，则进入下一步；
步骤S207：根据第二分析算法对所述设计参数进行分析，得到设计阶段的第二负荷预测结果；
若所述区域建筑能源系统在运行服务阶段，则：
步骤S208：获取能源系统的运行数据；
步骤S209：分析所述运行数据是否需要修正；
若需要修正，则：
步骤S210：修正并更新所述运行数据；
若不需要修正，则进入下一步；
步骤S211：根据第三分析算法对所述运行数据进行分析，得到运行服务阶段的第三负荷预测结果。
本实施例同样设计了判断是否修正的相关步骤，既能实现对设计阶段的参数修正，又能实现对运行服务阶段的参数修正。
图10是本发明一实施例提供的终端设备3的示意图。如图10所示，该实施例的终端设备3包括处理器31、存储器31以及存储在所述存储器31中并可在所述处理器31上运行的计算机程序32，例如基于区域建筑能源系统参数修正的负荷预测程序。所述处理器30执行所述计算机程序32时实现上述各个方法实施例中的步骤，例如图2所示的步骤S201至S211。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图1所示模块100至103的功能。
示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图10仅仅是终端设备3的示例，并不构成对终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备3还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端设备3的内部存储单元，例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备，例如所述终端设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备3所需的其它程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。当然，上述各单元、模块也可以用包含有计算机程序的处理器来替代，以纯软件的形式完成各部分的工作。
实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，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。
所述集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于区域建筑能源系统参数修正的负荷预测系统，其特征在于，包括：
建设阶段分析模块，用于分析得到区域建筑能源系统的建设阶段；
规划阶段预测模块，用于区域建筑能源系统在规划阶段的负荷预测；
设计阶段预测模块，用于所述区域建筑能源系统在设计阶段的负荷预测；
运行阶段预测模块，用于所述区域建筑能源系统在运行服务阶段的负荷预测；
其中，所述设计阶段预测模块设置有第一参数修正单元，用于修正设计阶段的设计参数，和/或，所述运行阶段预测模块设置有第二参数修正单元，用于修正运行服务阶段的运行数据。
2.如权利要求1所述的基于区域建筑能源系统参数修正的负荷预测系统，其特征在于，所述规划阶段预测模块设置有第一分析单元，用于根据第一分析算法对建筑规划的控制参数进行分析，并得出规划阶段的第一负荷预测结果；
所述第一分析算法为情景分析法；
或者，所述第一分析算法为负荷因子分析法。
3.如权利要求1所述的基于区域建筑能源系统参数修正的负荷预测系统，其特征在于，所述设计阶段预测模块设置有第二分析单元，用于根据第二分析算法对建筑及能源的设计参数进行分析，并得出设计阶段的第二负荷预测结果；
所述第二分析算法为回归分析法；
或者，所述第二分析算法为模拟预测法。
4.如权利要求1所述的基于区域建筑能源系统参数修正的负荷预测系统，其特征在于，所述运行阶段预测模块设置有第三分析单元，用于根据第三分析算法对能源系统的运行数据进行分析，并得出运行服务阶段的第三负荷预测结果；
所述第三分析算法为时间序列分析法；
或者，所述第三分析算法为人工智能分析法。
5.一种基于区域建筑能源系统参数修正的负荷预测方法，其特征在于，包括：
获取区域建筑能源系统的建设阶段；
若所述区域建筑能源系统在规划阶段，获取建筑规划的控制参数；
根据第一分析算法对所述控制参数进行分析，得到规划阶段的第一负荷预测结果；
若所述区域建筑能源系统在设计阶段，获取建筑及能源的设计参数；
分析所述设计参数是否需要修正，若需要修正，则修正并更新所述设计参数，若不需要修正，则进入下一步；
根据第二分析算法对所述设计参数进行分析，得到设计阶段的第二负荷预测结果；
若所述区域建筑能源系统在运行服务阶段，获取能源系统的运行数据；
分析所述运行数据是否需要修正，若需要修正，则修正并更新所述运行数据，若不需要修正，则进入下一步；
根据第三分析算法对所述运行数据进行分析，得到运行服务阶段的第三负荷预测结果。
6.如权利要求5所述的基于区域建筑能源系统参数修正的负荷预测方法，其特征在于，所述第一分析算法为情景分析法，则所述根据第一分析算法对所述控制参数进行分析，得到规划阶段的第一负荷预测结果的步骤，具体包括：
根据所述控制参数明确情景设定条件，并对所述情景设定条件进行完整的定性描述；
根据所述定性描述设定量化指标；
根据所述量化指标，分析计算对应情景下的建筑负荷，即所述第一负荷预测结果。
7.如权利要求5所述的基于区域建筑能源系统参数修正的负荷预测方法，其特征在于，所述第二分析算法为模拟预测法，则所述根据第二分析算法对所述设计参数进行分析，得到设计阶段的第二负荷预测结果的步骤，具体包括：
获取影响参数，所述影响参数包括光强、温度、当前冷热电价格；
结合所述设计参数与影响参数，利用模拟软件分析得到负荷能耗，即所述第二负荷预测结果。
8.如权利要求5所述的基于区域建筑能源系统参数修正的负荷预测方法，其特征在于，所述第三分析算法为时间序列分析法或人工智能分析法，则所述根据第三分析算法对所述运行数据进行分析，得到运行服务阶段的第三负荷预测结果的步骤，具体包括：
获取历史数据，所述历史数据至少包括运行服务阶段的历史样本负荷数据；
对所述历史数据与运行数据进行预处理，得到处理后数据；
利用所述时间序列分析法或人工智能分析法，对所述处理后数据进行分析，得到分析结果，即所述第三负荷预测结果。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求5至8任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求5至8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010392656.8A CN111626484A (zh) | 2020-05-11 | 2020-05-11 | 基于区域建筑能源系统参数修正的负荷预测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010392656.8A CN111626484A (zh) | 2020-05-11 | 2020-05-11 | 基于区域建筑能源系统参数修正的负荷预测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111626484A true CN111626484A (zh) | 2020-09-04 |
Family
ID=72260039
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010392656.8A Pending CN111626484A (zh) | 2020-05-11 | 2020-05-11 | 基于区域建筑能源系统参数修正的负荷预测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111626484A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1134508A2 (de) * | 2000-03-17 | 2001-09-19 | Markus Werner | Verfahren zur Steuerung des Klimas in einem wetterabhängigen Gebäude- oder Anlagenbereich |
| US20080162487A1 (en) * | 2006-12-28 | 2008-07-03 | James Neal Richter | Predictive and profile learning sales automation analytics system and method |
| CN108870671A (zh) * | 2018-04-19 | 2018-11-23 | 天津大学 | 一种适用于建筑规划阶段的空调负荷预测方法 |
| CN109711643A (zh) * | 2018-12-05 | 2019-05-03 | 新奥数能科技有限公司 | 一种建筑物的负荷预测方法、装置、可读介质及电子设备 |
| CN110412871A (zh) * | 2019-07-10 | 2019-11-05 | 北京天泽智云科技有限公司 | 建筑区域辅助设备能耗预测处理方法及系统 |
-
2020
- 2020-05-11 CN CN202010392656.8A patent/CN111626484A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1134508A2 (de) * | 2000-03-17 | 2001-09-19 | Markus Werner | Verfahren zur Steuerung des Klimas in einem wetterabhängigen Gebäude- oder Anlagenbereich |
| US20080162487A1 (en) * | 2006-12-28 | 2008-07-03 | James Neal Richter | Predictive and profile learning sales automation analytics system and method |
| CN108870671A (zh) * | 2018-04-19 | 2018-11-23 | 天津大学 | 一种适用于建筑规划阶段的空调负荷预测方法 |
| CN109711643A (zh) * | 2018-12-05 | 2019-05-03 | 新奥数能科技有限公司 | 一种建筑物的负荷预测方法、装置、可读介质及电子设备 |
| CN110412871A (zh) * | 2019-07-10 | 2019-11-05 | 北京天泽智云科技有限公司 | 建筑区域辅助设备能耗预测处理方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 丁伟翔: "围护结构热工性能对郑州地区区域建筑负荷的影响程度研究", 《低温建筑设计》 * |
| 林美顺等: "上海某商务区能源站空调负荷预测", 《建筑节能》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | A systematic feature selection procedure for short-term data-driven building energy forecasting model development | |
| Pallonetto et al. | Demand response algorithms for smart-grid ready residential buildings using machine learning models | |
| Bahmanyar et al. | Multi-objective scheduling of IoT-enabled smart homes for energy management based on Arithmetic Optimization Algorithm: A Node-RED and NodeMCU module-based technique | |
| Siano et al. | Designing and testing decision support and energy management systems for smart homes | |
| Liu et al. | Analysis and accurate prediction of user’s response behavior in incentive-based demand response | |
| Wang et al. | Cooling load forecasting-based predictive optimisation for chiller plants | |
| CN110264080A (zh) | 一种绿色建筑运行性能评价方法、装置、设备及存储介质 | |
| CN113435657A (zh) | 数据集成处理方法、系统、能源管理系统、电子设备及计算机可读存储介质 | |
| CN111680841B (zh) | 基于主成分分析的短期负荷预测方法、系统及终端设备 | |
| CN110796307A (zh) | 一种综合能源系统分布式负荷预测方法及系统 | |
| US20160283844A1 (en) | Load predictor for a cooling system | |
| CN115796393A (zh) | 基于多能互动的能源网管理优化方法、系统及存储介质 | |
| CN112365056A (zh) | 一种电气负荷联合预测方法、装置、终端及存储介质 | |
| Ikeda et al. | A new optimization strategy for the operating schedule of energy systems under uncertainty of renewable energy sources and demand changes | |
| CN111199065B (zh) | 零能耗建筑设计方法、装置及终端设备 | |
| CN114897241A (zh) | 一种基于数字孪生的楼宇能效智能化监管预测方法 | |
| CN115511631A (zh) | 一种碳交易方法、装置、电子设备及存储介质 | |
| KR102028601B1 (ko) | 시설물의 에너지 사용량 예측 방법 및 장치 | |
| Zhang et al. | Analysis of energy consumption prediction for office buildings based on GA-BP and BP algorithm | |
| Chen et al. | Ambient temperature and solar radiation prediction for predictive control of HVAC systems and a methodology for optimal building heating dynamic operation | |
| Zhao et al. | Data-driven online energy management framework for HVAC systems: An experimental study | |
| CN113743667A (zh) | 一种台区用电量预测方法、装置、设备及存储介质 | |
| CN111626485A (zh) | 一种区域建筑能源系统的负荷预测系统及方法 | |
| CN108846505A (zh) | 可再生能源并网消纳信息多维度校核方法及设备 | |
| CN112884358A (zh) | 一种电采暖设备有序用电优化调度方法及终端 |
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 |
Application publication date: 20200904 |
|
| RJ01 | Rejection of invention patent application after publication |