CN113803776B - 一种住宅建筑供暖预测方法及供暖系统 - Google Patents
一种住宅建筑供暖预测方法及供暖系统 Download PDFInfo
- Publication number
- CN113803776B CN113803776B CN202111195661.0A CN202111195661A CN113803776B CN 113803776 B CN113803776 B CN 113803776B CN 202111195661 A CN202111195661 A CN 202111195661A CN 113803776 B CN113803776 B CN 113803776B
- Authority
- CN
- China
- Prior art keywords
- period
- heating
- time
- valley
- future
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D13/00—Electric heating systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1096—Arrangement or mounting of control or safety devices for electric heating systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/70—Hybrid systems, e.g. uninterruptible or back-up power supplies integrating renewable energies
Abstract
本发明公开了一种住宅建筑供暖预测方法及供暖系统,预测方法包括获取气象数据、获取运行数据、设定预测参量、预测建筑能耗、计算加热时间、分配谷电比例、分配加热时段、下发控制参量以及实施供暖控制九个步骤,适用于本发明住宅建筑供暖预测方法的供暖系统包括发热体、供暖控制器、数据采集器、服务器、气象服务接口和客户端。本发明充分的利用谷电,有效的实现了电力的削峰填谷,并降低了运营成本,同时结合气象数据预测性供暖,提高了供暖舒适度。
Description
技术领域
本申请涉及供暖节能方法及系统,特别是涉及一种住宅建筑供暖预测方法及供暖系统。
背景技术
在我国现阶段,电网的峰谷用电现象非常突出,峰电不足,谷电废弃。对于此,国家也出台了一系列政策,通过峰谷电价差,鼓励使用谷电,实现削峰平谷,使电能得到有效利用。充分利用谷电进行供暖,提高废弃电能利用率,也是电供暖行业的发展方向,如何合理的储能是现阶段亟待解决的问题。住宅建筑采用电供暖项目中,一般通过用户手动控制,此类方式无法实现对谷电的充分利用。又由于建筑体具有较大的热惰性,从加热到达到舒适的温度需要较长时间,等感觉到舒适时再停止加热,由于受到建筑体温度影响,室温仍会持续升高,停止加热后温度降低时,待感觉到寒冷时再开启加热,于受到建筑体温度影响,室温仍会继续降低,因此会产生过热和过冷现象,严重影响供暖的舒适度。
发明内容
本发明针对上述问题,利用建筑体本身的热惰性,结合气象数据、谷电时段参量、供暖时段参量及建筑物历史能耗数据等,进行预测第二天的供暖时间,决策分配加热时段,使用控制技术,使供暖过程充分的利用谷电,解决了住宅建筑电供暖时谷电利率低,能源浪费严重,供暖控制不均等问题。
本发明的第一方面,提供了一种住宅建筑供暖预测方法,包括:
分配谷电比例,根据谷电时段包含的小时数计算谷电时段分配的加热时间占总加热时间的比例;分配加热时段,根据分配的谷电比例计算谷电时段的加热时段和非谷电时段的加热时段,将计算得到的加热时段与非加热间隙进行排序,
其中,所述总加热时间由预测未来一段时间所需能耗与房间发热体的发热功率计算得到,所述预测未来一段时间房间能耗的具体方法为:
获取气象数据:根据未来一段时间的天气预报获取未来一段时间预报的室外平均温度、光照强度影响值、风力强度影响值;
获取运行数据:获取房间历史单位时间平均耗散功率、房间历史室内外平均温度差、房间历史平均光照强度影响值、房间历史平均风力强度影响值、房间历史平均每天供暖时长、前一段时间的室外平均温度、建筑物与地理南向的角度关系、建筑物与风向的角度关系;
设定预测参量:根据历史数据设定室内外温差影响系数、光照影响系数、设定风力影响系数、前一段时间室外温度影响系数、当前建筑物未来一段时间供暖目标温度、根据未来一段时间预报的室外平均温度与当前建筑物未来一段时间供暖目标温度计算可得未来一段时间室内外平均温度差;
预测房间能耗:根据获取的气象数据、运行数据以及设定的预测参量预测未来一段时间所需能耗。
进一步的,预测建筑能耗的具体表达式为:
Q=P0×U×[1-K1×(ΔT-T0)-K2×(H1-H0)×sinφ+K3×(F1-F0)+K4×(T3-T1)],
其中,Q为预测的未来一段时间所需能耗,P0为房间历史单位时间平均耗散功率,U为房间历史平均每天加热时长,K1为室内外温差影响系数,ΔT为未来一段时间室内外平均温度差,ΔT=T1-T2,T1为未来一段时间预报室外平均温度,T2为当前建筑物未来一段时间供暖目标温度,T0为房间历史室内外平均温度差,K2为光照影响系数,H1为未来一段时间预报光照强度影响值,H0为房间历史平均光照强度影响值,φ为建筑物与地理南向的角度关系,K3为风力影响系数,F1为未来一段时间风力强度影响值,F0为房间历史平均风力强度影响值,K4为前一段时间室外温度影响系数,T3为前一段时间的室外平均温度。
进一步的,计算总加热时间的具体表达式是:T=(Q÷P)×60,其中,T为预测的房间未来一段时间的加热时间,单位为分钟,Q为预测的未来一段时间所需能耗,P为房间发热体的发热功率。
进一步的,分配谷电比例的具体表达式是:Y=(-0.001X2+0.07X)×B(n),其中,Y表示谷电时段分配的加热时段占总加热时间的比例,Y∈[0,1],Y>1时按Y=1处理,X表示谷电时段包含的小时数,n表示未来一段时间内包含的不连续谷电时段段数,B(n)表示不同的谷电时段段数n分配的加热时间比重系数。
进一步的,分配加热时段的具体方法包括:
步骤100:令谷电时段分配的加热时段个数为Z,每个时段t0分钟,Z∈[0,96],表达式为:Z=(T÷t0)×Y,其中T为预测的房间未来一段时间的加热时间,Y表示谷电时段分配加热时间占总加热时间的比例,Z值四舍五入取整数;
步骤200:将加热时段Z分配在n个谷电时段中,表示为Z1~Zn,每个谷电时段的小时数表示为C1~Cn;
步骤300:计算每个谷电时段分配的初始加热时段为其中j表示n个谷电时段中的第j段,j∈[1,n],对Mj值四舍五入取整数得到Lj,令取Mj值小数点后一位的值并按从大到小的优先级排序将Zo分配到各谷电时段内,每段最多增加1,得到在n个谷电时段中实际分配的加热时段为:
步骤400:对每个谷电时段C1~Cn按时间的长短的比例进行分段,具体为:谷电时段C1~Cn分配的时间段数表示为N(C1)~N(Cn),当谷电时段Cj小于等于1小时时分为一段,N(Cj)=1,当谷电时段大于1小于等于4小时时,N(Cj)=2,其后每增加4小时内,增加1个时间段数,N(Cj)的值加1,根据每个谷电时段中实际分配的加热时段Zj,令每个谷电时段中每个时间段数分配的加热时段比例为Eji,其中j表示n个谷电时段中的第j段,i表示第j个谷电时段分配的N(Cj)个时间段数中的第i个时间段数,i∈[1,N(Cj)],Eji表达式为:
当N(Cj)=1时,Eji=1;
当N(Cj)=2时,
当N(Cj)≥3时,
步骤500:对每个谷电时段C1~Cn内实际分配的加热时段Zj在对应谷电时段内进行分配,令第j个谷电时段Cj中的第i个时间段数分配的加热时段为Zji,计算第i个时间段数分配的初始加热时段为Qji=Zj×Eji,对Qji值四舍五入取整数得到Pji,令第j个谷电时段中未分配的加热时段取Qji值小数点后一位的值并按从大到小的优先级排序将Zno分配到各时间段数内,每段最多增加1,得到第j个谷电时段Cj中的第i个时间段数分配的加热时段Zji为:
进一步的,将加热时段与非加热间隙进行排序的具体方法为:
对加热时段时间排序,谷电时段内的加热时段排序表示为:Z11、Z12、…Z1i、Z21、…、Zni,每两个谷电时段间为非谷电时段,非谷电时段个数记为m,每个非谷电时段的时长记为St,其中t表示m个非谷电时段中的第t段,未来一段时间内非谷电时段分配的加热时段个数为F=(T÷t0)×(1-Y),F值四舍五入取整数得到G,非谷电时段时长St每增加4小时就增加1段加热时段,记为Gtr,最终得到未来一段时间的加热时段排列为:Z11、Z12、…Z1i、G11、G12、…、G1r、Z21、…、Zni、Gm1、Gm2、…、Gmr。
进一步的,所述方法还包括将分配好的加热时段发送给供暖控制器,供暖控制器根据分配好的加热时段通过继电器控制发热体的电源开关,在加热时段进行加热,非加热时段停止加热。
本发明的第二方面,提供了一种适用于上述住宅建筑供暖预测方法的供暖系统,所述供暖系统包括发热体、供暖控制器、数据采集器、服务器、气象服务接口和客户端,其中,所述供暖控制器通过控制电源控制所述发热体加热的启停,所述数据采集器通过无线通信采集/发送控制参量给所述供暖控制器,所述服务器发送数据给所述数据采集器或读取所述数据采集器的数据,所述服务器从所述气象服务器接口获取气象数据,所述客户端通过网络与所述服务器进行数据交互。
进一步的,所述供暖控制器为碳纤维控制器,所述发热体为碳纤维发热体。
进一步的,所述控制参量包括所述住宅建筑供暖预测方法中分配好的加热时段。
本发明的第三方面,提供了一种终端,所述终端搭载实现上述住宅建筑供暖预测方法的处理器。
本发明提供的一种住宅建筑供暖预测方法及供暖系统,主要根据室内外温差变化、光照强度、风力强度、风向,结合建筑物的朝向、建筑物的历史能耗、前一段时间的室外温度等因素,进行预测建筑未来一段时间的能耗,再根据碳纤维加热线的铺装功率和峰谷电时段等参量,进行计算并控制供暖。最终达到的有益效果:充分的利用谷电,有效的实现了电力的削峰填谷,并降低了运营成本;结合气象数据预测性供暖,提高了供暖舒适度。
附图说明
图1是本发明实施例的住宅建筑供暖预测方法流程示意图;
图2是本发明住宅建筑供暖预测方法实施例中气象数据与建筑物关系示意图;
图3是本发明实施例的住宅建筑供暖系统的结构示意图。
具体实施方式
为进一步对本发明的技术方案作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的步骤。
如图1所示,是本发明实施例的一种住宅建筑供暖预测方法,实施例中住宅建筑供暖预测方法分为9个步骤,依次是获取气象数据、获取运行数据、设定预测参量、预测建筑能耗、计算加热时间、分配谷电比例、分配加热时段、下发控制参量、实施供暖控制,实施例中的一段时间优选为具有代表性的24小时,具体方法如下:
第一步、获取气象数据,获取未来一段时间预报室外平均温度T1,单位为℃;获取未来一段时间预报光照强度影响值H1,光照强度影响值分3个等级,夜晚H为0,其余时段按晴(2)、多云(1)、其它(0)。白天时间段根据不同的地域进行定义,以华北地区为例定义为[10:00,16:00]。获取未来一段时间风力强度影响值F1,风力强度影响值为气象预报的风力等级在风向与建筑物所成的夹角在垂直面上的投影值,具体表达式为:F1=Xsinθ,其中F1是未来24小时风力强度影响值,X是风力等级,θ为建筑物与风向的角度关系。
在本实施例的一个优选实施方式中,气象数据与建筑物关系示意图如图2所示,建筑物与风力风向的影响关系为风向在建筑物表面的垂直投影的风力值,即对正对这风向面的房间有效,平行于风向或背风向无效。如图2中风向为风向103,建筑物一号楼101和二号楼102与风向103所呈的角度为θ,即风力强度×sinθ为风力强度影响值,图2所示风向时一号楼101的1房间和2房间的θ角度取值为90°、一号楼101的3房间和4房间的θ角度取值为0°,二号楼102的1房间和2房间的θ角度取值为45°、二号楼102的3房间和4房间的θ角度取值为0°。建筑物与阳光104的影响为南向在建筑物表面的垂直投影的光照强度值,即南面的房间有效,其它方向房间无效。如图2中一号楼101的3房间和4房间的φ角度取值为90°、一号楼101的1房间和2房间的φ角度取值为0°,二号楼102的3房间和4房间的φ角度取值为45°、二号楼102的1房间和2房间的φ角度取值为0°。
第二步、获取运行数据,获取房间历史单位时间平均耗散功率P0,单位为W,为该房间在当前日之前所有采暖季内消耗的能量按小时平均的值,即从系统内取往年的平均值,如果是第1年,根据建筑的节能等级给定初值;获取房间历史室内外平均温度差T0,单位为K,为该房间在当前日之前所有采暖季内室内温度与室外实际温度差值按小时平均的值,即从系统内取往年的平均值,如果是第1年,室内温度取18℃,室外温度取当地的前一年的平均室外平均温度,然后两个的差值;获取房间历史平均光照强度影响值H0,为该房间在当前日之前所有采暖季内的光照强度影响值按小时平均的值,即从系统内取往年的平均值,如果是第1年,按0计算;获取房间历史平均风力强度影响值F0,为该房间在当前日之前所有采暖季内的风力强度影响值按小时平均的值,即从系统内取往年的平均值,如果是第1年,按0计算;获取房间历史平均每天供暖时长U,单位为h,从系统内取往年的平均值,如果是第1年,住宅建筑按24小时计算;获取前一段时间的室外平均温度T3,单位为℃,获取建筑物与地理南向的角度关系φ,单位为°;获取建筑物与风向的角度关系θ,单位为°
第三步、设定预测参量,根据历史数据设定设定室内外温差影响系数K1;设定光照影响系数K2;设定风力影响系数K3;设定前一段时间室外温度影响系数K4;其中K1~K4的取值范围均为[0.01,0.1],设定当前建筑物未来一段时间供暖目标温度T2,单位为℃;计算可得未来一段时间室内外平均温度差ΔT,单位为K,ΔT=T1-T2。
第四步、预测建筑能耗,预测未来一段时间所需能耗Q,单位为Wh,表达式为:Q=P0×U×[1-K1×(ΔT-T0)-K2×(H1-H0)×sinφ+K3×(F1-F0)+K4×(T3-T1)],其中,Q为预测的未来一段时间所需能耗,P0为房间历史单位时间平均耗散功率,U为房间历史平均每天加热时长,K1为室内外温差影响系数,ΔT为未来一段时间室内外平均温度差,ΔT=T1-T2,T1为未来一段时间预报室外平均温度,T2为当前建筑物未来一段时间供暖目标温度,T0为房间历史室内外平均温度差,K2为光照影响系数,H1为未来一段时间预报光照强度影响值,H0为房间历史平均光照强度影响值,φ为建筑物与地理南向的角度关系,K3为风力影响系数,F1为未来一段时间风力强度影响值,F0为房间历史平均风力强度影响值,K4为前一段时间室外温度影响系数,T3为前一段时间的室外平均温度。
在一个具体实施例中,设定Q为预测的未来24小时所需能耗,P0为房间历史单位时间平均耗散功率,U为房间历史平均每天供暖时长,K1为室内外温差影响系数,ΔT为未来24小时室内外平均温度差,ΔT=T1-T2,T1为未来24小时预报室外平均温度,T2为当前建筑物未来24小时供暖目标温度,T0为房间历史室内外平均温度差,K2为光照影响系数,H1为未来24小时预报光照强度影响值,H0为房间历史平均光照强度影响值,φ为建筑物与地理南向的角度关系,K3为风力影响系数,F1为未来24小时风力强度影响值,F0为房间历史平均风力强度影响值,K4为前24小时室外温度影响系数,T3为前24小时的室外平均温度。
在一个具体实施例中,P0=3500w,U=10h,K1=0.07,ΔT=-22℃,T0=-21℃,K2=0.05,H1=2,H0=1,sinφ=1,K3=0.02,F1=0,F0=1.8,K4=0.01,T3=-2℃,T1=-4℃,T2=18℃,预测到未来24小时所需能耗Q=48192Wh。
第五步、计算加热时间,具体表达式是:T=(Q÷P)×60,其中,T为预测的房间未来24小时的加热时间,单位为分钟,计算后T值进行四舍五入取整数,Q为预测的未来一段时间所需能耗,P为房间发热体的发热功率,单位为W。
在一个具体实施例中,Q=48192Wh,P=6660W,计算得到房间未来24小时的加热时间T=434min。
第六步、分配谷电比例,根据设定的谷电时段参量,分配加热时段在谷电与非谷电的比例,实现最大限度利用谷电,谷电时段分配加热时段占总加热时间的比例为Y,其中Y∈[0,1],Y>1时按Y=1处理,谷电时段内包含的小时数为X,其中X∈[0,24],如谷电时段为[22:00,6:00],即X=8,n表示未来一段时间,优选为未来24小时内包含的不连续谷电时段段数,n∈[1,4],如未来24小时内[22:00,6:00]和[12:00,14:00]为谷电时段,即n=2,对于不同的谷电时段段数n,其分配的加热时间比重不同,比重系数为B(n),优选地,n为(1,2,3,4)时,对应的B(n)为(1.0,1.15,1.4,1.7)。谷电分配比例优选如下分配方式:Y=(-0.001X2+0.07X)×B(n)。
第七步、分配加热时段,具体方法包括:
步骤100:令谷电时段分配的加热时段个数为Z,每个时段t0=15分钟,Z∈[0,96],表达式为:Z=(T÷15)×Y,其中T为预测的房间未来一段时间,优选为未来24小时的加热时间,Y表示谷电时段分配加热时间占总加热时间的比例,Z值四舍五入取整数;
步骤200:将加热时段Z分配在n个谷电时段中,表示为Z1~Zn,每个谷电时段的小时数表示为C1~Cn,其中n∈[1,4];
步骤300:计算每个谷电时段分配的初始加热时段为其中j表示n个谷电时段中的第j段,j∈[1,n],对Mj值四舍五入取整数得到Lj,令取Mj值小数点后一位的值并按从大到小的优先级排序将Zo分配到各谷电时段内,每段最多增加1,得到在n个谷电时段中实际分配的加热时段为:
步骤400:对每个谷电时段C1~Cn按时间的长短的比例进行分段,具体为:谷电时段C1~Cn分配的时间段数表示为N(C1)~N(Cn),当谷电时段Cj小于等于1小时时分为一段,N(Cj)=1,当谷电时段大于1小于等于4小时时,N(Cj)=2,其后每增加4小时内,增加1个时间段数,N(Cj)的值加1,根据每个谷电时段中实际分配的加热时段Zj,令每个谷电时段中每个时间段数分配的加热时段比例为Eji,其中j表示n个谷电时段中的第j段,i表示第j个谷电时段分配的N(Cj)个时间段数中的第i个时间段数,i∈[1,N(Cj)],Eji表达式为:
当N(Cj)=1时,Eji=1;
当N(Cj)=2时,
当N(Cj)≥3时,
步骤500:对每个谷电时段C1~Cn内实际分配的加热时段Zj在对应谷电时段内进行分配,令第j个谷电时段Cj中的第i个时间段数分配的加热时段为Zji,计算第i个时间段数分配的初始加热时段为Qji=Zj×Eji,对Qji值四舍五入取整数得到Pji,令第j个谷电时段中未分配的加热时段取Qji值小数点后一位的值并按从大到小的优先级排序将Zno分配到各时间段数内,每段最多增加1,得到第j个谷电时段Cj中的第i个时间段数分配的加热时段Zji为:
步骤600:对加热时段时间排序,谷电时段内的加热时段排序表示为:Z11、Z12、…Z1i、Z21、…、Zni;
步骤700:每两个谷电时段间为非谷电时段,非谷电时段个数记为m,每个非谷电时段的时长记为St,其中t表示m个非谷电时段中的第t段,未来24小时内非谷电时段分配的加热时段个数为F=(T÷15)×(1-Y),F值四舍五入取整数得到G,非谷电时段时长St每增加4小时就增加1段加热时段,记为Gtr,最终得到未来一段时间,优选为未来24小时的加热时段排列为:Z11、Z12、…Z1i、G11、G12、…、G1r、Z21、…、Zni、Gm1、Gm2、…、Gmr。
在本实施例的一个优选实施方式中,还包括;
第八步、下发控制参量,将分配好的加热时段发送给供暖控制器。
第九步、实施供暖控制,供暖控制器根据分配加热时段通过继电器控制发热体的电源开关,在加热时段进行加热,非加热时段停止加热。
以下,参照图3来描述根据本公开实施例的与图1所示的方法对应的供暖系统,如图3所示,包括:发热体201、供暖控制器202、数据采集器203、服务器204、气象服务接口205和客户端206,其中,供暖控制器202通过控制电源控制发热体201加热的启停,数据采集器203通过无线通信采集/发送控制参量给供暖控制器202,服务器204发送数据给数据采集器203或读取数据采集器203的数据,服务器204从气象服务器接口205获取气象数据,客户端206通过网络与服务器205进行数据交互,其中,系统可以包括多组供暖控制器202和其对应的发热体201。
在本实施例的一个优选实施方式中,所述供暖控制器202为碳纤维控制器,发热体201为碳纤维发热体,碳纤控制器202通过控制导电线缆电源的通断控制碳纤维发热体201加热的启停,数据采集器203通过LoRa无线通信采集或下发控制参量给碳纤控制器202,服务器204通过4G下发数据给数据采集器203或读取数据采集器203的数据,服务器204通过Internet网络从气象服务器的气象服务接口205获取相关气象数据,客户端206通过Internet网络与服务器204进行数据交互,其中,控制参量包括但不限于上述住宅建筑供暖预测方法中分配好的加热时段和加热时间顺序,碳纤控制器202通过控制导电线缆电源的通断控制碳纤维发热体201加热的启停的依据包括但不限于上述住宅建筑供暖预测方法中分配好的加热时段和加热时间顺序。
一种住宅建筑供暖系统的具体工作过程参照上述一种住宅建筑供暖预测方法的描述,不再赘述。
此外,本发明实施例的住宅建筑供暖预测方法也可以借助于一种终端来实现,所述终端搭载实现上述住宅建筑供暖预测方法的处理器,在所述处理器之外还包括但不限于输入/输出组件、存储器等,在实现不同的实施例时,根据实际需要增加一个或多个组件。
本发明实施例针对以上所述一种住宅建筑供暖预测方法及供暖系统,主要根据室内外温差变化、光照强度、风力强度、风向,结合建筑物的朝向、建筑物的历史能耗、前一段时间的室外温度等因素,进行预测建筑未来一段时间的能耗,再根据碳纤维加热线的铺装功率和峰谷电时段等参量,进行计算并控制供暖。最终达到的有益效果:充分的利用谷电,有效的实现了电力的削峰填谷,并降低了运营成本;结合气象数据预测性供暖,提高了供暖舒适度。
在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的步骤、方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种步骤、方法所固有的要素。
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,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种住宅建筑供暖预测方法,其特征在于,所述方法包括如下步骤:分配谷电比例:根据谷电时段包含的小时数计算谷电时段分配的加热时间占总加热时间的比例;分配加热时段:根据分配的谷电比例计算谷电时段的加热时段和非谷电时段的加热时段,将计算得到的加热时段与非加热间隙进行排序,
其中,所述总加热时间由预测未来一段时间所需能耗与房间发热体的发热功率计算得到,所述预测未来一段时间所需能耗的具体方法为:
获取气象数据:根据未来一段时间的天气预报获取未来一段时间预报的室外平均温度、光照强度影响值、风力强度影响值;
获取运行数据:获取房间历史单位时间平均耗散功率、房间历史室内外平均温度差、房间历史平均光照强度影响值、房间历史平均风力强度影响值、房间历史平均每天供暖时长、前一段时间的室外平均温度、建筑物与地理南向的角度关系、建筑物与风向的角度关系;
设定预测参量:根据历史数据设定室内外温差影响系数、光照影响系数、设定风力影响系数、前一段时间室外温度影响系数、当前建筑物未来一段时间供暖目标温度、根据未来一段时间预报的室外平均温度与当前建筑物未来一段时间供暖目标温度计算可得未来一段时间室内外平均温度差;
预测房间能耗:根据获取的气象数据、运行数据以及设定的预测参量预测未来一段时间所需能耗;
其中,分配加热时段的具体方法包括:
步骤100:令谷电时段分配的加热时段数为Z,每个时段t0分钟,表达式为:Z=(T÷t0)×Y,其中T为预测的房间未来一段时间的加热时间,Y表示谷电时段分配加热时间占总加热时间的比例,Z值四舍五入取整数;
步骤200:将加热时段Z分配在n个谷电时段中,表示为Z1~Zn,每个谷电时段的小时数表示为C1~Cn;
步骤300:计算每个谷电时段分配的初始加热时段为其中j表示n个谷电时段中的第j段,j∈[1,n],对Mj值四舍五入取整数得到Lj,令取Mj值小数点后一位的值并按从大到小的优先级排序将Zo分配到各谷电时段内,每段最多增加1,得到在n个谷电时段中实际分配的加热时段为:
步骤400:对每个谷电时段C1~Cn按时间的长短的比例进行分段,具体为:谷电时段C1~Cn分配的时间段数表示为N(C1)~N(Cn),当谷电时段Cj小于等于1小时时分为一段,N(Cj)=1,当谷电时段大于1小于等于4小时时,N(Cj)=2,其后每增加4小时内,增加1个时间段数,N(Cj)的值加1,根据每个谷电时段中实际分配的加热时段Zj,令每个谷电时段中每个时间段数分配的加热时段比例为Eji,其中j表示n个谷电时段中的第j段,i表示第j个谷电时段分配的N(Cj)个时间段数中的第i个时间段数,i∈[1,N(Cj)],Eji表达式为:
当N(Cj)=1时,Eji=1;
当N(Cj)=2时,
当N(Cj)≥3时,
步骤500:对每个谷电时段C1~Cn内实际分配的加热时段Zj在对应谷电时段内进行分配,令第j个谷电时段Cj中的第i个时间段数分配的加热时段为Zji,计算第i个时间段数分配的初始加热时段为Qji=Zj×Eji,对Qji值四舍五入取整数得到Pji,令第j个谷电时段中未分配的加热时段取Qji值小数点后一位的值并按从大到小的优先级排序将Zno分配到各时间段数内,每段最多增加1,得到第j个谷电时段Cj中的第i个时间段数分配的加热时段Zji为:
2.根据权利要求1所述的住宅建筑供暖预测方法,其特征在于,预测未来一段时间所需能耗的具体表达式为:
Q=P0×U×[1-K1×(ΔT-T0)-K2×(H1-H0)×sinφ+K3×(F1-F0)+K4×(T3-T1)],
其中,Q为预测的未来一段时间所需能耗,P0为房间历史单位时间平均耗散功率,U为房间历史平均每天加热时长,K1为室内外温差影响系数,ΔT为未来一段时间室内外平均温度差,ΔT=T1-T2,T1为未来一段时间预报室外平均温度,T2为当前建筑物未来一段时间供暖目标温度,T0为房间历史室内外平均温度差,K2为光照影响系数,H1为未来一段时间预报光照强度影响值,H0为房间历史平均光照强度影响值,φ为建筑物与地理南向的角度关系,K3为风力影响系数,F1为未来一段时间风力强度影响值,F0为房间历史平均风力强度影响值,K4为前一段时间室外温度影响系数,T3为前一段时间的室外平均温度。
3.根据权利要求2所述的住宅建筑供暖预测方法,其特征在于,计算总加热时间的具体表达式是:T=(Q÷P)×60,其中,T为预测的房间未来一段时间的加热时间,单位为分钟,Q为预测的未来一段时间所需能耗,P为房间发热体的发热功率。
4.根据权利要求3所述的住宅建筑供暖预测方法,其特征在于,分配谷电比例的具体表达式是:Y=(-0.001X2+0.07X)×B(n),其中,Y表示谷电时段分配的加热时段占总加热时间的比例,Y∈[0,1],Y>1时按Y=1处理,X表示谷电时段包含的小时数,n表示未来一段时间内包含的不连续谷电时段段数,B(n)表示不同的谷电时段段数n分配的加热时间比重系数。
5.根据权利要求4所述的住宅建筑供暖预测方法,其特征在于,将加热时段与非加热间隙进行排序的具体方法为:
对加热时段时间排序,谷电时段内的加热时段排序表示为:Z11、Z12、…Z1i、Z21、…、Zni,每两个谷电时段间为非谷电时段,非谷电时段个数记为m,每个非谷电时段的时长记为St,其中t表示m个非谷电时段中的第t段,未来一段时间内非谷电时段分配的加热时段个数为F=(T÷t0)×(1-Y),F值四舍五入取整数得到G,非谷电时段时长St每增加4小时就增加1段加热时段,记为Gtr,最终得到未来一段时间的加热时段排列为:Z11、Z12、…Z1i、G11、G12、…、G1r、Z21、…、Zni、Gm1、Gm2、…、Gmr。
6.一种适用于权利要求1-5任意一项所述的住宅建筑供暖预测方法的供暖系统,其特征在于,所述供暖系统包括发热体、供暖控制器、数据采集器、服务器、气象服务接口和客户端,其中,所述供暖控制器通过控制电源控制所述发热体加热的启停,所述数据采集器通过无线通信采集/发送控制参量给所述供暖控制器,所述服务器发送数据给所述数据采集器或读取所述数据采集器的数据,所述服务器从所述气象服务接口获取气象数据,所述客户端通过网络与所述服务器进行数据交互。
7.根据权利要求6所述的供暖系统,其特征在于,所述供暖控制器为碳纤维控制器,所述发热体为碳纤维发热体。
8.根据权利要求6所述的供暖系统,其特征在于,所述控制参量包括所述住宅建筑供暖预测方法中分配好的加热时段。
9.一种终端,其特征在于,所述终端搭载实现权利要求1-5任意一项所述住宅建筑供暖预测方法的处理器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111195661.0A CN113803776B (zh) | 2021-10-14 | 2021-10-14 | 一种住宅建筑供暖预测方法及供暖系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111195661.0A CN113803776B (zh) | 2021-10-14 | 2021-10-14 | 一种住宅建筑供暖预测方法及供暖系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113803776A CN113803776A (zh) | 2021-12-17 |
CN113803776B true CN113803776B (zh) | 2023-04-25 |
Family
ID=78937515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111195661.0A Active CN113803776B (zh) | 2021-10-14 | 2021-10-14 | 一种住宅建筑供暖预测方法及供暖系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113803776B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114383271A (zh) * | 2021-12-21 | 2022-04-22 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置及空调 |
CN117035173A (zh) * | 2023-08-03 | 2023-11-10 | 北京硕人时代科技股份有限公司 | 一种基于六参数模型的换热系统日负荷预测方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005265201A (ja) * | 2004-03-16 | 2005-09-29 | Osaka Gas Co Ltd | 温水暖房負荷予測システム |
CN108592172A (zh) * | 2018-04-28 | 2018-09-28 | 国网北京市电力公司 | 电采暖设备的负荷处理方法和装置 |
CN110738380B (zh) * | 2018-07-18 | 2023-11-07 | 浙江盾安节能科技有限公司 | 热负荷控制方法、装置及系统 |
CN110220238B (zh) * | 2019-05-22 | 2021-04-27 | 国网辽宁省电力有限公司大连供电公司 | 一种固体电制热储热供暖机组配置方法 |
CN111626003B (zh) * | 2020-05-19 | 2023-04-18 | 西安建筑科技大学 | 一种供暖系统热负荷分层预测方法、存储介质及预测设备 |
CN111720884B (zh) * | 2020-06-28 | 2021-11-16 | 北京嘉洁能科技股份有限公司 | 一种碳纤维电供暖的谷电应用控制方法及谷电储能系统 |
-
2021
- 2021-10-14 CN CN202111195661.0A patent/CN113803776B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113803776A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113803776B (zh) | 一种住宅建筑供暖预测方法及供暖系统 | |
Yoon et al. | Multiple power-based building energy management system for efficient management of building energy | |
US6889122B2 (en) | Load controller and method to enhance effective capacity of a photovoltaic power supply using a dynamically determined expected peak loading | |
US6542791B1 (en) | Load controller and method to enhance effective capacity of a photovotaic power supply using a dynamically determined expected peak loading | |
AU2011263698B2 (en) | Thermal storage device controller | |
US8412654B2 (en) | Method and system for fully automated energy curtailment | |
US8996183B2 (en) | System and method for estimating and providing dispatchable operating reserve energy capacity through use of active load management | |
CN212108656U (zh) | 基于相变蓄热围护结构隔热的碳纤维智慧供热系统 | |
EP1263108A1 (en) | Community energy comsumption management | |
US20130184888A1 (en) | System and method for estimating and providing dispatchable operating reserve energy capacity through use of active load management | |
US20220352717A1 (en) | Demand response of loads having thermal reserves | |
US10372188B2 (en) | Electrical power management | |
JP2018038238A (ja) | 電力制御システムおよび電力制御方法 | |
CN102156918A (zh) | 智能电网播报系统及方法 | |
CN114374212A (zh) | 光伏空调及其电能分配方法 | |
JP2021509165A (ja) | エネルギーグリッドの利用率を向上させる方法 | |
CN113803775B (zh) | 一种公共建筑供暖预测方法及供暖系统 | |
GB2376087A (en) | Community energy consumption management | |
CN110906421B (zh) | 基于新能源消纳的供热系统 | |
JP2020190352A (ja) | 制御装置、制御システム、給湯機制御方法およびプログラム | |
Pangaribuan et al. | Harnessing the hybrid power supply systems of utility grid and photovoltaic panels at retrofit residential single family building in Medan | |
Halimi et al. | An Efficient Algorithm for Energy Management in Smart Home Including Renewable Energy | |
US11916388B2 (en) | Disconnect load control receiver for resistive heating loads | |
WO2021251326A1 (ja) | 自然エネルギー余剰電力の利活用システム | |
CN117811004A (zh) | 一种面向民宿能量管理系统及分布式光伏发电的负荷管理优化调度方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |