CN116680935B - 一种基于分段线性函数的二网供水预测模型构建方法 - Google Patents
一种基于分段线性函数的二网供水预测模型构建方法 Download PDFInfo
- Publication number
- CN116680935B CN116680935B CN202310945801.4A CN202310945801A CN116680935B CN 116680935 B CN116680935 B CN 116680935B CN 202310945801 A CN202310945801 A CN 202310945801A CN 116680935 B CN116680935 B CN 116680935B
- Authority
- CN
- China
- Prior art keywords
- water supply
- temperature
- supply temperature
- data set
- calculating
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 169
- 238000012886 linear function Methods 0.000 title claims abstract description 34
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 238000005286 illumination Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000008400 supply water Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种基于分段线性函数的二网供水预测模型构建方法,包括以下步骤:S1、计算历史数据中单位时间内室外光照强度、室外气温、供水温度、室内温度的平均值作为历史数据组,多组历史数据组组成历史数据集;S2、构建室外气温和供水温度的单调模型;S3、计算光照和供水温度的惩罚系数;S4、计算分时供水温度策略变量;S5、建立升降温和供水温度的单调模型;S6、构建理论供水温度模型。本发明有益效果:理论供水温度模型结合了升降温和供水温度的单调模型、分时供水温度策略变量,实现了供水温度的连续准确调节,降低了室内温度的波动。
Description
技术领域
本发明属于供热技术领域,尤其是涉及一种基于分段线性函数的二网供水预测模型构建方法。
背景技术
现代供热系统,就是通过锅炉或其他热源,将高温热水通过一网送到换热站,并通过换热站中的板换实现热交换,将热量通过二次网输送到用户的过程,对于供热最重要的是保持室内温度相对稳定,通常来说锅炉房与一网,一次热网与热交换器,热交换器与二网之间的热量关系基本上是比较明确的,也就是说输送到用户的供水温度是我们可以比较准确地去控制调整的,对于末端,即我们所供热的房屋来说,二网供水带来热量导致室内温度上升,室外寒冷空气与房屋放生热交换又会导致室内温度下降,阳光照入室内或墙壁上也会带来热量,让室内温度上升。气温,光照强度,二网供水温度共同决定了室内温度。气温,光照强度并不受人为意志转移,为保持室内温度的稳定,我们需要根据气温光照,来设定二网供水温度。
当前如何设定二网供水温度主要由两种方式:第一,人工调节,专家根据气温表及建筑类型调节,这种方法不能连续调节,而且没有考虑光照强度,不同光照强度天气下,室内温度差异比较大;第二,构建室外气温、光照强度、供水温度及室内温度之间的关系,即供水温度=f(室外温度,光照强度,室内温度),通过计算来得到二网供水温度,但由于复杂模型的不可解释性,和用于构建的数据中的异常值,常常使得变量间不再符合第一种方式中的物理常识,导致某些情况下输出错误结果。
发明内容
有鉴于此,本发明旨在提出一种基于分段线性函数的二网供水预测模型构建方法,以期解决上述部分技术问题中的至少之一。
为达到上述目的,本发明的技术方案是这样实现的:
本发明第一方面提供了一种基于分段线性函数的二网供水预测模型构建方法,包括以下步骤:
S1、计算历史数据中单位时间内室外光照强度、室外气温、供水温度、室内温度的平均值作为历史数据组,多组历史数据组组成历史数据集;
S2、使用分段线性函数PWL拟合历史数据集中的数据,构建室外气温和供水温度的单调模型;
S3、计算光照和供水温度的惩罚系数;
S4、计算分时供水温度策略变量;
S5、使用分段线性函数PWL拟合历史数据集中的数据,构建升降温和供水温度的单调模型;
S6、根据室外气温和供水温度的单调模型、光照和供水温度的惩罚系数、分时供水温度策略变量、升降温和供水温度的单调模型建立理论供水温度模型。
进一步的,所述步骤S2包括以下步骤:
S21、计算历史数据集中的室外气温均值为T0,计算T0-0.5℃≤T≤T0+0.5℃的区间内二网供水温度的中位数G0,记录T0与G0的数据组;
S22、计历史数据集中室外气温高于室外气温均值的温度为Ti,其中Ti=Ti-1+0.5℃,计算Ti-0.5℃≤T≤Ti+0.5℃的区间内二网供水温度的分位数记为Gi;
如果Gi<Gi-1,则记录Ti与Gi的数据组;
如果Gi≥Gi-1;则判定数据无效,计算Ti+0.5℃时的Gi;
重复上述步骤直至Ti≥15℃;
S23、计历史数据集中室外气温低于室外气温均值的温度为T-i,其中T-i=T-i+1-0.5℃,计算T-i-0.5℃≤T≤T-i+0.5℃的区间内二网供水温度的分位数记为G-i;
如果G-i>G-i+1,则记录T-i与G-i的数据组;
如果G-i≤G-i+1;则判定数据无效,计算T-i-0.5℃时的G-i;
重复上述步骤直至T-i≤-20℃;
结合步骤S22和步骤S23中的数据组形成数据集,数据集中G-i>...>G0>...>Gi;
S24、使用分段线性函数PWL拟合T-i与G-i的数据组、Ti与Gi的数据组、T0与G0的数据组得到室外气温和供水温度的单调模型记为G(T)。
进一步的,所述步骤S21中如果在T0-0.5℃≤T≤T0+0.5℃的区间内的数据样本数量多于5个,则判定为数据有效;
步骤S22中如果在Ti-0.5℃≤T≤Ti+0.5℃的区间内的数据样本数量多于5个,则判定为数据有效;
如果在Ti-0.5℃≤T≤Ti+0.5℃的区间内的数据样本数量不多于5个,则判定数据无效,计算Ti+0.5℃时的Gi;
在Ti-0.5℃≤T≤Ti+0.5℃的区间内,Gi的取值为依次取50%、45%、40%、35%、30%分位数中,第一个满足Gi<Gi-1的分位数;
步骤S23中如果在T-i-0.5℃≤T≤T-i+0.5℃的区间内的数据样本数量多于5个,则判定为数据有效;
如果在T-i-0.5℃≤T≤T-i+0.5℃的区间内的数据样本数量不多于5个,则判定数据无效,计算T-i-0.5℃时的G-i;
在T-i-0.5℃≤T≤T-i+0.5℃的区间内,G-i的取值为依次取50%、55%、60%、65%、70%的分位数中,第一个满足G-i>G-i+1的分位数。
进一步的,所述步骤S3包括以下步骤:
S31、筛选历史数据集中光照强度大于1000Lux的历史数据组;
S32、根据室外气温对筛选出的历史数据组进行切片处理,形成多个光照强度切片数据组;
S33、将多个光照强度切片数据组中的光照强度作为自变量,将二网供水温度作为因变量,进行岭回归拟合,并求取斜率的均值,定义该斜率的均值为光照和供水温度的惩罚系数记为Lp。
进一步的,所述步骤S4包括以下步骤:
S41、根据时间顺序对历史数据集进行切片处理,得到多组分时切片数据组;
S42、计算每个切片数据组中的基础供水温度,计算公式如下:
Gj=G(T)+Lp×Ll;其中Gj为基础供水温度,Ll为分时切片数据组的历史光照强度;
S43、计算每个切片数据组中实际供水温度与基础供水温度的差值,公式为Gr=Gl-Gj,其中Gl为分时切片数据组的历史实际供水温度;
S44、计算多组分时切片数据组中Gr的中位数,记为ei;
S45、定义分时供水温度策略变量,公式为:Hr={1:e1,2:e2,...,i:ei},其中分时供水温度策略变量为Hr。
进一步的,所述步骤S5包括以下步骤:
计算历史数据集中的室外气温均值为T0,
S51、记Ti为大于T0的温度,Ti=Ti-1+0.5℃;根据气温和供水温度的单调模型计算基础供温G(TTi),其中TTi为Ti-0.5℃≤T≤Ti+0.5℃的区间内室外气温的中位数;
S52、计算基础供水温度G(TTi)的与历史数据集中的实际供水温度Gi的差值Gei,公式为Gei=G(TTi)-Gi;其中Gi为Ti-0.5℃≤T≤Ti+0.5℃的区间内实际供水温度的中位数;
如果Gei≥Gei-1,记录采集点(Ti-T0,Gei);
否则判定数据无效,计算Ti=Ti+0.5℃时的Gei,直至Ti>25℃;
S53、记T-i为小于T0的温度,T-i=T-i+1-0.5℃;
根据气温和供水温度的单调模型计算基础供温G(TT-i);其中TT-i为T-i-0.5℃≤T≤T-i+0.5℃的区间内室外气温的中位数;
S54、计算基础供水温度G(TT-i)的与历史数据集中的实际供水温度G-i的差值Ge-i,公式为Ge-i=G(TT-i)-G-i;其中G-i为T-i-0.5℃≤T≤T-i+0.5℃的区间内实际供水温度的中位数;
如果Ge-i≤Ge-i+1,记录采集点(T-i-T0,Ge-i);
否则判定数据无效,计算T-i=T-i-0.5℃时的Ge-i,直至T-i<15℃;
S55、结合步骤S52和步骤S54中的采集点形成数据集,数据集中Ge-i<...<0<...<Gei;
S56、使用分段线性函数PWL拟合步骤S55中数据集中的数据得到升降温和供水温度的单调模型,记为Ge(Ti-T0)。
进一步的,所述步骤S6中理论供水温度模型的计算公式为:GTi=G(T)+Lp×L+Hr[H]+Ge(Ti-T0);
其中,T为室外温度,L为室外光照,H为当前小时,Ti为目标室内温度,T0为历史数据集中的室内温度均值。
本发明第二方面提供了一种基于分段线性函数的二网供水温度调节方法,
A1、采集实时的室外光照强度、室外气温、供水温度、室内温度;
A2、将实时的室外光照强度、室外气温、供水温度、室内温度输入至理论供水温度模型计算理论供水温度;
所述理论供水温度模型根据如第一方面所述的方法构建得到。
本发明第三方面提供了一种服务器,包括至少一个处理器,以及与所述处理器通信连接的存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述处理器执行,以使所述至少一个处理器执行如第一方面所述的二网供水温度调节方法。
本发明第四方面提供了一种计算机可读取存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的二网供水温度调节方法。
相对于现有技术,本发明所述的一种基于分段线性函数的二网供水预测模型构建方法具有以下有益效果:
本发明所述的一种基于分段线性函数的二网供水预测模型构建方法,理论供水温度模型结合了升降温和供水温度的单调模型、分时供水温度策略变量,实现了供水温度的连续准确调节,降低了室内温度的波动;室外气温和供水温度的单调模型、升降温和供水温度的单调模型均通过分段线性函数PWL拟合历史数据集中的数据计算而来,因此保证了理论供水温度模型的单调性,计算出的理论供水温度更加符合物理学规律。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的供水温度调节方法流程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
实施例一:
如图1所示,一种基于分段线性函数的二网供水预测模型构建方法,包括以下步骤:
S1、计算历史数据中单位时间内,本实施例中单位时间为1小时,室外光照强度、室外气温、供水温度、室内温度的平均值作为历史数据组,多组历史数据组组成历史数据集;
S2、使用分段线性函数PWL拟合历史数据集中的数据,构建室外气温和供水温度的单调模型;
S3、计算光照和供水温度的惩罚系数;
S4、计算分时供水温度策略变量;
S5、使用分段线性函数PWL拟合历史数据集中的数据,构建升降温和供水温度的单调模型;
S6、根据室外气温和供水温度的单调模型、光照和供水温度的惩罚系数、分时供水温度策略变量、升降温和供水温度的单调模型建立理论供水温度模型;
一种基于分段线性函数的二网供水温度调节方法,
A1、采集实时的室外光照强度、室外气温、供水温度、室内温度;
A2、将实时的室外光照强度、室外气温、供水温度、室内温度输入至理论供水温度模型计算理论供水温度;
所述理论供水温度模型根据上述一种基于分段线性函数的二网供水预测模型构建方法构建得到;
所述步骤S2包括以下步骤:
S21、计算历史数据集中的室外气温均值为T0,计算T0-0.5℃≤T≤T0+0.5℃的区间内二网供水温度的中位数G0,记录T0与G0的数据组;
S22、计历史数据集中室外气温高于室外气温均值的温度为Ti,其中Ti=Ti-1+0.5℃,计算Ti-0.5℃≤T≤Ti+0.5℃的区间内二网供水温度的分位数记为Gi;i为大于0的自然数,从i=1开始。
如果Gi<Gi-1,则记录Ti与Gi的数据组;
如果Gi≥Gi-1;则判定数据无效,计算Ti+0.5℃时的Gi;
重复上述步骤直至Ti≥15℃;
S23、计历史数据集中室外气温低于室外气温均值的温度为T-i,其中T-i=T-i+1-0.5℃,计算T-i-0.5℃≤T≤T-i+0.5℃的区间内二网供水温度的分位数记为G-i;
如果G-i>G-i+1,则记录T-i与G-i的数据组;
如果G-i≤G-i+1;则判定数据无效,计算T-i-0.5℃时的G-i;
重复上述步骤直至T-i≤-20℃;
结合步骤S22和步骤S23中的数据组形成数据集,数据集中G-i>...>G0>...>Gi;
S24、使用分段线性函数PWL拟合T-i与G-i的数据组、Ti与Gi的数据组、T0与G0的数据组得到室外气温和供水温度的单调模型记为G(T)。
所述步骤S21中如果在T0-0.5℃≤T≤T0+0.5℃的区间内的数据样本数量多于5个,则判定为数据有效;
步骤S22中如果在Ti-0.5℃≤T≤Ti+0.5℃的区间内的数据样本数量多于5个,则判定为数据有效;
如果在Ti-0.5℃≤T≤Ti+0.5℃的区间内的数据样本数量不多于5个,则判定数据无效,计算Ti+0.5℃时的Gi;
在Ti-0.5℃≤T≤Ti+0.5℃的区间内,Gi的取值为依次取50%、45%、40%、35%、30%分位数中,第一个满足Gi<Gi-1的分位数;
步骤S23中如果在T-i-0.5℃≤T≤T-i+0.5℃的区间内的数据样本数量多于5个,则判定为数据有效;
如果在T-i-0.5℃≤T≤T-i+0.5℃的区间内的数据样本数量不多于5个,则判定数据无效,计算T-i-0.5℃时的G-i;
在T-i-0.5℃≤T≤T-i+0.5℃的区间内,G-i的取值为依次取50%、55%、60%、65%、70%的分位数中,第一个满足G-i>G-i+1的分位数。
所述步骤S3包括以下步骤:
S31、筛选历史数据集中光照强度大于1000Lux的历史数据组;
S32、根据室外气温对筛选出的历史数据组进行切片处理,形成多个光照强度切片数据组;
S33、将多个光照强度切片数据组中的光照强度作为自变量,将二网供水温度作为因变量,进行岭回归拟合,并求取斜率的均值,定义该斜率的均值为光照和供水温度的惩罚系数记为Lp。
所述步骤S4包括以下步骤:
S41、根据时间顺序对历史数据集进行切片处理,得到多组分时切片数据组;本实施例种以小时为单位对历史数据集进行切片处理。
S42、计算每个切片数据组中的基础供水温度,计算公式如下:
Gj=G(T)+Lp×Ll;其中Gj为基础供水温度,Ll为分时切片数据组的历史光照强度;
S43、计算每个切片数据组中实际供水温度与基础供水温度的差值,公式为Gr=Gl-Gj,其中Gl为分时切片数据组的历史实际供水温度;
S44、计算多组分时切片数据组中Gr的中位数,记为ei;
S45、定义分时供水温度策略变量,公式为:Hr={1:e1,2:e2,...,24:e24},其中分时供水温度策略变量为Hr。
所述步骤S5包括以下步骤:
计算历史数据集中的室外气温均值为T0,
S51、记Ti为大于T0的温度,Ti=Ti-1+0.5℃;根据气温和供水温度的单调模型计算基础供温G(TTi),其中TTi为Ti-0.5℃≤T≤Ti+0.5℃的区间内室外气温的中位数;
S52、计算基础供水温度G(TTi)的与历史数据集中的实际供水温度Gi的差值Gei,公式为Gei=G(TTi)-Gi;其中Gi为Ti-0.5℃≤T≤Ti+0.5℃的区间内实际供水温度的中位数;
如果Gei≥Gei-1,记录采集点(Ti-T0,Gei);
否则判定数据无效,计算Ti=Ti+0.5℃时的Gei,直至Ti>25℃;
S53、记T-i为小于T0的温度,T-i=T-i+1-0.5℃;
根据气温和供水温度的单调模型计算基础供温G(TT-i);其中TT-i为T-i-0.5℃≤T≤T-i+0.5℃的区间内室外气温的中位数;
S54、计算基础供水温度G(TT-i)的与历史数据集中的实际供水温度G-i的差值Ge-i,公式为Ge-i=G(TT-i)-G-i;其中G-i为T-i-0.5℃≤T≤T-i+0.5℃的区间内实际供水温度的中位数;
如果Ge-i≤Ge-i+1,记录采集点(T-i-T0,Ge-i);
否则判定数据无效,计算T-i=T-i-0.5℃时的Ge-i,直至T-i<15℃;
S55、结合步骤S52和步骤S54中的采集点形成数据集,数据集中Ge-i<...<0<...<Gei;
S56、使用分段线性函数PWL拟合步骤S55中数据集中的数据得到升降温和供水温度的单调模型,记为Ge(Ti-T0);
步骤S6中理论供水温度模型的计算公式为:GTi=G(T)+Lp×L+Hr[H]+Ge(Ti-T0);
其中,T为室外温度,L为室外光照,H为当前小时,Ti为目标室内温度,T0为历史数据集中的室内温度均值。
在未使用该方法,实验区域内的室内温度平均波动(均方误差)为1.23,使用该方法后,实验区域内的室内温度平均波动(均方误差)为0.65,稳定性提升了52.6%,考虑了光照带来的热量,过供的情况减少,实现了节能8.1%的效果。
气象站采集装置实时采集供热区域内的光照强度,室外气温,室内温度采集装置实时采集各热用户的室外气温;换热站控制装置实时采集二网供水温度。
理论供水温度模型结合了升降温和供水温度的单调模型、分时供水温度策略变量,实现了供水温度的连续准确调节,降低了室内温度的波动;
室外气温和供水温度的单调模型、升降温和供水温度的单调模型均通过分段线性函数PWL拟合历史数据集中的数据计算而来,因此保证了理论供水温度模型的单调性,计算出的理论供水温度更加符合物理学规律。
实施例二:
一种服务器,包括至少一个处理器,以及与所述处理器通信连接的存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述处理器执行,以使所述至少一个处理器执行如实施例一所述的二网供水温度调节方法。
实施例三:
一种计算机可读取存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现实施例一所述的二网供水温度调节方法。
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方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和系统,可以通过其它的方式实现。例如,以上所述单元的划分,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。上述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发明实施例方案的目的。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于分段线性函数的二网供水预测模型构建方法,其特征在于,包括以下步骤:
S1、计算历史数据中单位时间内室外光照强度的平均值、室外气温的平均值、供水温度的平均值、室内温度的平均值作为历史数据组,多组历史数据组组成历史数据集;
S2、使用分段线性函数PWL拟合历史数据集中的数据,构建室外气温和供水温度的单调模型;
S3、计算光照强度和供水温度的惩罚系数;
S4、计算分时供水温度策略变量;
S5、使用分段线性函数PWL拟合历史数据集中的数据,构建升降温和供水温度的单调模型;
S6、根据室外气温和供水温度的单调模型、光照强度和供水温度的惩罚系数、分时供水温度策略变量、升降温和供水温度的单调模型建立理论供水温度模型。
2.根据权利要求1所述的一种基于分段线性函数的二网供水预测模型构建方法,其特征在于:所述步骤S2包括以下步骤:
S21、计算历史数据集中的室外气温均值为T0,计算T0-0.5℃≤T≤T0+0.5℃的区间内二网供水温度的中位数G0,记录T0与G0的数据组;
S22、计历史数据集中室外气温高于室外气温均值的温度为Ti,其中Ti=Ti-1+0.5℃,计算Ti-0.5℃≤T≤Ti+0.5℃的区间内二网供水温度的分位数记为Gi;
如果Gi<Gi-1,则记录Ti与Gi的数据组;
如果Gi≥Gi-1;则判定数据无效,计算Ti+0.5℃时的Gi;
重复上述步骤直至Ti≥15℃;
S23、计历史数据集中室外气温低于室外气温均值的温度为T-i,其中T-i=T-i+1-0.5℃,计算T-i-0.5℃≤T≤T-i+0.5℃的区间内二网供水温度的分位数记为G-i;
如果G-i>G-i+1,则记录T-i与G-i的数据组;
如果G-i≤G-i+1;则判定数据无效,计算T-i-0.5℃时的G-i;
重复上述步骤直至T-i≤-20℃;
结合步骤S22和步骤S23中的数据组形成数据集,数据集中G-i>...>G0>...>Gi;
S24、使用分段线性函数PWL拟合T-i与G-i的数据组、Ti与Gi的数据组、T0与G0的数据组得到室外气温和供水温度的单调模型记为G(T)。
3.根据权利要求2所述的一种基于分段线性函数的二网供水预测模型构建方法,其特征在于:步骤S21中如果在T0-0.5℃≤T≤T0+0.5℃的区间内的数据样本数量多于5个,则判定为数据有效;
步骤S22中如果在Ti-0.5℃≤T≤Ti+0.5℃的区间内的数据样本数量多于5个,则判定为数据有效;
如果在Ti-0.5℃≤T≤Ti+0.5℃的区间内的数据样本数量不多于5个,则判定数据无效,计算Ti+0.5℃时的Gi;
在Ti-0.5℃≤T≤Ti+0.5℃的区间内,Gi的取值为依次取50%、45%、40%、35%、30%分位数中,第一个满足Gi<Gi-1的分位数;
步骤S23中如果在T-i-0.5℃≤T≤T-i+0.5℃的区间内的数据样本数量多于5个,则判定为数据有效;
如果在T-i-0.5℃≤T≤T-i+0.5℃的区间内的数据样本数量不多于5个,则判定数据无效,计算T-i-0.5℃时的G-i;
在T-i-0.5℃≤T≤T-i+0.5℃的区间内,G-i的取值为依次取50%、55%、60%、65%、70%的分位数中,第一个满足G-i>G-i+1的分位数。
4.根据权利要求2所述的一种基于分段线性函数的二网供水预测模型构建方法,其特征在于:所述步骤S3包括以下步骤:
S31、筛选历史数据集中光照强度大于1000Lux的历史数据组;
S32、根据室外气温对筛选出的历史数据组进行切片处理,形成多个光照强度切片数据组;
S33、将多个光照强度切片数据组中的光照强度作为自变量,将二网供水温度作为因变量,进行岭回归拟合,并求取斜率的均值,定义该斜率的均值为光照强度和供水温度的惩罚系数记为Lp。
5.根据权利要求4所述的一种基于分段线性函数的二网供水预测模型构建方法,其特征在于:所述步骤S4包括以下步骤:
S41、根据时间顺序对历史数据集进行切片处理,得到多组分时切片数据组;
S42、计算每个切片数据组中的基础供水温度,计算公式如下:
Gj=G(T)+Lp×Ll;其中Gj为基础供水温度,Ll为分时切片数据组的历史光照强度;
S43、计算每个切片数据组中实际供水温度与基础供水温度的差值,公式为Gr=Gl-Gj,其中Gl为分时切片数据组的历史实际供水温度;
S44、计算多组分时切片数据组中Gr的中位数,记为ei;
S45、定义分时供水温度策略变量,公式为:Hr={1:e1,2:e2,...,i:ei},其中分时供水温度策略变量为Hr。
6.根据权利要求5所述的一种基于分段线性函数的二网供水预测模型构建方法,其特征在于:所述步骤S5包括以下步骤:
计算历史数据集中的室外气温均值为T0,
S51、记Ti为大于T0的温度,Ti=Ti-1+0.5℃;根据气温和供水温度的单调模型计算基础供温G(TTi),其中TTi为Ti-0.5℃≤T≤Ti+0.5℃的区间内室外气温的中位数;
S52、计算基础供水温度G(TTi)的与历史数据集中的实际供水温度Gi的差值Gei,公式为Gei=G(TTi)-Gi;其中Gi为Ti-0.5℃≤T≤Ti+0.5℃的区间内实际供水温度的中位数;
如果Gei≥Gei-1,记录采集点(Ti-T0,Gei);
否则判定数据无效,计算Ti=Ti+0.5℃时的Gei,直至Ti>25℃;
S53、记T-i为小于T0的温度,T-i=T-i+1-0.5℃;
根据气温和供水温度的单调模型计算基础供温G(TT-i);其中TT-i为T-i-0.5℃≤T≤T-i+0.5℃的区间内室外气温的中位数;
S54、计算基础供水温度G(TT-i)的与历史数据集中的实际供水温度G-i的差值Ge-i,公式为Ge-i=G(TT-i)-G-i;其中G-i为T-i-0.5℃≤T≤T-i+0.5℃的区间内实际供水温度的中位数;
如果Ge-i≤Ge-i+1,记录采集点(T-i-T0,Ge-i);
否则判定数据无效,计算T-i=T-i-0.5℃时的Ge-i,直至T-i<15℃;
S55、结合步骤S52和步骤S54中的采集点形成数据集,数据集中Ge-i<...<0<...<Gei;
S56、使用分段线性函数PWL拟合步骤S55中数据集中的数据得到升降温和供水温度的单调模型,记为Ge(Ti-T0)。
7.根据权利要求6所述的一种基于分段线性函数的二网供水预测模型构建方法,其特征在于:所述步骤S6中理论供水温度模型的计算公式为:GTi=G(T)+Lp×L+Hr[H]+Ge(Ti-T0);
其中,T为室外温度,L为室外光照,H为当前小时,Ti为目标室内温度,T0为历史数据集中的室内温度均值。
8.一种基于分段线性函数的二网供水温度调节方法,其特征在于:
A1、采集实时的室外光照强度、室外气温、供水温度、室内温度;
A2、将实时的室外光照强度、室外气温、供水温度、室内温度输入至理论供水温度模型计算理论供水温度;
所述理论供水温度模型根据如权利要求1-7任意一项所述的方法构建得到。
9.一种服务器,其特征在于:包括至少一个处理器,以及与所述处理器通信连接的存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述处理器执行,以使所述至少一个处理器执行如权利要求1-7任一所述的二网供水温度调节方法。
10.一种计算机可读取存储介质,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权利要求1-7任一项所述的二网供水温度调节方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310945801.4A CN116680935B (zh) | 2023-07-31 | 2023-07-31 | 一种基于分段线性函数的二网供水预测模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310945801.4A CN116680935B (zh) | 2023-07-31 | 2023-07-31 | 一种基于分段线性函数的二网供水预测模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116680935A CN116680935A (zh) | 2023-09-01 |
CN116680935B true CN116680935B (zh) | 2023-10-13 |
Family
ID=87789411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310945801.4A Active CN116680935B (zh) | 2023-07-31 | 2023-07-31 | 一种基于分段线性函数的二网供水预测模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116680935B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315884A (zh) * | 2017-07-04 | 2017-11-03 | 北京首钢自动化信息技术有限公司 | 一种基于线性回归的建筑能耗建模方法 |
CN113390126A (zh) * | 2021-06-15 | 2021-09-14 | 河北工大科雅能源科技股份有限公司 | 一种基于室温反馈的热力站在线动态调控装置及方法 |
WO2022121074A1 (zh) * | 2020-12-10 | 2022-06-16 | 青岛新奥能源有限公司 | 供热温度曲线和水力平衡调节的数字化模拟系统及方法 |
CN114997457A (zh) * | 2022-03-22 | 2022-09-02 | 武汉大学 | 基于集中供热系统储热特性的热电联产机组灵活性优化调度方法 |
CN116341881A (zh) * | 2023-05-29 | 2023-06-27 | 山东大学 | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 |
-
2023
- 2023-07-31 CN CN202310945801.4A patent/CN116680935B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315884A (zh) * | 2017-07-04 | 2017-11-03 | 北京首钢自动化信息技术有限公司 | 一种基于线性回归的建筑能耗建模方法 |
WO2022121074A1 (zh) * | 2020-12-10 | 2022-06-16 | 青岛新奥能源有限公司 | 供热温度曲线和水力平衡调节的数字化模拟系统及方法 |
CN113390126A (zh) * | 2021-06-15 | 2021-09-14 | 河北工大科雅能源科技股份有限公司 | 一种基于室温反馈的热力站在线动态调控装置及方法 |
CN114997457A (zh) * | 2022-03-22 | 2022-09-02 | 武汉大学 | 基于集中供热系统储热特性的热电联产机组灵活性优化调度方法 |
CN116341881A (zh) * | 2023-05-29 | 2023-06-27 | 山东大学 | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 |
Non-Patent Citations (2)
Title |
---|
"Economic Model Predictive Control in Buildings Based on Piecewise Linear Approximation of Predicted Mean Vote Index";Hongyi Li et.al.;《IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING》;全文 * |
"基于ELM极限学习机的二次网供水温度预测及应用";段之真;《天津建设科技》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116680935A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106813293B (zh) | 集中供热系统全网平衡控制方法 | |
CN109681957B (zh) | 一种换热站热负荷预测方法 | |
CN109948824B (zh) | 一种利用模式识别技术对热力站热负荷进行预测的方法 | |
CN114484557B (zh) | 一种基于目标能耗管控的建筑群供热负荷调控方法 | |
JP2011214794A (ja) | 空調システム制御装置 | |
CN114923265B (zh) | 一种基于物联网的中央空调节能控制系统 | |
CN114165825A (zh) | 一种换热站供热调控系统及方法 | |
CN114484556B (zh) | 一种基于目标能耗管控的供水温度调控方法 | |
CN116680935B (zh) | 一种基于分段线性函数的二网供水预测模型构建方法 | |
CN116663719A (zh) | 一种洪水风险预测方法、系统及电子设备 | |
Goldwasser et al. | Advances in calibration of building energy models to time series data | |
TW202014648A (zh) | 儲冰量調整系統與儲冰量調整方法 | |
CN117273794B (zh) | 综能服务市场规划分析方法 | |
KR20210026447A (ko) | 심층 신경망 기반 전력 수요 예측 장치 및 방법 | |
CN115952695B (zh) | 基于供热控制系统的温度探测数据远程交互方法 | |
CN116592417A (zh) | 基于负荷预测的集中供热系统优化控制方法及系统 | |
WO2022270496A1 (en) | Acquiring a user consumption pattern of domestic hot water and controlling domestic hot water production based thereon | |
KR102455531B1 (ko) | 건물 에너지 효율 향상을 위한 데이터 모델 기반 냉난방설비 최적 제어 시스템 및 이의 제어방법 | |
Ferrarini et al. | Digital Techniques for Energy Optimization in a University Building: a case study | |
CN115183318A (zh) | 基于负荷预测和热量进度一致的供热调节方法和相关设备 | |
CN113221452A (zh) | 一种基于分布式光纤的办公空间温度预测系统 | |
CN117387172B (zh) | 基于精准推荐设备控制参数的末端空调节能方法和系统 | |
KR102503361B1 (ko) | 건축물 외피 열성능 평가 시스템 및 그 방법 | |
Schuldt et al. | Alternative approaches to baseline estimation using calibrated simulations | |
US20230246444A1 (en) | Energy supply plan formulation device and energy supply plan formulation method |
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 |