CN116187549A - 能耗预测方法、计算设备及计算机存储介质 - Google Patents
能耗预测方法、计算设备及计算机存储介质 Download PDFInfo
- Publication number
- CN116187549A CN116187549A CN202310105312.8A CN202310105312A CN116187549A CN 116187549 A CN116187549 A CN 116187549A CN 202310105312 A CN202310105312 A CN 202310105312A CN 116187549 A CN116187549 A CN 116187549A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- data
- target
- time
- correction coefficient
- 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
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本申请实施例提供一种能耗预测方法、计算设备及计算机存储介质。其中,能耗预测方法包括:获取目标空间在预设时间内的历史能耗数据;获取目标空间在预设时间内的多种能耗影响数据以及与多种能耗影响数据分别对应的能耗基准数据;分别计算多种能耗影响数据与各自对应的能耗基准数据的偏差得到多个子能耗修正系数;利用所述多个子能耗修正系数得到能耗修正系数;利用能耗修正系数对历史能耗数据进行修正,得到目标空间在目标时间的预测能耗数据。本发明实施例提供的技术方案可以在缺少样本数据的情况下实现能耗的预测以及提高能耗预约的准确性。
Description
技术领域
本发明实施例涉及能耗预测技术领域,尤其涉及一种能耗预测方法、计算设备及计算机存储介质。
背景技术
大型智慧园区作为高能耗建筑的集中区域,各种能耗,例如电能、用水、燃气等,具有能耗消耗范围广、消耗时间不规律等特点。随着经济社会的发展和环境压力越来越大,节能减排形势严峻,通常需要对园区的能耗进行预测,以分析园区的节能潜力以及指导园区的能源使用,避免能源浪费。
因而,如何提高能耗预测的准确性成为亟待解决的技术问题。
发明内容
本发明实施例提供一种能耗预测方法、用电量预测方法、计算设备及计算机存储介质。
第一方面,本发明实施例中提供了一种用于大型智慧园区的能耗预测方法,包括:
获取目标空间在预设时间内的历史能耗数据,所述历史能耗数据用于表征所述目标空间在所述目标时间内的能源消耗总量,所述能源包括电能、水、天然气中的至少一种;
获取目标空间在预设时间内的多种能耗影响数据以及与多种能耗影响数据分别对应的能耗基准数据;
分别计算多种能耗影响数据与各自对应的能耗基准数据的偏差得到多个子能耗修正系数;
利用所述多个子能耗修正系数得到能耗修正系数;
利用能耗修正系数对历史能耗数据进行修正,得到目标空间在目标时间的预测能耗数据。
第二方面,本发明实施例中提供了一种用电量预测方法,包括:
获取目标空间在预设时间内的历史用电量数据,所述历史用电量数据用于表征所述目标空间在所述目标时间内的电能消耗总量;
获取目标空间在预设时间内的多种用电量影响数据以及与多种用电量影响数据分别对应的用电量基准数据;
分别计算多种用电量影响数据与各自对应的用电量基准数据的偏差得到多个子用电量修正系数;
利用所述多个子用电量修正系数得到用电量修正系数;
利用用电量修正系数对历史用电量数据进行修正,得到目标空间在目标时间的预测用电量数据。
第三方面,本发明实施例中提供了一种能耗预测装置,包括:
第一获取模块,用于获取目标空间在预设时间内的历史能耗数据,所述历史能耗数据用于表征所述目标空间在所述目标时间内的能源消耗总量,所述能源包括电能、水、天然气中的至少一种;
第二获取模块,用于获取目标空间在预设时间内的多种能耗影响数据以及与多种能耗影响数据分别对应的能耗基准数据;
第一计算模块,用于分别计算多种能耗影响数据与各自对应的能耗基准数据的偏差得到多个子能耗修正系数;
第一系数确定模块,用于利用所述多个子能耗修正系数得到能耗修正系数;
第一预测模块,用于利用能耗修正系数对历史能耗数据进行修正,得到目标空间在目标时间的预测能耗数据。
第四方面,本发明实施例中提供了一种用电量预测装置,包括:
第三获取模块,用于获取目标空间在预设时间内的历史用电量数据,所述历史用电量数据用于表征所述目标空间在所述目标时间内的电能消耗总量;
第四获取模块,用于获取目标空间在预设时间内的多种用电量影响数据以及与多种用电量影响数据分别对应的用电量基准数据;
第二计算模块,用于分别计算多种用电量影响数据与各自对应的用电量基准数据的偏差得到多个子用电量修正系数;
第二系数确定模块,用于利用所述多个子用电量修正系数得到用电量修正系数;
第二预测模块,用于利用用电量修正系数对历史用电量数据进行修正,得到目标空间在目标时间的预测用电量数据。
在本发明的实施例中,通过采用获取目标空间在预设时间内的历史能耗数据,所述历史能耗数据用于表征所述目标空间在所述目标时间内的能源消耗总量,所述能源包括电能、水、天然气中的至少一种;获取目标空间在预设时间内的多种能耗影响数据以及与多种能耗影响数据分别对应的能耗基准数据;分别计算所述多种能耗影响数据与各自对应的所述能耗基准数据的偏差得到多个子能耗修正系数;利用所述多个子能耗修正系数得到能耗修正系数;利用能耗修正系数对历史能耗数据进行修正,得到目标空间在目标时间的预测能耗数据的技术方案,利用能耗影响数据与对应的能耗基准数据的偏差生成能耗修正系数,并利用能耗修正系数基于历史能耗数据预测得到预测能耗数据,可以在缺少样本数据的情况下实现能耗的预测以及提高能耗预约的准确性。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
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一简单地介绍,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他的附图。
图1示意性示出了本发明一个实施例提供的一种能耗预测方法的流程图;
图2示意性示出了本发明一个实施例提供的一种用电量预测方法的流程图;
图3示意性示出了本发明一个实施例提供的一种能耗预测装置的框图;
图4示意性示出了本发明一个实施例提供的一种用电量预测装置的框图;
图5示意性示出了本发明一个实施例提供的一种计算设备的框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
需要说明的是,本发明所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
大型智慧园区作为高能耗建筑的集中区域,各种能耗,例如电能、用水、燃气等,具有能耗消耗范围广、消耗时间不规律等特点。随着经济社会的发展和环境压力越来越大,节能减排形势严峻,通常需要对园区的能耗进行预测,以分析园区的节能潜力以及指导园区的能源使用,避免能源浪费。
相关技术,通常利用机器学习模型或者统计学的方法,进行能耗的预测。
发明人在实现本发明构思的过程中发现,利用机器学习模型或者统计学的能耗预测方法,均需要基于大量的样本数据进行预测。例如,针对机器学习模型而言,需要首先利用海量的样本数据对机器学习模型进行训练,才能利用训练完成的机器学习模型进行能耗预测。
在实际的应用需求中,通常需要对智慧园区的年度或者月度的能耗进行预测。在进行年度或者月度的能耗预测时,通常将整年或整月的能耗量作为一个样本数据。基于此,即使智慧园区已经运行十年,在进行年度能耗预测时,也仅有10个样本数据,在进行月度能耗预测时,也仅有120个样本数据。
在此情况下,若采用机器学习或者统计学方法进行年度或者月度的能耗预测,由于缺少样本数据,将导致能耗预测的准确率较低。
因而,如何提高能耗预测的准确性成为亟待解决的技术问题。
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,本领域技术人员在没有作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。
图1示意性示出了本发明一个实施例提供的一种能耗预测方法的流程图,如图1所示,该能耗预测方法可以包括以下步骤:
101,获取目标空间在预设时间内的历史能耗数据,历史能耗数据用于表征目标空间在目标时间内的能源消耗总量,能源包括电能、水、天然气中的至少一种;
102,获取目标空间在预设时间内的多种能耗影响数据以及与多种能耗影响数据分别对应的能耗基准数据;
103,分别计算多种能耗影响数据与各自对应的能耗基准数据的偏差得到多个子能耗修正系数;
104,利用多个子能耗修正系数得到能耗修正系数;
105,利用能耗修正系数对历史能耗数据进行修正,得到目标空间在目标时间的预测能耗数据。
根据本发明的实施例,目标空间可以指用电场所,用电场所可以包括商用用电场所、民用用电场所等。商用用电场所例如可以包括工厂、园区、办公大楼等。民用用电场所例如可以包括居民楼、居民住宅等。
在本发明的优选实施例中,目标空间可以指大型智慧园区,大型智慧园区可以包括互联网产业园区、化工产业园区等。
根据本发明的实施例,针对不同类型的智慧园区,可以获取智慧园区在预设时间内所消耗的不同类型的历史能耗数据。例如,针对互联网产业园区,由于互联网产业园区内通常需要部署大量的机房以及各种计算设备,而机房以及计算设备的运行需要电能的支持,因而,针对互联网产业园区,可以获取其在预设时间内的用电量数据,相对应的,通过本发明实施例提供的能耗预测方法,可以预测互联网产业园区在目标时间内的预测用电量数据;针对化工产业园区而言,通常用水以及用电较多,因而,可以获取化工产业园区在预设时间内消耗的用水量以及用电量,然后通过本发明实施例提供的能耗预测方法,分别预测化工产业园区在目标时间的预测用水量以及预测用电量。
根据本发明的实施例,针对不同类型的智慧园区而言,在进行能耗预测的过程中,所选取的能耗影响数据以及对应的能耗基准数据可以不同。例如,针对互联网产业园而言,用电量通常受温度以及湿度的影响,因而,在进行用电量预测的情况下,能耗影响数据可以为与温度、湿度相关的数据;而针对化工产业园而言,用水量通常受待加工原材料的数据影响,因而,在进行用水量预测的情况下,能耗影响数据可以包括与待加工原材料的数量相关的数据。
根据本发明的实施例,针对不同类型的智慧园区而言,在进行能耗预测的过程中,子能耗修正系数的计算方式以及根据多个子能耗修正系数得到能耗修正系数的过程也可以不相同。
根据本发明的实施例,子能耗修正系数的计算方式以及根据多个子能耗修正系数得到能耗修正系数的过程可以由本领域技术人员根据园区的历史运行情况以及行业标准进行灵活设定。
根据本发明的实施例,预设时间可以为一时间段,该时间段具有预设长度的时间跨度;但不限于此,目标时间还可以为一时间点。
根据本发明的实施例,预设时间可以为目标时间之前的历史时间,历史能耗数据可以为在该历史时间内对目标空间的能耗量进行采集得到的。
根据本发明的实施例,预设时间和目标时间可以是相对应的,例如,当目标时间为一年时,预设时间可以为一年或多年;当目标时间为一个月时,预设时间可以包括往年与该月对应的月份。
根据本发明的实施例,能耗可以指能源消耗水平,能耗数据可以用于指示能源消耗量。
根据本发明的实施例,能源例如可以包括电能、天然气、水等资源。
根据本发明的实施例,至少一种能耗影响数据中的每种能耗影响数据可以分别表征一种能耗影响因素。
根据本发明的实施例,能耗影响因素可以包括可能影响能源消耗量的因素。
根据本发明的实施例,能耗基准数据可以包括理论上的标准数据或者根据目标空间在预设时间内的能耗数据总结得到的统计标准数据。该能耗基准数据可以用于表征每种能耗影响数据的标准数据值。
根据本发明的实施例,由于能耗影响数据为影响能源消耗量的因素,因而,至少一种能耗影响数据与各自对应的能耗基准数据的偏差即可以反应能耗影响数据的变化量,相对应的,能源影响数据的变化将会导致目标空间的能耗水平的变化。
根据本发明的实施例,根据该偏差生成的能耗修正系数即可以反应目标空间在目标时间中,相较于在预设时间中的能耗变化。从而,可以根据能耗变化,基于历史能耗数据预测目标空间在目标时间的预测能耗数据。
在本发明的实施例中,通过采用获取目标空间在预设时间内的历史能耗数据;获取目标空间在预设时间内的至少一种能耗影响数据以及与至少一种能耗影响数据分别对应的至少一种能耗基准数据;根据至少一种能耗影响数据与各自对应的能耗基准数据的偏差生成能耗修正系数;利用能耗修正系数对历史能耗数据进行修正,得到目标空间在目标时间的预测能耗数据的技术方案,利用能耗影响数据与对应的能耗基准数据的偏差生成能耗修正系数,并利用能耗修正系数基于历史能耗数据预测得到预测能耗数据,可以在缺少样本数据的情况下实现能耗的预测以及提高能耗预约的准确性。
根据本发明的实施例,为了避免某一种能耗影响数据的数据异常导致的能耗修正系数不准确,可以获取对目标空间的能耗水平存在影响的多种能耗影响数据。
根据本发明的实施例,能耗修正系数可以由多个子能耗修正系数得到,每个子能耗修正系数可以由一种能耗影响数据与能耗基准数据的偏差而得到。
在本发明的一种实施例中,可以将多个子能耗修正系数相乘得到能耗修正系数。
在本发明的另一实施例中,可以为每个子能耗修正系数配置权重因子,计算得到多个子能耗修正系数后,可以将各个子能耗修正系数首先与对应的权重因子相乘,得到权重子能耗修正系数,然后根据多个权重子能耗修正系数得到权重修正系数,其中,权重因子的取值可以由每种能耗影响数据对目标空间在预设时间内的能耗水平的影响程度而确定。
根据本发明的实施例,在计算能耗影响数据与对应的能耗基准数据的偏差时,可以将能耗影响数据与能耗基准数据做商,或者将能耗影响数据与能耗基准数据相减。
根据本发明的实施例,由于能耗修正系数反映了多种能耗影响数据与能耗基准数据的偏差,从而可以避免能耗影响数据的偶然异常对能耗修正系数的影响,提高计算能耗修正系数的准确性,进而提高能耗预测的准确性。
根据本发明的实施例,多种能耗影响数据包括第一能耗影响数据以及第二能耗影响数据。
根据本发明的实施例,获取目标空间在预设时间内的多种能耗影响数据与多种能耗影响数据分别对应的多种能耗基准数据具体可以实现为:
获取目标空间的面积数据以及常驻人口数据;
基于面积数据以及常驻人口数据得到第一能耗影响数据;
获取目标空间的有效能耗时间;
将有效能耗时间作为第二能耗数据;
确定与第一能耗影响数据对应的基准人均面积以及与第二能耗数据对应的基准能耗时间。
根据本发明的实施例,第一能耗影响数据可以通过计算目标空间的面积数据与常驻人口数据的比值的方式得到。
根据本发明的实施例,在目标空间为办公场所的情况下,有效能耗时间例如可以为工作时间。
根据本发明的实施例,第一能耗影响数据可以反应目标空间的人员密度,一般而言,能耗消耗水平可以与人员密度成正比。
根据本发明的实施例,分别计算多种能耗影响数据与各自对应的能耗基准数据的偏差得到多个子能耗修正系数具体可以实现为:
计算第一能耗影响数据与基准人均面积的比值,得到第一比值;
计算第二能耗影响数据与基准能耗时间的比值,得到第二比值;
分别根据第一比值以及第二比值,得到第一子能耗修正系数以及第二子能耗修正系数;
根据第一子能耗修正系数以及第二子能耗修正系数得到能耗修正系数。
根据本发明的实施例,能耗修正系数的计算过程可以用以下公式(1)至公式(3)表示。
γ=γ1·γ2; (1)
γ1=a1+a2·S/So; (2)
γ2=a3+a4·To/T; (3)
其中,γ可以表示能耗修正系数,γ1可以表示第一子能耗修正系数,γ2可以表示第二子能耗修正系数,a1、a2、a3、a4可以表示常数,其中,a1可以取0.7、a2可以取0.3、a3可以取0.3、a4可以取0.7,S可以表示第一能耗影响数据,So可以表示基准人均面积,To可以表示基准能耗时间,T可以表示第二能耗影响数据。
根据本发明的实施例,预设时间包括多个历史时间段,目标时间包括与多个历史时间段分别对应的目标时间段。
根据本发明的实施例,预设时间例如可以为一年,一年中包括12个月,每个月可以分别为一个历史时间段,相对应的,目标时间可以为一年,一年中可以包括12个目标时间段。
能耗预测方法还包括:
分别计算多个历史时间段的子能耗数据在历史能耗数据中的能耗占比信息;
基于能耗占比信息,分别确定多个目标时间段的目标子能耗数据。
根据本发明的实施例,可以分别利用每个历史时间段的子能耗数据除以历史能耗数据的方式,得到每个历史时间段的能耗占比信息。
根据本发明的一个实施例,由于目标空间一般为连续稳定运行,一般情况下,前后两年中,各个月的能耗量在全年占比通常趋于稳定,因而,可以将每个历史时间段的能耗占比信息作为每个对应的目标时间段的能耗占比信息,并基于该能耗占比信息以及预测能耗数据得到每个目标子时间段的目标子能耗数据。
根据本发明的实施例,基于能耗占比信息,分别确定多个目标时间段的目标子能耗数据具体可以实现为:
基于历史能耗数据以及目标空间的面积数据,得到目标空间的单方能耗数据;
基于单方能耗数据以及能耗修正系数,得到单方能耗修正数据;
基于单方能耗修正数据以及能耗占比信息,得到每个目标时间单元的能耗修正值;
获取目标空间在目标时间内的目标能耗修正系数;
基于每个目标时间单元的能耗修正值、目标能耗修正系数以及面积数据得到每个目标时间段的目标子能耗数据。
根据本发明实施例,可以通过利用历史能耗数据除以目标空间的面积数据的方式,得到目标空间每个平方米所使用的能耗,即单方能耗数据。然后,可以利用单方能耗数据乘以预先计算得到的能耗修正系数,得到目标空间在目标时间内的单方能耗修正数据。
根据本发明的实施例,可以将每个历史时间段的能耗占比信息作为每个对应的目标时间段的能耗占比信息,因而,得到单方能耗修正数据后,可以利用单方能耗修正数据分别乘以对应的目标子时间段的能耗占比信息,得到每个目标时间单元的能耗修正值。
根据本发明的实施例,目标能耗修正系数的计算方式可以与预设时间内的能耗修正系数的计算方式相同,即利用以上公式(1)至公式(3)进行计算,其中,在计算第一子能耗修正系数时,可以将目标空间的面积数据以及常驻人口数据替换为目标空间在目标时间内的面积数据以及常驻人口数据,以及在计算第二目标子能耗修正系数时,可以将目标空间的有效能耗时间替换为目标空间在目标时间内的有效能耗时间。
根据本发明的实施例,获取目标能耗修正系数后,可以利用能耗修正值除以目标能耗修正系数,得到单方能耗预测值,并利用单方能耗预测值乘以目标空间的面积数据,得到目标时间中每个目标时间段的目标子能耗数据。
根据本发明的实施例提供的能耗预测方法不仅可以预测得到目标时间的总的能耗数据,还可以推演得到目标时间中每个目标时间段的能耗数据。
根据本发明的实施例,获取目标空间在预设时间内的历史能耗数据具体可以实现为:
确定目标空间的目标能耗类型对应的历史能耗数据。
根据本发明的实施例,目标空间中可能存在多种能耗类型,在能耗为用电的情况下,能耗类型例如可以包括空调用电、照明用电、动力用电、设备用电等。
根据本发明的实施例,可以从多种能耗类型中确定至少一种目标能耗类型,并预测该能耗类型在目标时间中的预测能耗数据。
根据本发明的实施例,根据至少一种能耗影响数据与各自对应的能耗基准数据的偏差生成能耗修正系数具体可以实现为:
确定与目标能耗类型对应的目标能耗影响数据;
采集目标能耗影响数据在预设时间内的第一数据值以及在目标时间内的第二数据值;
计算第一数据值与第二数据值的偏差信息;
根据偏差信息生成能耗修正系数。
根据本发明的实施例,目标能耗影响数据可以为目标能耗类型对应的能耗设备所消耗的能耗值,以及会影响该能耗设备的能耗量的特征数据的特征值。例如,在目标能耗类型为空调用电的情况下,目标能耗影响数据可以包括空调的用电量,以及温度数据、湿度数据等;在目标能耗类型为照明插座用电的情况下,目标能耗影响数据可以包括插座用电量数据以及工位饱和度数据。
根据本发明的实施例,确定目标能耗影响数据后,可以确定目标能耗数据在预设时间内的第一数据值以及在目标时间内的第二数据值,根据第一数据值以及第二数据值,可以确定该目标能耗影响数据在预设时间至目标时间的变化,从而,该变化可能会导致能耗设备的能耗值的变化。
根据本发明的实施例,第一数据值与第二数据值得偏差信息可以通过计算第二数据值与第一数据值计算环比而得到。
根据本发明的实施例,得到偏差信息后,可以利用预设规则得到能耗修正系数。
在本发明的实施例中,若目标能耗类型为照明插座用电,能耗修正系数可以利用以下公式(4)计算得到。
p=x·b1―b2; (4)
其中,p可以表示照明插座用电类型的能耗修正系数,x可以表示偏差信息,b1、b2可以表示常数,其中,b1可以取值为0.79,b2可以取值为0.01,b1、b2的取值可以由实际的应用需求,例如园区的建设条件、使用条件进行确定。
在本发明的实施例中,若目标能耗类型为空调座用电,能耗修正系数可以利用以下公式(5)计算得到。
w=y·c1+c2; (5)
其中,w可以表示空调座用电类型的能耗修正系数,y可以表示偏差信息,c1、c2可以表示常数,其中,c1可以取值为3.6,c2可以取值为0.03,c1、c2的取值可以由实际的应用需求,例如园区的建设条件、使用条件进行确定。
根据本发明的实施例,能耗预测方法还包括:
在目标能耗类型为预设能耗类型的情况下,将目标能耗类型的历史能耗数据确定为预测能耗数据。
根据本发明的实施例,针对动力用电、设备用电等能耗类型而言,在目标空间没有较大变化的情况下,该种能耗类型的能耗量一般趋于稳定,从而,可以直接将该种能耗类型在预设时间的历史能耗数据作为其在目标时间的预测能耗数据。
根据本发明的实施例,预设时间包括空闲时间段以及非空闲时间段,预测能耗数据为目标时间内与非空闲时间段对应的时间段的预测能耗数据。
根据本发明的实施例,能耗预测方法还包括:
获取目标空间的节能参数,以及空闲时间段的历史闲时能耗数据;
基于节能参数以及历史闲时能耗数据得到目标时间内与空闲时间段对应的预测闲时能耗数据;
基于预测闲时能耗数据以及预测能耗数据得到目标空间在目标时间内的预测总能耗数据。
根据本发明的实施例,针对办公用目标空间而言,预设时间可以划分为上班时间以及下班时间,上班时间中,各种能耗设备均正常运行,因而可以将上班时间确定为非空闲时间段,在下班时间中,则仅会运行一些必要的能耗设备,因而可以将下班时间确定为空闲时间段。
根据本发明的实施例,针对非空闲时间段,能耗量基本稳定,通常仅在目标空闲实施某些预先指定的节能措施的情况下,能耗量可能会产生变化。
根据本发明的实施例,在目标空间实施了节能措施的情况下,可以获取节能措施所对应的节能参数,基于节能参数以及历史闲时能耗数据得到目标时间内与空闲时间段对应的预测闲时能耗数据。
根据本发明的实施例,能耗预测方法还包括:
分别确定每种能耗类型对应的预测能耗数据;
对多个预测能耗数据进行求和,得到目标空间在目标时间内的总能耗数据。
根据本发明的实施例,能耗预测方法还包括:
根据预测能耗数据生成订单信息;
输出订单信息。
根据本发明的实施例,在预测得到目标时间的预测能耗数据,可以生成能耗采购订单,以基于预测能耗数据进行能耗采购。
图2示意性示出了本发明一个实施例提供的一种用电量预测方法的流程图,如图2所示,该用电量预测方法可以包括以下步骤:
201,获取目标空间在预设时间内的历史用电量数据,历史用电量数据用于表征目标空间在目标时间内的电能消耗总量;
202,获取目标空间在预设时间内的多种用电量影响数据以及与多种用电量影响数据分别对应的用电量基准数据;
203,分别计算多种用电量影响数据与各自对应的用电量基准数据的偏差得到多个子用电量修正系数;
204,利用多个子用电量修正系数得到用电量修正系数;
205,利用用电量修正系数对历史用电量数据进行修正,得到目标空间在目标时间的预测用电量数据。
根据本发明的实施例,目标空间可以指用电场所,用电场所可以包括商用用电场所、民用用电场所等。商用用电场所例如可以包括工厂、园区、办公大楼等。民用用电场所例如可以包括居民楼、居民住宅等。
在本发明的优选实施例中,目标空间可以指大型智慧园区,大型智慧园区可以包括互联网产业园区、化工产业园区等。
根据本发明的实施例,预设时间可以为一时间段,该时间段具有预设长度的时间跨度;但不限于此,目标时间还可以为一时间点。
根据本发明的实施例,预设时间可以为目标时间之前的历史时间,历史用电量数据可以为在该历史时间内对目标空间的用电量进行采集得到的。
根据本发明的实施例,预设时间和目标时间可以是相对应的,例如,当目标时间为一年时,预设时间可以为一年或多年;当目标时间为一个月时,预设时间可以包括往年与该月对应的月份。
根据本发明的实施例,至少一种用电量影响数据中的每种用电量影响数据可以分别表征一种用电量影响因素。
根据本发明的实施例,用电量影响因素可以包括可能影响能源消耗量的因素。
根据本发明的实施例,用电量基准数据可以包括理论上的标准数据或者根据目标空间在预设时间内的用电量数据总结得到的统计标准数据。该用电量基准数据可以用于表征每种用电量影响数据的标准数据值。
根据本发明的实施例,由于用电量影响数据为影响能源消耗量的因素,因而,至少一种用电量影响数据与各自对应的用电量基准数据的偏差即可以反应用电量影响数据的变化量,相对应的,能源影响数据的变化将会导致目标空间的用电量水平的变化。
根据本发明的实施例,根据该偏差生成的用电量修正系数即可以反应目标空间在目标时间中,相较于在预设时间中的用电量变化。从而,可以根据用电量变化,基于历史用电量数据预测目标空间在目标时间的预测用电量数据。
在本发明的实施例中,通过采用获取目标空间在预设时间内的历史用电量数据;获取目标空间在预设时间内的至少一种用电量影响数据以及与至少一种用电量影响数据分别对应的至少一种用电量基准数据;根据至少一种用电量影响数据与各自对应的用电量基准数据的偏差生成用电量修正系数;利用用电量修正系数对历史用电量数据进行修正,得到目标空间在目标时间的预测用电量数据的技术方案,利用用电量影响数据与对应的用电量基准数据的偏差生成用电量修正系数,并利用用电量修正系数基于历史用电量数据预测得到预测用电量数据,可以在缺少样本数据的情况下实现用电量的预测以及提高用电量预约的准确性。
根据本发明的实施例,为了避免某一种用电量影响数据的数据异常导致的用电量修正系数不准确,可以获取对目标空间的用电量水平存在影响的多种用电量影响数据。
根据本发明的实施例,用电量修正系数可以由多个子用电量修正系数得到,每个子用电量修正系数可以由一种用电量影响数据与用电量基准数据的偏差而得到。
在本发明的一种实施例中,可以将多个子用电量修正系数相乘得到用电量修正系数。
在本发明的另一实施例中,可以为每个子用电量修正系数配置权重因子,计算到多个子用电量修正系数后,可以将各个子用电量修正系数首先与对应的权重因子相乘,得到权重子用电量修正系数,然后根据多个权重子用电量修正系数得到权重修正系数,其中,权重因子的取值可以由每种用电量影响数据对目标空间在预设时间内的用电量水平的影响程度而确定。
根据本发明的实施例,在计算用电量影响数据与对应的用电量基准数据的偏差时,可以将用电量影响数据与用电量基准数据做商,或者将用电量影响数据与用电量基准数据相减。
根据本发明的实施例,由于用电量修正系数反应了多种用电量影响数据与用电量基准数据的偏差,从而可以避免用电量影响数据的偶然异常对用电量修正系数的影响,提高计算用电量修正系数的准确性,进而提高用电量预测的准确性。
根据本发明的实施例,多种用电量影响数据包括第一用电量影响数据以及第二用电量影响数据。
根据本发明的实施例,获取目标空间在预设时间内的多种用电量影响数据与多种用电量影响数据分别对应的多种用电量基准数据具体可以实现为:
获取目标空间的面积数据以及常驻人口数据;
基于面积数据以及常驻人口数据得到第一用电量影响数据;
获取目标空间的有效用电量时间;
将有效用电量时间作为第二用电量数据;
确定与第一用电量影响数据对应的基准人均面积以及与第二用电量数据对应的基准用电量时间。
根据本发明的实施例,第一用电量影响数据可以通过计算目标空间的面积数据与常驻人口数据的比值的方式得到。
根据本发明的实施例,在目标空间为办公场所的情况下,有效用电量时间例如可以为工作时间。
根据本发明的实施例,第一用电量影响数据可以反应目标空间的人员密度,一般而言,用电量消耗水平可以与人员密度成正比。
根据本发明的实施例,根据至少一种用电量影响数据与各自对应的用电量基准数据的偏差生成用电量修正系数具体可以实现为:
计算第一用电量影响数据与基准人均面积的比值,得到第一比值;
计算第二用电量影响数据与基准用电量时间的比值,得到第二比值;
分别根据第一比值以及第二比值,得到第一子用电量修正系数以及第二子用电量修正系数;
根据第一子用电量修正系数以及第二子用电量修正系数得到用电量修正系数。
根据本发明的实施例,用电量修正系数的计算过程可以用以下公式(1)至公式(3)表示。
γ=γ1·γ2; (1)
γ1=a1+a2·S/So; (2)
γ2=a3+a4·To/T; (3)
其中,γ可以表示用电量修正系数,γ1可以表示第一子用电量修正系数,γ2可以表示第二子用电量修正系数,a1、a2、a3、a4可以表示常数,其中,a1可以取0.7、a2可以取0.3、a3可以取0.3、a4可以取0.7,S可以表示第一用电量影响数据,So可以表示基准人均面积,To可以表示基准用电时间,T可以表示第二用电量影响数据。
根据本发明的实施例,预设时间包括多个历史时间段,目标时间包括与多个历史时间段分别对应的目标时间段。
根据本发明的实施例,预设时间例如可以为一年,一年中包括12个月,每个月可以分别为一个历史时间段,相对应的,目标时间可以为一年,一年中可以包括12个目标时间段。
用电量预测方法还包括:
分别计算多个历史时间段的子用电量数据在历史用电量数据中的用电量占比信息;
基于用电量占比信息,分别确定多个目标时间段的目标子用电量数据。
根据本发明的实施例,可以分别利用每个历史时间段的子用电量数据除以历史用电量数据的方式,得到每个历史时间段的用电量占比信息。
根据本发明的一个实施例,由于目标空间一般为连续稳定运行,一般情况下,前后两年中,各个月的用电量在全年占比通常趋于稳定,因而,可以将每个历史时间段的用电量占比信息作为每个对应的目标时间段的用电量占比信息,并基于该用电量占比信息以及预测用电量数据得到每个目标子时间段的目标子用电量数据。
根据本发明的实施例,基于用电量占比信息,分别确定多个目标时间段的目标子用电量数据具体可以实现为:
基于历史用电量数据以及目标空间的面积数据,得到目标空间的单方用电量数据;
基于单方用电量数据以及用电量修正系数,得到单方用电量修正数据;
基于单方用电量修正数据以及用电量占比信息,得到每个目标时间单元的用电量修正值;
获取目标空间在目标时间内的目标用电量修正系数;
基于每个目标时间单元的用电量修正值、目标用电量修正系数以及面积数据得到每个目标时间段的目标子用电量数据。
根据本发明实施例,可以通过利用历史用电量数据除以目标空间的面积数据的方式,得到目标空间每个平方米所使用的用电量,即单方用电量数据。然后,可以利用单方用电量数据乘以预先计算得到的用电量修正系数,得到目标空间在目标时间内的单方用电量修正数据。
根据本发明的实施例,如上,可以将每个历史时间段的用电量占比信息作为每个对应的目标时间段的用电量占比信息,因而,得到单方用电量修正数据后,可以利用单方用电量修正数据分别乘以对应的目标子时间段的用电量占比信息,得到每个目标时间单元的用电量修正值。
根据本发明的实施例,目标用电量修正系数的计算方式可以与预设时间内的用电量修正系数的计算方式相同,即利用以上公式(1)至公式(3)进行计算,其中,在计算第一子用电量修正系数时,可以将目标空间的面积数据以及常驻人口数据替换为目标空间在目标时间内的面积数据以及常驻人口数据,以及在计算第二目标子用电量修正系数时,可以将目标空间的有效用电量时间替换为目标空间在目标时间内的有效用电量时间。
根据本发明的实施例,获取目标用电量修正系数后,可以利用用电量修正值除以目标用电量修正系数,得到单方用电量预测值,并利用单方用电量预测值乘以目标空间的面积数据,得到目标时间中每个目标时间段的目标子用电量数据。
根据本发明的实施例提供的用电量预测方法不仅可以预测得到目标时间的总的用电量数据,还可以推演得到目标时间中每个目标时间段的用电量数据。
根据本发明的实施例,获取目标空间在预设时间内的历史用电量数据具体可以实现为:
确定目标空间的目标用电量类型对应的历史用电量数据。
根据本发明的实施例,目标空间中可能存在多种用电量类型,在用电量为用电的情况下,用电量类型例如可以包括空调用电、照明用电、动力用电、设备用电等。
根据本发明的实施例,可以从多种用电量类型中确定至少一种目标用电量类型,并预测该用电量类型在目标时间中的预测用电量数据。
根据本发明的实施例,根据至少一种用电量影响数据与各自对应的用电量基准数据的偏差生成用电量修正系数具体可以实现为:
确定与目标用电量类型对应的目标用电量影响数据;
采集目标用电量影响数据在预设时间内的第一数据值以及在目标时间内的第二数据值;
计算第一数据值与第二数据值的偏差信息;
根据偏差信息生成用电量修正系数。
根据本发明的实施例,目标用电量影响数据可以为目标用电量类型对应的用电量设备所消耗的用电量,以及会影响该能耗设备的能耗量的特征数据的特征值。例如,在目标能耗类型为空调用电的情况下,目标用电量影响数据可以包括空调的用电量,以及温度数据、湿度数据等;在目标用电量类型为照明插座用电的情况下,目标用电量影响数据可以包括插座用电量数据以及工位饱和度数据。
根据本发明的实施例,确定目标用电量影响数据后,可以确定目标用电量数据在预设时间内的第一数据值以及在目标时间内的第二数据值,根据第一数据值以及第二数据值,可以确定该目标用电量影响数据在预设时间至目标时间的变化,从而,该变化可能会导致用电量设备的用电量的变化。
根据本发明的实施例,第一数据值与第二数据值得偏差信息可以通过计算第二数据值与第一数据值计算环比而得到。
根据本发明的实施例,得到偏差信息后,可以利用预设规则得到用电量修正系数。
在本发明的实施例中,若目标用电类型为照明插座用电,用电量修正系数可以利用以下公式(4)计算得到。
p=x·b1―b2; (4)
其中,p可以表示照明插座用电类型的用电量修正系数,x可以表示偏差信息,b1、b2可以表示常数,其中,b1可以取值为0.79,b2可以取值为0.01,b1、b2的取值可以由实际的应用需求,例如园区的建设条件、使用条件进行确定。
在本发明的实施例中,若目标用电类型为空调座用电,用电量修正系数可以利用以下公式(5)计算得到。
w=y·c1+c2; (5)
其中,w可以表示空调座用电类型的用电量修正系数,y可以表示偏差信息,c1、c2可以表示常数,其中,c1可以取值为3.6,c2可以取值为0.03,c1、c2的取值可以由实际的应用需求,例如园区的建设条件、使用条件进行确定。
根据本发明的实施例,用电量预测方法还包括:
在目标用电类型为预设用电类型的情况下,将目标用电类型的历史用电量数据确定为预测用电量数据。
根据本发明的实施例,针对动力用电、设备用电等用电类型而言,在目标空间没有较大变化的情况下,该种用电类型的用电量一般趋于稳定,从而,可以直接将该种用电类型在预设时间的历史用电数据作为其在目标时间的预测用电数据。
根据本发明的实施例,预设时间包括空闲时间段以及非空闲时间段,预测用电数据为目标时间内与非空闲时间段对应的时间段的预测用电数据。
根据本发明的实施例,用电量预测方法还包括:
获取目标空间的节能参数,以及空闲时间段的历史闲时用电数据;
基于节能参数以及历史闲时用电数据得到目标时间内与空闲时间段对应的预测闲时用电数据;
基于预测闲时用电数据以及预测用电数据得到目标空间在目标时间内的预测总用电数据。
根据本发明的实施例,针对办公用目标空间而言,预设时间可以划分为上班时间以及下班时间,上班时间中,各种用电设备均正常运行,因而可以将上班时间确定为非空闲时间段,在下班时间中,则仅会运行一些必要的用电设备,因而可以将下班时间确定为空闲时间段。
根据本发明的实施例,针对非空闲时间段,用电量基本稳定,通常仅在目标空闲实施某些预先指定的节能措施的情况下,用电量可能会产生变化。
根据本发明的实施例,在目标空间实施了节能措施的情况下,可以获取节能措施所对应的节能参数,基于节能参数以及历史闲时用电数据得到目标时间内与空闲时间段对应的预测闲时用电数据。
根据本发明的实施例,用电预测方法还包括:
分别确定每种用电类型对应的预测用电数据;
对多个预测用电数据进行求和,得到目标空间在目标时间内的总用电数据。
图3示意性示出了本发明一个实施例提供的一种能耗预测装置的框图,如图3所示,该能耗预测装置300可以包括:
第一获取模块301,用于获取目标空间在预设时间内的历史能耗数据,历史能耗数据用于表征目标空间在目标时间内的能源消耗总量,能源包括电能、水、天然气中的至少一种;
第二获取模块302,用于获取目标空间在预设时间内的多种能耗影响数据以及与多种能耗影响数据分别对应的能耗基准数据;
第一计算模块303,用于分别计算多种能耗影响数据与各自对应的能耗基准数据的偏差得到多个子能耗修正系数;
第一系数确定模块304,用于利用多个子能耗修正系数得到能耗修正系数;
第一预测模块305,用于利用能耗修正系数对历史能耗数据进行修正,得到目标空间在目标时间的预测能耗数据。
根据本发明的实施例,第二获取模块302包括:
第一获取单元,获取目标空间的在预设时间内的多种能耗影响数据与多种能耗影响数据分别对应的多种能耗基准数据;
根据本发明的实施例,第一系数确定模块304包括:
第一生成子模块,用于依次根据多种能耗影响数据以及对应的能耗基准数据的偏差,生成多个子能耗修正系数;
第二生成子模块,用于根据多个子能耗修正系数得到能耗修正系数。
根据本发明的实施例,多种能耗影响数据包括第一能耗影响数据以及第二能耗影响数据。
根据本发明的实施例,第二获取模块302包括:
第一获取子模块,用于获取目标空间的面积数据以及常驻人口数据;
第三生成子模块,用于基于面积数据以及常驻人口数据得到第一能耗影响数据;
第二获取子模块,用于获取目标空间的有效能耗时间;
第一确定子模块,用于将有效能耗时间作为第二能耗数据;
第二确定子模块,用于确定与第一能耗影响数据对应的基准人均面积以及与第二能耗数据对应的基准能耗时间。
根据本发明的实施例,第一计算模块303包括:
第一计算子模块,用于计算第一能耗影响数据与基准人均面积的比值,得到第一比值;
第二计算子模块,用于计算第二能耗影响数据与基准能耗时间的比值,得到第二比值;
子系数确定子模块,用于分别根据第一比值以及第二比值,得到第一子能耗修正系数以及第二子能耗修正系数;
系数确定子模块,用于根据第一子能耗修正系数以及第二子能耗修正系数得到能耗修正系数。
根据本发明的实施例,预设时间包括多个历史时间段,目标时间包括与多个历史时间段分别对应的目标时间段。
根据本发明的实施例,能耗预测装置300还包括:
占比信息确定模块,用于分别计算多个历史时间段的子能耗数据在历史能耗数据中的能耗占比信息;
子数据确定模块,用于基于能耗占比信息,分别确定多个目标时间段的目标子能耗数据。
根据本发明的实施例,子数据确定模块包括:
单方数据确定单元,用于基于历史能耗数据以及目标空间的面积数据,得到目标空间的单方能耗数据;
修正数据确定单元,用于基于单方能耗数据以及能耗修正系数,得到单方能耗修正数据;
修正值确定单元,用于基于单方能耗修正数据以及能耗占比信息,得到每个目标时间单元的能耗修正值;
目标修正系数获取单元,用于获取目标空间在目标时间内的目标能耗修正系数;
子数据确定单元,用于基于每个目标时间单元的能耗修正值、目标能耗修正系数以及面积数据得到每个目标时间段的目标子能耗数据。
根据本发明的实施例,第一获取模块301包括:
第三获取子模块,用于确定目标空间的目标能耗类型对应的历史能耗数据。
根据本发明的实施例,第一系数确定模块304包括:
第三确定子模块,用于确定与目标能耗类型对应的目标能耗影响数据;
采集子模块,用于采集目标能耗影响数据在预设时间内的第一数据值以及在目标时间内的第二数据值;
第三计算子模块,用于计算第一数据值与第二数据值的偏差信息;
第四生成子模块,用于根据偏差信息生成能耗修正系数。
根据本发明的实施例,能耗预测装置300还包括:
能耗确定模块,用于在目标能耗类型为预设能耗类型的情况下,将目标能耗类型的历史能耗数据确定为预测能耗数据。
根据本发明的实施例,预设时间包括空闲时间段以及非空闲时间段,预测能耗数据为目标时间内与非空闲时间段对应的时间段的预测能耗数据。
根据本发明的实施例,能耗预测装置300还包括:
节能参数获取模块,用于获取目标空间的节能参数,以及空闲时间段的历史闲时能耗数据;
闲时能耗确定模块,用于基于节能参数以及历史闲时能耗数据得到目标时间内与空闲时间段对应的预测闲时能耗数据;
第一总能耗确定模块,用于基于预测闲时能耗数据以及预测能耗数据得到目标空间在目标时间内的预测总能耗数据。
根据本发明的实施例,能耗预测装置300还包括:
能耗汇总模块,用于分别确定每种能耗类型对应的预测能耗数据;
第二总能耗确定模块,用于对多个预测能耗数据进行求和,得到目标空间在目标时间内的总能耗数据。
图3的能耗预测装置可以执行图1所示实施例的能耗预测方法,其实现原理和技术效果不再赘述。对于上述实施例中的能耗预测装置其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图4示意性示出了本发明一个实施例提供的一种用电量预测装置的框图,如图4所示,该用电量预测装置可以包括:
第三获取模块401,用于获取目标空间在预设时间内的历史用电量数据,历史用电量数据用于表征目标空间在目标时间内的电能消耗总量;
第四获取模块402,用于获取目标空间在预设时间内的多种用电量影响数据以及与多种用电量影响数据分别对应的用电量基准数据;
第二计算模块403,用于分别计算多种用电量影响数据与各自对应的用电量基准数据的偏差得到多个子用电量修正系数;
第二系数确定模块404,用于利用多个子用电量修正系数得到用电量修正系数;
第二预测模块405,用于利用用电量修正系数对历史用电量数据进行修正,得到目标空间在目标时间的预测用电量数据。
图4的用电量预测装置可以执行图2所示实施例的用电量预测方法,其实现原理和技术效果不再赘述。对于上述实施例中的用电量预测装置其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
在一个可能的设计中,本发明实施例提供的能耗预测装置、用电量预测装置可以实现为计算设备,如图5所示,该计算设备可以包括存储组件501以及处理组件502;
存储组件501存储一条或多条计算机指令,其中,一条或多条计算机指令供处理组件902调用执行,用以实现本发明实施例提供的能耗预测方法、用电量预测方法。
当然,计算设备必然还可以包括其他部件,例如输入/输出接口、通信组件等。输入/输出接口为处理组件和外围接口模块之间提供接口,上述外围接口模块可以是输出设备、输入设备等。通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信等。
其中,该计算设备可以为物理设备或者云计算平台提供的弹性计算主机等,此时计算设备即可以是指云服务器,上述处理组件、存储组件等可以是从云计算平台租用或购买的基础服务器资源。
当计算设备为物理设备时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。
本发明实施例还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被计算机执行时可以实现本发明实施例提供的能耗预测方法、用电量预测方法。
本发明实施例还提供了一种计算机程序产品,包括计算机程序,计算机程序被计算机执行时可以实现本发明实施例提供的能耗预测方法、用电量预测方法。
其中,前文相应实施例中的处理组件可以包括一个或多个处理器来执行计算机指令,以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
存储组件被配置为存储各种类型的数据以支持在设备中操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
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,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。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上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。
Claims (10)
1.一种能耗预测方法,其特征在于,包括:
获取目标空间在预设时间内的历史能耗数据,所述历史能耗数据用于表征所述目标空间在所述目标时间内的能源消耗总量,所述能源包括电能、水、天然气中的至少一种;
获取所述目标空间在所述预设时间内的多种能耗影响数据以及与所述多种能耗影响数据分别对应的能耗基准数据;
分别计算所述多种能耗影响数据与各自对应的所述能耗基准数据的偏差得到多个子能耗修正系数;
利用所述多个子能耗修正系数得到能耗修正系数;
利用所述能耗修正系数对所述历史能耗数据进行修正,得到所述目标空间在目标时间的预测能耗数据。
2.根据权利要求1所述的方法,其特征在于,所述多种能耗影响数据包括第一能耗影响数据以及第二能耗影响数据;
所述获取目标空间在所述预设时间内的多种能耗影响数据与所述多种能耗影响数据分别对应的多种能耗基准数据包括:
获取所述目标空间的面积数据以及常驻人口数据;
基于所述面积数据以及所述常驻人口数据得到所述第一能耗影响数据;
获取所述目标空间的有效能耗时间;
将所述有效能耗时间作为所述第二能耗数据;
确定与所述第一能耗影响数据对应的基准人均面积以及与所述第二能耗数据对应的基准能耗时间。
3.根据权利要求2所述的方法,其特征在于,所述分别计算所述多种能耗影响数据与各自对应的所述能耗基准数据的偏差得到多个子能耗修正系数包括:
计算所述第一能耗影响数据与所述基准人均面积的比值,得到第一比值;
计算所述第二能耗影响数据与所述基准能耗时间的比值,得到第二比值;
分别根据所述第一比值以及所述第二比值,得到第一子能耗修正系数以及第二子能耗修正系数;
根据所述第一子能耗修正系数以及所述第二子能耗修正系数得到所述能耗修正系数。
4.根据权利要求3所述的方法,其特征在于,所述预设时间包括多个历史时间段,所述目标时间包括与所述多个历史时间段分别对应的目标时间段;
所述方法还包括:
分别计算所述多个历史时间段的子能耗数据在所述历史能耗数据中的能耗占比信息;
基于所述能耗占比信息,分别确定所述多个目标时间段的目标子能耗数据。
5.根据权利要求4所述的方法,其特征在于,所述基于所述能耗占比信息,分别确定所述多个目标时间段的目标子能耗数据包括:
基于所述历史能耗数据以及所述目标空间的面积数据,得到所述目标空间的单方能耗数据;
基于所述单方能耗数据以及所述能耗修正系数,得到单方能耗修正数据;
基于所述单方能耗修正数据以及所述能耗占比信息,得到每个目标时间单元的能耗修正值;
获取所述目标空间在所述目标时间内的目标能耗修正系数;
基于每个目标时间单元的所述能耗修正值、所述目标能耗修正系数以及所述面积数据得到每个所述目标时间段的目标子能耗数据。
6.根据权利要求1所述的方法,其特征在于,所述获取目标空间在预设时间内的历史能耗数据包括:
确定所述目标空间的目标能耗类型对应的历史能耗数据。
7.根据权利要求6所述的方法,其特征在于,所述根据所述至少一种能耗影响数据与各自对应的所述能耗基准数据的偏差生成能耗修正系数包括:
确定与所述目标能耗类型对应的目标能耗影响数据;
采集所述目标能耗影响数据在所述预设时间内的第一数据值以及在所述目标时间内的第二数据值;
计算所述第一数据值与所述第二数据值的偏差信息;
根据所述偏差信息生成所述能耗修正系数。
8.根据权利要求1所述的方法,其特征在于,所述预设时间包括空闲时间段以及非空闲时间段,所述预测能耗数据为所述目标时间内与非空闲时间段对应的时间段的预测能耗数据;
所述方法还包括:
获取所述目标空间的节能参数,以及所述空闲时间段的历史闲时能耗数据;
基于所述节能参数以及所述历史闲时能耗数据得到所述目标时间内与所述空闲时间段对应的预测闲时能耗数据;
基于所述预测闲时能耗数据以及所述预测能耗数据得到所述目标空间在所述目标时间内的预测总能耗数据。
9.一种计算设备,其特征在于,包括处理组件以及存储组件;
所述存储组件存储一个或多个计算机指令;所述一个或多个计算机指令用以被所述处理组件调用执行,实现如权利要求1至8任一项所述的能耗预测方法。
10.一种计算机存储介质,其特征在于,存储有计算机程序,所述计算程序被计算机执行时,实现如权利要求1至8任一项所述的能耗预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310105312.8A CN116187549A (zh) | 2023-01-20 | 2023-01-20 | 能耗预测方法、计算设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310105312.8A CN116187549A (zh) | 2023-01-20 | 2023-01-20 | 能耗预测方法、计算设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116187549A true CN116187549A (zh) | 2023-05-30 |
Family
ID=86434011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310105312.8A Pending CN116187549A (zh) | 2023-01-20 | 2023-01-20 | 能耗预测方法、计算设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116187549A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117010576A (zh) * | 2023-10-07 | 2023-11-07 | 聊城莱柯智能机器人有限公司 | 基于弹性动力学神经网络的能耗预测方法 |
-
2023
- 2023-01-20 CN CN202310105312.8A patent/CN116187549A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117010576A (zh) * | 2023-10-07 | 2023-11-07 | 聊城莱柯智能机器人有限公司 | 基于弹性动力学神经网络的能耗预测方法 |
CN117010576B (zh) * | 2023-10-07 | 2024-02-02 | 聊城莱柯智能机器人有限公司 | 基于弹性动力学神经网络的能耗预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2009294969A (ja) | 需要予測方法および需要予測装置 | |
CN113962468A (zh) | 基于用能监控统计能源消耗碳排放管理方法及系统 | |
EP3082096A1 (en) | Demand prediction device and program | |
CN116187552A (zh) | 异常检测方法、计算设备及计算机存储介质 | |
CN114912079B (zh) | 污水厂碳排放量的计算方法、装置、设备及存储介质 | |
CN116187549A (zh) | 能耗预测方法、计算设备及计算机存储介质 | |
CN115423386A (zh) | 一种电力碳排放因子的确定方法、装置、设备及介质 | |
CN114037585A (zh) | 碳数据处理、交互与展示方法、电子设备以及存储介质 | |
CN112418921A (zh) | 用电需量预测方法、装置、系统与计算机存储介质 | |
CN116632838B (zh) | 应用于发电企业的电能供给分析的方法及装置 | |
CN115034519A (zh) | 一种用电负荷的预测方法、装置、电子设备以及存储介质 | |
CN111651847A (zh) | 一种确定燃气锅炉的运行氧量的方法及装置 | |
CN114548756A (zh) | 基于主成分分析的综合能源项目综合效益评价方法及装置 | |
CN115860427A (zh) | 一种企业全生命周期碳资产管理系统 | |
CN111525615A (zh) | 一种基于保证率的山地光伏电站出力特性评估方法及系统 | |
CN114611845A (zh) | 碳排放量的预测方法、装置、电子设备及介质 | |
CN114219185A (zh) | 一种基于不确定集的城市规模工业碳排放量预测方法 | |
CN112580844A (zh) | 气象数据处理方法、装置、设备及计算机可读存储介质 | |
CN116720985B (zh) | 一种建筑碳排放监测方法及系统 | |
CN109559046A (zh) | 一种天然气发展影响因素评估方法和评估系统 | |
CN113344462A (zh) | 电力现货市场的碳排放水平量化方法、装置及电子设备 | |
CN110826196B (zh) | 一种工业设备运行数据的处理方法及装置 | |
CN112036038A (zh) | 一种排放源的排放量调优方法、装置、设备及存储介质 | |
CN112560330A (zh) | 一种用于用电行为预测的仿真数据生成方法及系统 | |
CN116384622A (zh) | 基于电力大数据的碳排放监测方法及装置 |
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 |