CN114356906A - 基于延迟嵌入分析的建筑动态时序数据重构方法及系统 - Google Patents

基于延迟嵌入分析的建筑动态时序数据重构方法及系统 Download PDF

Info

Publication number
CN114356906A
CN114356906A CN202111637816.1A CN202111637816A CN114356906A CN 114356906 A CN114356906 A CN 114356906A CN 202111637816 A CN202111637816 A CN 202111637816A CN 114356906 A CN114356906 A CN 114356906A
Authority
CN
China
Prior art keywords
data
working condition
temperature
phase space
building
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
Application number
CN202111637816.1A
Other languages
English (en)
Inventor
毛熠辉
林小杰
赵静
殷俊
许德斌
张运双
周倩
杨成涛
董继能
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.)
Ruili Power Supply Bureau of Yunnan Power Grid Co Ltd
Changzhou Industrial Technology Research Institute of Zhejiang University
Original Assignee
Ruili Power Supply Bureau of Yunnan Power Grid Co Ltd
Changzhou Industrial Technology Research Institute of Zhejiang University
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 Ruili Power Supply Bureau of Yunnan Power Grid Co Ltd, Changzhou Industrial Technology Research Institute of Zhejiang University filed Critical Ruili Power Supply Bureau of Yunnan Power Grid Co Ltd
Priority to CN202111637816.1A priority Critical patent/CN114356906A/zh
Publication of CN114356906A publication Critical patent/CN114356906A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于智能电网技术领域，具体涉及一种基于延迟嵌入分析的建筑动态时序数据重构方法及系统，其中建筑动态时序数据重构方法包括：获取建筑供暖系统供回水温度的历史运行数据；对历史运行数据进行预处理；确定相空间嵌入维数；确定延迟时间量；构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点；以及基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列，实现了对建筑能源系统供需双侧核心参数的数据重构，实现不同时间尺度下建筑用能特性的精准刻画，有效降低建筑能耗，提高能源利用率，为建筑能源系统的预测调控和能源管理提供技术支撑。

Description

基于延迟嵌入分析的建筑动态时序数据重构方法及系统
技术领域
本发明属于智能电网技术领域，具体涉及一种基于延迟嵌入分析的建筑动态时序数据重构方法及系统。
背景技术
建筑能源系统以温度、负荷为代表的时序数据分析主要以统计学方法为基础，在分析过程中通过人工经验选取特征数据开展分析与预测，侧重于寻找高维变量之间的非线性联系，对变量的时间演变过程考虑尚不足够，难以满足多场景多类型能源系统实时预测的通用性。
因此，基于上述技术问题需要设计一种新的基于延迟嵌入分析的建筑动态时序数据重构方法及系统。
发明内容
本发明的目的是提供一种基于延迟嵌入分析的建筑动态时序数据重构方法及系统。
为了解决上述技术问题，本发明提供了一种建筑动态时序数据重构方法，包括：
获取建筑供暖系统供回水温度的历史运行数据；
对历史运行数据进行预处理；
确定相空间嵌入维数；
确定延迟时间量；
构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点；以及
基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列。
进一步，所述获取建筑供暖系统供回水温度的历史运行数据的方法包括：
搜集建筑供暖系统供回水温度的历史运行数据，包括二级网供水温度Ts和回水温度Tr。
进一步，所述对历史运行数据进行预处理的方法包括：
对历史运行数据进行缺失值处理、异常值处理以及通过数据平滑减少噪声；
缺失值处理为，以缺失数据的前一个数据和后一个数据的均值作为缺失数据的值；
异常值处理为，以历史运行数据作为样本，获取样本的均值μ和标准差σ，样本分布在(μ-3σ，μ+3σ)范围外的点判断为异常点；
通过数据平滑减少噪声为，将前后预设个数采集时间点的均值作为当前时间点的值：
Figure BDA0003442638910000021
其中，
Figure BDA0003442638910000022
是t时刻的数据前后总计n个数据点的平均值；
Figure BDA0003442638910000023
是在
Figure BDA0003442638910000024
时刻采集的数据点；n是预设的计算数据点的个数。
进一步，所述确定相空间嵌入维数的方法包括：
选取任一维度数m，获取m维相空间的序列X1，X2，...，Xl中任意两向量之差的欧式距离rij(m)：
rij(m)＝||Xi-Xj||；
根据一组数r0，调整r0大小，获取一组lnr0和lnC(r)的值，以获取饱和关联维数关系dm：
Figure BDA0003442638910000031
Figure BDA0003442638910000032
式中，r0为限定在重构相空间中各点间最小距离与最大距离之间的取值，C(r)为关联积分；l为总相点数，H(x)为Heaviside单位函数；
Figure BDA0003442638910000033
构建不同嵌入维数m下的lnr0-lnC(r)关系图，若lnr0与lnC(r)的曲线中包含一部分直线，则这条直线的斜率为关联维数dm；随着m取值的增大，每一条曲线的斜率随着嵌入维数m的增加到一定m′时，不再增加，此时不变的斜率称为饱和关联维数系数，对应的m′为重构相空间的嵌入维数。
进一步，所述确定延迟时间量的方法包括：
x(t)是时序数据{X(t)|-∞＜t＜+∞}，作截尾函数：
Figure BDA0003442638910000034
式中，t为时刻，T为设定的时间周期；
则xT(t)的傅立叶变换存在：
Figure BDA0003442638910000041
数据在时域向频域变换过程中：
Figure BDA0003442638910000042
式中，
Figure BDA0003442638910000043
为功率谱密度；
通过开展傅立叶变换的反变换，获得衡量时域能量分布的自相关函数Rx(τ)：
Figure BDA0003442638910000044
获取时序数据的占据显著能量比例的频率库，以形成时序数据的长短周期特性。
进一步，所述构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点的方法包括：
对一个变量进行观测，获取时间序列{xi|i＝1，2，...，N}，获取一个时间延迟量τ，以xi，xi+τ，xi+2r，...，xi+(m-1)τ为坐标轴，重构m维相空间；
根据时间序列{xi|i＝1，2，...，N}重构相空间：
Figure BDA0003442638910000051
式中，m为相空间嵌入维数；τ为延迟时间；l为总相点数，l＝N-(m-1)τ；X1，X2，...，Xl为相空间序列；
在重构的相空间内，获取围绕各低维稳定可测相点的轨道相对于该点的李雅普诺夫指数λ，通过该指数反映所截取的时序数据是否属于工况突变点：
Figure BDA0003442638910000052
进一步，所述基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列的方法包括：
基于工况变化点和选取的时间延迟量τ获取工况变化开始到结束时间段内的供水温度序列TSi和回水温度序列TRi：
TSi＝[Tsi，Ts(i+1)，...，Ts(i+τ)]T；
TRi＝[Tri，Tr(i+1)，...，Tr(i+τ)]T。
另一方面，本发明还提供一种建筑动态时序数据重构系统，包括：
数据获取模块，获取建筑供暖系统供回水温度的历史运行数据；
预处理模块，对历史运行数据进行预处理；
嵌入维数获取模块，确定相空间嵌入维数；
延迟时间量获取模块，确定延迟时间量；
工况点构建模块，构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点；以及
序列获取模块，基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列。
本发明的有益效果是，本发明通过获取建筑供暖系统供回水温度的历史运行数据；对历史运行数据进行预处理；确定相空间嵌入维数；确定延迟时间量；构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点；以及基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列，实现了对建筑能源系统供需双侧核心参数的数据重构，实现不同时间尺度下建筑用能特性的精准刻画，有效降低建筑能耗，提高能源利用率，为建筑能源系统的预测调控和能源管理提供技术支撑。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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他的附图。
图1是本发明的建筑动态时序数据重构方法的流程图；
图2是本发明的建筑动态时序数据重构方法的示意图；
图3是本发明的建筑动态时序数据重构系统的原理框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
如图1和图2所示，本实施例提供了一种建筑动态时序数据重构方法，包括：获取建筑供暖系统供回水温度的历史运行数据；对历史运行数据进行预处理；确定相空间嵌入维数；确定延迟时间量；构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点；以及基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列，实现了对建筑能源系统供需双侧核心参数的数据重构，实现不同时间尺度下建筑用能特性的精准刻画，有效降低建筑能耗，提高能源利用率，为建筑能源系统的预测调控和能源管理提供技术支撑
在本实施例中，所述获取建筑供暖系统供回水温度的历史运行数据的方法包括：搜集建筑供暖系统供回水温度的历史运行数据；搜集建筑供暖系统供回水温度的历史运行数据，包括二级网供水温度Ts和回水温度Tr。
在本实施例中，所述对历史运行数据进行预处理的方法包括：对二级网供回水历史数据进行数据预处理；对历史运行数据进行缺失值处理、异常值处理以及通过数据平滑减少噪声；缺失值处理为，以缺失数据的前一个数据和后一个数据的均值作为缺失数据的值；异常值处理为，使用3-sigma原则进行异常点检测，3-sigma方法的原理是在正态分布下以历史运行数据作为样本，获取样本的均值μ和标准差σ，样本分布在(μ-3σ，μ+3σ)范围外的点判断为异常点，即样本分布在(μ-3σ，μ+3σ)范围的概率为0.9974，反之落入这个区间外的概率只有0.0026，在实际问题中认为这样的小概率事件不会发生，将这类点判定为异常点；通过数据平滑减少噪声为，原始数据中噪声较多，通过数据平滑的方式来消除噪声，将前后预设个数采集时间点的均值作为当前时间点的值：
Figure BDA0003442638910000081
式中，
Figure BDA0003442638910000085
是t时刻的数据前后总计n个数据点的平均值；
Figure BDA0003442638910000082
是在
Figure BDA0003442638910000083
时刻采集的数据点；n是预设的计算数据点的个数。
在本实施例中，所述确定相空间嵌入维数的方法包括：采取饱和关联维数(G-P)法确定相空间嵌入维数；选取任一维度数m，获取m维相空间的序列X1，X2，...，Xl中任意两向量之差的欧式距离rij(m)：
rij(m)＝||Xi-Xj||；
给定一组数r0(取值介于rij(m)的最小值与最大值之间)，调整r0大小，获取一组lnr0和lnC(r)的值，以获取饱和关联维数关系dm：
Figure BDA0003442638910000084
Figure BDA0003442638910000091
式中，r0为限定在重构相空间中各点间最小距离与最大距离之间的取值，C(r)为关联积分；l为总相点数，H(x)为Heaviside单位函数；
Figure BDA0003442638910000092
x为函数的自变量；绘制不同嵌入维数m下的lnr0-lnC(r)关系图，若lnr0与lnC(r)的曲线中包含一部分直线，则这条直线的斜率为关联维数dm；随着m取值的增大，每一条曲线的斜率随着嵌入维数m的增加到一定m′时，便不会增加，此时不变的斜率称为饱和关联维数系数，对应的m′为重构相空间的嵌入维数。
在本实施例中，所述确定延迟时间量的方法包括：依据功率谱与时域自相关系数等内生特征综合评价确定延迟时间量；
x(t)是时序数据{X(t)|-∞＜t＜+∞}，作截尾函数：
Figure BDA0003442638910000093
式中，t为时刻，T为设定的时间周期；
则xT(t)的傅立叶变换存在：
Figure BDA0003442638910000094
由于数据在时域向频域变换过程中，其表征信息量的广义信号能量保持不变，对于这一数据，其变换前后有：
Figure BDA0003442638910000101
式中，
Figure BDA0003442638910000102
为功率谱密度，表征频域内能量分布；
类似的，通过开展傅立叶变换的反变换，获得衡量时域能量分布的自相关函数Rx(τ)：
Figure BDA0003442638910000103
基于此可得到时序数据的占据显著能量比例的频率库，进一步形成时序数据的长短周期特性。
在本实施例中，所述构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点的方法包括：对某一个变量进行观测，获取时间序列{xi|i＝1，2，...，N}，再适当选取一个时间延迟量τ，以xi，xi+τ，xi+2τ，...，xi+(m-1)τ为坐标轴，重构m维相空间；
根据时间序列{xi|i＝1，2，...，N}重构相空间：
Figure BDA0003442638910000104
式中，m为相空间嵌入维数；τ为延迟时间；l为总相点数，l＝N-(m-1)τ；X1，X2，...，Xl为相空间序列；
在重构的相空间内，进一步获取围绕各低维稳定可测相点的轨道相对于该点的李雅普诺夫指数λ，通过该指数反映所截取的时序数据是否属于工况突变点：
Figure BDA0003442638910000111
在本实施例中，所述基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列的方法包括：基于工况变化点和选取的时间延迟量τ获取工况变化开始到结束时间段内的供水温度序列TSi和回水温度序列TRi：
TSi＝[Tsi，Ts(i+1)，...，Ts(i+τ)]T；
TRi＝[Tri，Tr(i+1)，...，Tr(i+τ)]T；
由于供水和回水温度的趋势之间存在延迟时间，如果将延迟时间本身添加到回水温度中，就有可能找到一个延迟时间τ，从而使两个序列之间的相关系数最高。为了找到这样的延迟时间，将回水温度的序列TRi逐步前移，每次获得一个新的序列。设置一个最大移动步数k，则通过前移获得的回水温度序列分别为TRi+1，TRi+2，…，TRi+k，然后以此构建回水温度时间迟滞矩阵V：
Figure BDA0003442638910000121
其中k是最大迟滞步数；在该方法中，最大迟滞步数k、温度变化预阈值ε和延迟时间量τ都需要根据专家知识或人工经验设定。
如图3所示，在本实施例中，本实施例还在建筑动态时序数据重构方法的基础上提供一种建筑动态时序数据重构系统，包括：数据获取模块，获取建筑供暖系统供回水温度的历史运行数据；预处理模块，对历史运行数据进行预处理；嵌入维数获取模块，确定相空间嵌入维数；延迟时间量获取模块，确定延迟时间量；工况点构建模块，构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点；以及序列获取模块，基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列；各模块中可以编写、存储等记录有建筑动态时序数据重构方法中的各部分对应的方法；并且各模块可以单独存在或集成在控制模块中等。
综上所述，本发明通过获取建筑供暖系统供回水温度的历史运行数据；对历史运行数据进行预处理；确定相空间嵌入维数；确定延迟时间量；构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点；以及基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列，实现了对建筑能源系统供需双侧核心参数的数据重构，实现不同时间尺度下建筑用能特性的精准刻画，有效降低建筑能耗，提高能源利用率，为建筑能源系统的预测调控和能源管理提供技术支撑。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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)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：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (8)

1.一种建筑动态时序数据重构方法，其特征在于，包括：
获取建筑供暖系统供回水温度的历史运行数据；
对历史运行数据进行预处理；
确定相空间嵌入维数；
确定延迟时间量；
构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点；以及
基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列。
2.如权利要求1所述的建筑动态时序数据重构方法，其特征在于，
所述获取建筑供暖系统供回水温度的历史运行数据的方法包括：
搜集建筑供暖系统供回水温度的历史运行数据，包括二级网供水温度Ts和回水温度Tr。
3.如权利要求2所述的建筑动态时序数据重构方法，其特征在于，
所述对历史运行数据进行预处理的方法包括：
对历史运行数据进行缺失值处理、异常值处理以及通过数据平滑减少噪声；
缺失值处理为，以缺失数据的前一个数据和后一个数据的均值作为缺失数据的值；
异常值处理为，以历史运行数据作为样本，获取样本的均值μ和标准差σ，样本分布在(μ-3σ，μ+3σ)范围外的点判断为异常点；
通过数据平滑减少噪声为，将前后预设个数采集时间点的均值作为当前时间点的值：
Figure FDA0003442638900000021
式中，
Figure FDA0003442638900000022
是t时刻的数据前后总计n个数据点的平均值；
Figure FDA0003442638900000023
是在
Figure FDA0003442638900000024
时刻采集的数据点；
n是预设的计算数据点的个数。
4.如权利要求3所述的建筑动态时序数据重构方法，其特征在于，
所述确定相空间嵌入维数的方法包括：
选取任一维度数m，获取m维相空间的序列X1，X2，...，Xl中任意两向量之差的欧式距离rij(m)：
rij(m)＝||Xi-Xj||；
根据一组数r0，调整r0大小，获取一组lnr0和lnC(r)的值，以获取饱和关联维数关系dm：
Figure FDA0003442638900000025
Figure FDA0003442638900000026
式中，r0为限定在重构相空间中各点间最小距离与最大距离之间的取值，C(r)为关联积分；l为总相点数，H(x)为Heaviside单位函数；
Figure FDA0003442638900000031
构建不同嵌入维数m下的lnr0-lnC(r)关系图，若lnr0与lnC(r)的曲线中包含一部分直线，则这条直线的斜率为关联维数dm；随着m取值的增大，每一条曲线的斜率随着嵌入维数m的增加到一定m′时，不再增加，此时不变的斜率称为饱和关联维数系数，对应的m′为重构相空间的嵌入维数。
5.如权利要求4所述的建筑动态时序数据重构方法，其特征在于，
所述确定延迟时间量的方法包括：
x(t)是时序数据{X(t)|-∞＜t＜+∞}，作截尾函数：
Figure FDA0003442638900000032
式中，t为时刻，T为设定的时间周期；
则xT(t)的傅立叶变换存在：
Figure FDA0003442638900000033
数据在时域向频域变换过程中：
Figure FDA0003442638900000034
式中，
Figure FDA0003442638900000035
为功率谱密度；
通过开展傅立叶变换的反变换，获得衡量时域能量分布的自相关函数Rx(τ)：
Figure FDA0003442638900000041
获取时序数据的占据显著能量比例的频率库，以形成时序数据的长短周期特性。
6.如权利要求5所述的建筑动态时序数据重构方法，其特征在于，
所述构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点的方法包括：
对一个变量进行观测，获取时间序列{xi|i＝1，2，...，N}，获取一个时间延迟量τ，以xi，xi+τ，xi+2r，...，xi+(m-1)τ为坐标轴，重构m维相空间；
根据时间序列{xi|i＝1，2，...，N}重构相空间：
Figure FDA0003442638900000042
式中，m为相空间嵌入维数；τ为延迟时间；l为总相点数，l＝N-(m-1)τ；X1，X2，...，Xl为相空间序列；
在重构的相空间内，获取围绕各低维稳定可测相点的轨道相对于该点的李雅普诺夫指数λ，通过该指数反映所截取的时序数据是否属于工况突变点：
Figure FDA0003442638900000051
7.如权利要求6所述的建筑动态时序数据重构方法，其特征在于，
所述基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列的方法包括：
基于工况变化点和选取的时间延迟量τ获取工况变化开始到结束时间段内的供水温度序列TSi和回水温度序列TRi：
TSi＝[Tsi，Ts(i+1)，...，Ts(i+τ)]T；
TRi＝[Tri，Tr(i+1)，...，Tr(i+τ)]T。
8.一种建筑动态时序数据重构系统，其特征在于，包括：
数据获取模块，获取建筑供暖系统供回水温度的历史运行数据；
预处理模块，对历史运行数据进行预处理；
嵌入维数获取模块，确定相空间嵌入维数；
延迟时间量获取模块，确定延迟时间量；
工况点构建模块，构建与原始状态空间同胚的相空间检测二次供水温度变化的工况点；以及
序列获取模块，基于工况变化点和选取的延迟时间量获取工况变化开始到结束时间段内的供水温度序列和回水温度序列。
CN202111637816.1A 2021-12-29 2021-12-29 基于延迟嵌入分析的建筑动态时序数据重构方法及系统 Pending CN114356906A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111637816.1A CN114356906A (zh) 2021-12-29 2021-12-29 基于延迟嵌入分析的建筑动态时序数据重构方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111637816.1A CN114356906A (zh) 2021-12-29 2021-12-29 基于延迟嵌入分析的建筑动态时序数据重构方法及系统

Publications (1)

Publication Number Publication Date
CN114356906A true CN114356906A (zh) 2022-04-15

Family

ID=81103928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111637816.1A Pending CN114356906A (zh) 2021-12-29 2021-12-29 基于延迟嵌入分析的建筑动态时序数据重构方法及系统

Country Status (1)

Country Link
CN (1) CN114356906A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114675010A (zh) * 2022-05-31 2022-06-28 卡松科技股份有限公司 一种润滑油抗氧化性能智能化分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114675010A (zh) * 2022-05-31 2022-06-28 卡松科技股份有限公司 一种润滑油抗氧化性能智能化分析方法
CN114675010B (zh) * 2022-05-31 2022-09-13 卡松科技股份有限公司 一种润滑油抗氧化性能智能化分析方法

Similar Documents

Publication Publication Date Title
Tokdar et al. Simultaneous linear quantile regression: a semiparametric Bayesian approach
JP7279266B2 (ja) 時系列データを保存および照会するための方法および装置、並びにそれらのサーバーおよび記憶媒体
CN112946484B (zh) 一种基于bp神经网络的soc估计方法、系统、终端设备及可读存储介质
CN110380444B (zh) 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法
CN112001644B (zh) 一种配电网运行可靠性检测方法、装置、终端及存储介质
Petrov et al. Prediction of extreme significant wave heights using maximum entropy
CN113126019A (zh) 一种智能电表误差远程估计方法、系统、终端和存储介质
CN116307944B (zh) 基于人工智能与物联网的配电箱远程监测系统
CN112398700B (zh) 一种服务降级方法及装置、存储介质、计算机设备
CN114356906A (zh) 基于延迟嵌入分析的建筑动态时序数据重构方法及系统
CN110781167A (zh) 一种基于聚类压缩感知的用户缺失电量数据修复方法
CN114997321A (zh) 一种台区户变关系识别方法、装置、电子设备及存储介质
CN115982611A (zh) 基于聚类算法的电力用户用能特点分析方法
CN116629843B (zh) 智能化柴油发电机组的远程预警与维护决策支持系统
CN117290685A (zh) 一种基于历史数据的电厂电力设备专家诊断系统及方法
CN116128690B (zh) 一种碳排放量成本值计算方法、装置、设备及介质
CN116861306A (zh) 一种基于用电趋势量化网络的异常用电检测方法
CN116306030A (zh) 考虑预测误差和波动分布的新能源预测动态场景生成方法
Wilson et al. Use of meteorological data for improved estimation of risk in capacity adequacy studies
CN115828134A (zh) 用电数据样本构建、模型训练、账户类别确定方法和装置
CN110322063B (zh) 一种耗电功率仿真预测方法及存储介质
CN114545066A (zh) 一种非侵入式负荷监测模型聚合方法和系统
CN109558651B (zh) 风电机组谐波发射参数置信区间估计方法
CN117331705B (zh) 一种基于大数据的数据预测分析方法及系统
CN116415510B (zh) 基于相空间重构和神经网络的断路器温升预测方法及系统

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