CN117294019A - 一种基于物联网的绿色建筑能耗监测方法及系统 - Google Patents
一种基于物联网的绿色建筑能耗监测方法及系统 Download PDFInfo
- Publication number
- CN117294019A CN117294019A CN202311314010.8A CN202311314010A CN117294019A CN 117294019 A CN117294019 A CN 117294019A CN 202311314010 A CN202311314010 A CN 202311314010A CN 117294019 A CN117294019 A CN 117294019A
- Authority
- CN
- China
- Prior art keywords
- data
- time window
- distribution box
- energy consumption
- voltage
- 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.)
- Granted
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 78
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012937 correction Methods 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims abstract description 12
- 238000007667 floating Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 23
- 230000005611 electricity Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电网配电智能调度领域，具体涉及一种基于物联网的绿色建筑能耗监测方法及系统，采集建筑配电箱用电数据；获取各配电箱电压、电流数据各时间窗口的箱间压差指数均值、箱间流差指数均值，计算得到各时间窗口的电器接入影响因子；根据各时间窗口的电器接入影响因子以及电压、电流、功率数据得到负载修正曲线函数；计算各配电箱的负载修正曲线函数的建筑短时能耗指数序列；采用ARIMA模型对各配电箱的建筑短时能耗指数序列进行预测得到各配电箱的预测数据；将各配电箱的预测数据与监测数据进行比较判断异常情况，完成对建筑能耗的监测。从而完成对建筑电力的监测，便于实现电网配电的建筑电力智能调度。
Description
技术领域
本申请涉及电网配电智能调度领域，具体涉及一种基于物联网的绿色建筑能耗监测方法及系统。
背景技术
电网为电力系统中各种电压的变电所及输配电线路组成的整体，包括变电、输电以及配电三个部分。通常情况下，经由电网输送电能到用户端电网，再经由工作人员对用户端不同的设备进行具有针对性的配电，将电能进行有效调度，避免因电能调度不佳造成的过负载情况，实现负载平衡。
其中，对于建筑而言，经由变电、输电后到达建筑的电能，主要体现在建筑在运行和使用过程中所消耗的能量，建筑能耗的高低直接关系到电能的消耗和对环境的影响，高能耗的建筑不仅仅会增加电力等其他能源的需求，还会导致二氧化碳等温室气体排放增加，对环境造成不良影响。
电力消耗通常占据能源消耗较大的占比，这与建筑物中的室内照明、空调、电梯等大型电器系统密切相关。现有的建筑能耗监测方法及系统存在局限性，即仅能通过对历史数据进行统计分析来判断建筑能耗的多少，没有充分利用数据中的隐藏信息和关联关系，而无法对未来数据进行预测。
因此，对建筑能耗进行电压监测，有利于了解绿色建筑的电能消耗状况，同时从消耗源头对各种不同的用电设备进行具有针对性的配电，从而间接实现建筑资源消耗情况，降低碳足迹，改善室内和室外环境质量，具有重要的现实意义。
综上所述，本发明提出一种基于物联网的绿色建筑能耗监测方法及系统，通过采集建筑内的用电数据并进行分析其特征，采用ARIMA模型对下一时刻的数据进行预测，将其与监测数据进行比较，完成建筑能耗的监测，实现电网配电智能调度。
发明内容
为了解决上述技术问题，本发明提供一种基于物联网的绿色建筑能耗监测方法及系统，所采用的技术方案具体如下：
第一方面，本发明实施例提供了一种基于物联网的绿色建筑能耗监测方法，该方法包括以下步骤：
采集建筑配电箱用电数据；
对各数据进行分段得到各数据的时间窗口；对于各配电箱电压数据各时间窗口，计算时间窗口的配电箱电压浮动系数；对于各时间窗口，根据各配电箱时间窗口的配电箱电压浮动系数得到时间窗口的箱间压差指数均值；获取各配电箱电流数据各时间窗口的箱间流差指数均值；对于各配电箱各时间窗口，根据时间窗口的箱间压差指数均值和箱间流差指数均值构建时间窗口的电器接入影响因子；
根据时间窗口的电器接入影响因子以及电压、电流、功率数据得到负载修正序列；对于各配电箱的负载修正序列，采用Parzen窗核估计对负载修正序列的离散数据进行连续化得到负载修正曲线函数；计算负载修正曲线函数各时间窗口的建筑短时能耗指数；构建各配电箱的建筑短时能耗指数序列；采用ARIMA模型对各配电箱的建筑短时能耗指数序列进行预测得到各配电箱的预测数据；
将各配电箱的预测数据与监测数据进行比较判断异常情况，完成对建筑能耗的监测。
优选的，所述采集建筑配电箱用电数据，包括：
建筑配电箱用电数据包括：各配电箱的电压数据、电流数据以及总配电箱的功率数据。
优选的，所述计算时间窗口的配电箱电压浮动系数，包括：
计算时间窗口所有数据的电压均值和电压标准差；
将所述电压标准差的负数作为以自然常数为底数的指数函数的指数；
对于时间窗口各数据，计算数据的电压值与所述电压均值的差值，将时间窗口所有数据的所述差值与所述指数函数的比值平方的均值作为时间窗口的配电箱电压浮动系数。
优选的，所述根据各配电箱时间窗口的配电箱电压浮动系数得到时间窗口的箱间压差指数均值，包括：
将任意两个配电箱记为第一配电箱、第二配电箱，计算第一配电箱与第二配电箱时间窗口内所有对应数据之间的电压值的差值平方的和值，计算第一配电箱与第二配电箱时间窗口的配电箱电压浮动系数的乘积；
将所述和值与所述乘积的比值作为任意两个配电箱时间窗口的箱间压差指数，将时间窗口所有所述箱间压差指数的平均值作为时间窗口的箱间压差指数均值。
优选的，所述根据时间窗口的箱间压差指数均值和箱间流差指数均值构建时间窗口的电器接入影响因子，包括：
计算时间窗口电压数据方差和电流数据方差；
计算时间窗口的箱间压差指数均值与箱间流差指数均值的均值，将时间窗口的箱间压差指数均值与所述均值的比值作为电压权重，将时间窗口的箱间流差指数均值与所述均值的比值作为电流权重；
将所述电压权重与所述电压数据方差的乘积和所述电流权重与所述电流数据方差的乘积的和值作为时间窗口的电器接入影响因子。
优选的，所述根据时间窗口的电器接入影响因子以及电压、电流、功率数据得到负载修正序列，包括：
计算时间窗口电压数据与电流数据的皮尔逊相关系数，将时间窗口的电器接入影响因子与所述皮尔逊相关系数的比值的相反数作为以自然常数为底数的指数函数的指数，将2减去指数函数的差值与功率数据时间窗口各数据值的乘积作为功率数据时间窗口各数据的修正功率；
将各配电箱的功率数据所有时间窗口所有数据的修正功率组成各配电箱的负载修正序列。
优选的，所述计算负载修正曲线函数各时间窗口的建筑短时能耗指数，包括：
对于负载修正曲线函数各时间窗口，将时间窗口的负载修正曲线函数进行积分，得到时间窗口的建筑短时能耗指数。
优选的，所述采用ARIMA模型对各配电箱的建筑短时能耗指数序列进行预测得到各配电箱的预测数据，包括：
对于各配电箱，将配电箱的建筑短时能耗指数序列作为ARIMA模型的输入，采用贝叶斯信息准则确定自回归系数和移动平均系数，得到当前时刻的下一时刻的时间窗口的建筑短时能耗指数作为预测数据。
优选的，所述将各配电箱的预测数据与监测数据进行比较判断异常情况，包括：
计算各配电箱的监测数据与预测数据的残差，采用Z-score算法得到各配电箱的标准分数；对于各配电箱的标准分数，当标准分数大于能耗异常阈值时，则将配电箱标记为异常。
第二方面，本发明实施例还提供了一种基于物联网的绿色建筑能耗监测系统，包括存储器、处理器以及存储在所述存储器中并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任意一项所述方法的步骤。
本发明至少具有如下有益效果：
本发明通过对配电箱的电压和电流数据的浮动特征进行分析，计算任意两个配电箱各时间窗口的箱间压差系数和箱间流差系数，将处于短时内无明显浮动但长时间位于高电压差的状态识别出来，使得计算过程更贴合实际情况；
根据箱间压差指数均值和箱间流差指数均值构建各时间窗口的电器接入影响因子，对总配电箱的功率数据进行修正处理得到负载修正序列，挖掘接入设备过多时出现的电压与电流变化的正相关关系变化情况，使得负载修正序列更加真实可信；将最后计算的建筑短时能耗数据输入预测模型进行预测并判断异常，弥补了以往能耗监测方法仅对历史数据进行统计分析，而无法对未来数据进行预测的缺陷，完成对建筑电力的监测，便于实现电网配电的建筑电力智能调度。
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和优点，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的介绍，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附图。
图1为本发明提供的一种基于物联网的绿色建筑能耗监测方法的流程图；
图2为各数据各时间窗口的示意图；
图3为各配电箱电力调度示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于物联网的绿色建筑能耗监测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于物联网的绿色建筑能耗监测方法及系统的具体方案。
本发明一个实施例提供的一种基于物联网的绿色建筑能耗监测方法及系统。
具体的，提供了如下的一种基于物联网的绿色建筑能耗监测方法，请参阅图1，该方法包括以下步骤：
步骤S001，采集建筑配电箱用电数据。
本实施例基于电网配电智能调度方法通过对建筑用电数据进行监测，从而完成绿色建筑电能的针对性配电调度。建筑在建造的过程中会在建筑内部安装总配电箱和分支配电箱，用于电能分配以及对不同区域电力的管理和控制。
本实施例将每个配电箱作为数据采集点，安装数字电压传感器和数字电流传感器，在建筑的总配电箱中安装功率传感器，分别收集电压、电流和功率在当前时刻的前n小时的历史数据，用于对当前时刻的下一时刻的数据进行预测，完成建筑能耗监测。其中，本实施例对n取经验值1，实施者可自行设定。
在数据的采集过程中难免受仪器和外部各种因素的干扰，为避免此类因素对数据造成的影响，需要对数据进行清洗，对于缺失值采用邻近数据点的均值进行填充，对于异常值采用线性差值法来替换。其中，线性差值法为公知技术，本实施例不再赘述。
传感器采集数据的时间间隔为t秒，由此可得到不同传感器的时序数据，且每个传感器的数据量是庞大的，为了便于分析和计算，将T秒作为一个时间窗口对各数据进行分段，得到各数据各时间窗口。其中，t、T分别取经验值0.05、2，实施者可自行设定。各数据各时间窗口的示意图如图2所示。
至此，可通过上述方法获取得到建筑配电箱用电数据，便于对其进行分析和处理。
步骤S002，对建筑配电箱用电数据进行分析，构建建筑短时能耗指数序列，输入ARIMA模型进行预测。
建筑物的电压一般是恒定的，并且仅在标准电压的小范围内上下波动，而建筑物内部的电器设备，特别是大功率设备，例如空调、电梯、电焊机等，在启动或运行时可能会引起短时间的电压浮动，可以在单个时间窗口内对电压数据进行分析，判断电压的波动程度。
以建筑内其中一处的分支配电箱的电压数据的时间窗口α为例，计算时间窗口α的配电箱电压浮动系数：
式中，fluα表示时间窗口α的配电箱电压浮动系数，n表示时间窗口α内的数据总数，表示时间窗口α内的第i个数据的电压值，/>和/>分别表示时间窗口α内的电压均值和电压标准差。
需要说明的是，当配电箱内的电压出现较大波动时，的值浮动较大，而均值比较稳定，使得/>的值偏大，同时标准差变大，而经过指数变化后得到的会变小，导致最后计算的fluα值变大。说明配电箱的电压在时间窗口α内不稳定，设备可能需要更多的电能来执行相同的任务，这会导致能源浪费和额外的电费支出。
在正常情况下，不同的配电箱中的电压应该是稳定的，即电压差异值较小。然而，实际上电压可能会在不同的配电箱之间出现轻微的波动。配电箱的电压过大或过小都可能会导致设备损坏，如果不同配电箱之间的电压差异过大，即说明这两个配电箱大概率至少一个配电箱存在异常。例如，当某个配电箱的电压远高于其他配电箱，连接在该配电箱上的设备可能无法承受过高的电压，导致设备损坏甚至烧毁。
由此，结合时间窗口α内的配电箱电压浮动系数构建时间窗口α的箱间压差指数：
式中，dif_V(Q,C)表示配电箱Q和C的箱间压差指数，n表示时间窗口α内的数据总数，表示配电箱Q在时间窗口α内的第i个数据的电压值，/>表示配电箱C在时间窗口α内的第i个数据的电压值，/>和/>分别表示配电箱Q和C在时间窗口α中的配电箱电压浮动系数。
需要说明的是，当分支配电箱出现电压不平衡，其中的一个或几个分支配电箱电压较高时，箱间电压差变大，即计算的值变大，且若此时的电压浮动系数或/>较小，说明该配电箱短时内的电压无明显浮动，长时间位于高电压差的状态，计算的箱间压差指数dif_V(Q,C)变大，说明出现了负载不均衡现象，即某些配电箱上的负载较重，而其他的较轻，重负载会引起电压下降，而轻负载会导致电压上升，引起配电箱的异常。
其中，配电箱Q和C是整栋建筑的所有配电箱中任意的两个配电箱，计算任意两个配电箱的箱间压差指数，将建筑内所有配电箱的箱间压差指数均值记为dif_V。
需要说明的是，大型电器设备的开启和关闭、负载不平衡同样会照成电流的浮动，对于采集的电流数据(记为Ele)也按上述步骤进行计算，可得到箱间流差指数均值dif_I。
若建筑内大型电器设备接入过多，由于每个电器设备都有其功率需求，当接入的电器设备增多时，总功率需求也随之增加，同时负荷增大。因此，根据箱间压差指数均值和箱间流差指数均值构建电器接入影响因子：
式中，difα表示时间窗口α的电器接入影响因子，dif_V和dif_I分别表示箱间压差指数均值和箱间流差指数均值，σ(Volα)表示时间窗口α内的电压数据方差，σ(Eleα)表示时间窗口α内的电流数据方差。
需要说明的是，当σ(Volα)和σ(Eleα)越大，表明短时间内电压电流值的变化越大，通过dif_V+dif_I来分别对电压、电流归一化，若dif_V越大，说明电压数据在该时间窗口内电压变化的权值越大，进而影响各时间窗口对应数据的差异变化来构成该时间窗口的电器接入影响因子，即difα也越大，该时间窗口内受到电器接入对电压、电流的影响越大。
功率的大小是由电压和电流共同决定的，且功率与电压或电流呈现正相关关系。如上所述，当电器的接入量变多时，容易导致电压与电流值的浮动。具体体现在电器设备的增多会导致整个建筑物对电力的需求增加，使得供电系统的负荷增大，如果供电系统无法满足增加的负荷需求，电压就会下降，同时，更多的电器设备需要更多的电流来供应其工作所需的能量，因此，电流会随着电器设备数量的增加而增加。
可推断出接入设备的过多，会使得电压与电流变化的正相关性降低。使用皮尔逊相关系数来计算电压和电流数据在对应时间窗口内的相似程度，然后结合电器接入影响因子，对采集的功率数据各数据点进行修正，构建各配电箱的负载修正序列。
式中，表示时间窗口α的负载修正序列中第i个数据的修正功率，difα表示时间窗口α的电器接入影响因子，PCCα表示时间窗口α中的电压数据与电流数据的皮尔逊相关系数，由于PCCα的值域为[-1,1],为避免出现分母为0的情况，取其绝对值加1；γ为调节参数，用于改变指数函数的函数值变化快慢，本实施例将γ设定为6，实施者可自行设定；Powα(i)表示功率数据在时间窗口α内的第i个数据的功率。
需要说明的是，若建筑的电器接入量变多，difα的值变大；电压与电流的相关程度越低，使得|PCCα|越小，计算的值变大，又difα和|PCCα|都为正值，经指数函数变换后表现为其值域是(0,1)的单调递减函数，导致计算的变大，说明功率序列受difα和PCCα的影响越大，使得负载修正序列值越大。以此有助于下一步建筑能耗的分析。
将计算得到的各配电箱功率数据各时间窗口各数据点的修正功率组合得到各配电箱的负载修正序列。
能耗也就是电器在单位时间内所做的功，可以通过时间与功率的乘积计算得出。由于负载修正序列为离散值，若通过每个序列值乘积相邻数据的时间间隔再求和的方式计算能耗，由于数据的不平滑会照成一定误差，所以采用Parzen窗核估计对离散数据进行连续化，然后求在各时间窗口内进行积分来计算得出各时间窗口内电器消耗的电能，Parzen窗核估计的输入为离散的序列值，输出为连续的估计曲线函数，该方法为公知技术，本实施例不再赘述。计算该时间窗口内的建筑短时能耗指数的表达式如下所示：
式中，Wα为时间窗口α的建筑短时能耗指数，m表示时间窗口α的时间长度，CorPα(τ)表示时序数据在时间窗口α下的负载修正曲线函数。
需要说明的是，当CorPα(τ)越大，计算的建筑短时能耗指数也就越大，说明时间窗口α内的用电越多，能耗越大。
将当前时刻的前n小时范围内所有时间窗口的建筑短时能耗指数组成建筑短时能耗指数序列Ens＝{W1,W2,...,Wα,...,WN}，同时可以得到建筑内各配电箱的建筑短时能耗指数序列。
若Ens序列中的值出现骤变，表明建筑物内产生了巨大的能源消耗。采用ARIMA模型，将各配电箱的当前时刻的前n小时内的建筑短时能耗指数序列作为输入进行拟合，根据贝叶斯信息准则(BIC)来确定具体的自回归系数p和移动平均系数q，对各配电箱的当前时刻的下一时刻的时间窗口的建筑短时能耗指数进行预测得到各配电箱的预测数据WN+1。其中，ARIMA模型和贝叶斯信息准则均为公知技术，本实施例不再赘述。
步骤S003，将预测数据与监测数据进行比较，完成建筑能耗的监测，实现电网配电智能调度。
从总配电箱获取各配电箱的当前时刻的下一时刻时间窗口的监测数据W′N+1，将上述步骤得到的各配电箱的预测数据WN+1与监测数据W′N+1进行分析，判断各配电箱在下一时刻是否出现能耗异常。
计算建筑内各配电箱的监测数据与预测数据的残差，将各配电箱的残差采用Z-score算法得到各配电箱的标准分数，当标准分数大于设定的能耗异常阈值时，则将该配电箱下一时刻的建筑能耗判定为异常，同时提醒工作人员及时进行电能调度，实现建筑的智能配电。其中各配电箱电力调度示意图如图3所示。
至此，可以通过上述方法实现对建筑能耗的监测，完成电网配电的建筑电力智能调度。
基于与上述方法相同的发明构思，本发明实施例还提供了一种基于物联网的绿色建筑能耗监测系统，包括存储器、处理器以及存储在所述存储器中并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一种基于物联网的绿色建筑能耗监测方法中任意一项所述方法的步骤。
综上所述，本发明实施例提出一种基于物联网的绿色建筑能耗监测方法及系统，通过采集建筑内的用电数据并进行分析其特征，采用ARIMA模型对下一时刻的数据进行预测，将其与监测数据进行比较，完成建筑能耗的监测。
本发明实施例通过对配电箱的电压和电流数据的浮动特征进行分析，计算任意两个配电箱各时间窗口的箱间压差系数和箱间流差系数，将处于短时内无明显浮动但长时间位于高电压差的状态识别出来，使得计算过程更贴合实际情况；
根据箱间压差指数均值和箱间流差指数均值构建各时间窗口的电器接入影响因子，对总配电箱的功率数据进行修正处理得到负载修正序列，挖掘接入设备过多时出现的电压与电流变化的正相关关系变化情况，使得负载修正序列更加真实可信；将最后计算的建筑短时能耗数据输入预测模型进行预测并判断异常，弥补了以往能耗监测方法仅对历史数据进行统计分析，而无法对未来数据进行预测的缺陷。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；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，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于物联网的绿色建筑能耗监测方法，其特征在于，该方法包括以下步骤：
采集建筑配电箱用电数据；
对各数据进行分段得到各数据的时间窗口；对于各配电箱电压数据各时间窗口，计算时间窗口的配电箱电压浮动系数；对于各时间窗口，根据各配电箱时间窗口的配电箱电压浮动系数得到时间窗口的箱间压差指数均值；获取各配电箱电流数据各时间窗口的箱间流差指数均值；对于各配电箱各时间窗口，根据时间窗口的箱间压差指数均值和箱间流差指数均值构建时间窗口的电器接入影响因子；
根据时间窗口的电器接入影响因子以及电压、电流、功率数据得到负载修正序列；对于各配电箱的负载修正序列，采用Parzen窗核估计对负载修正序列的离散数据进行连续化得到负载修正曲线函数；计算负载修正曲线函数各时间窗口的建筑短时能耗指数；构建各配电箱的建筑短时能耗指数序列；采用ARIMA模型对各配电箱的建筑短时能耗指数序列进行预测得到各配电箱的预测数据；
将各配电箱的预测数据与监测数据进行比较判断异常情况，完成对建筑能耗的监测。
2.如权利要求1所述的一种基于物联网的绿色建筑能耗监测方法，其特征在于，所述采集建筑配电箱用电数据，包括：
建筑配电箱用电数据包括：各配电箱的电压数据、电流数据以及总配电箱的功率数据。
3.如权利要求1所述的一种基于物联网的绿色建筑能耗监测方法，其特征在于，所述计算时间窗口的配电箱电压浮动系数，包括：
计算时间窗口所有数据的电压均值和电压标准差；
将所述电压标准差的负数作为以自然常数为底数的指数函数的指数；
对于时间窗口各数据，计算数据的电压值与所述电压均值的差值，将时间窗口所有数据的所述差值与所述指数函数的比值平方的均值作为时间窗口的配电箱电压浮动系数。
4.如权利要求1所述的一种基于物联网的绿色建筑能耗监测方法，其特征在于，所述根据各配电箱时间窗口的配电箱电压浮动系数得到时间窗口的箱间压差指数均值，包括：
将任意两个配电箱记为第一配电箱、第二配电箱，计算第一配电箱与第二配电箱时间窗口内所有对应数据之间的电压值的差值平方的和值，计算第一配电箱与第二配电箱时间窗口的配电箱电压浮动系数的乘积；
将所述和值与所述乘积的比值作为任意两个配电箱时间窗口的箱间压差指数，将时间窗口所有所述箱间压差指数的平均值作为时间窗口的箱间压差指数均值。
5.如权利要求1所述的一种基于物联网的绿色建筑能耗监测方法，其特征在于，所述根据时间窗口的箱间压差指数均值和箱间流差指数均值构建时间窗口的电器接入影响因子，包括：
计算时间窗口电压数据方差和电流数据方差；
计算时间窗口的箱间压差指数均值与箱间流差指数均值的均值，将时间窗口的箱间压差指数均值与所述均值的比值作为电压权重，将时间窗口的箱间流差指数均值与所述均值的比值作为电流权重；
将所述电压权重与所述电压数据方差的乘积和所述电流权重与所述电流数据方差的乘积的和值作为时间窗口的电器接入影响因子。
6.如权利要求1所述的一种基于物联网的绿色建筑能耗监测方法，其特征在于，所述根据时间窗口的电器接入影响因子以及电压、电流、功率数据得到负载修正序列，包括：
计算时间窗口电压数据与电流数据的皮尔逊相关系数，将时间窗口的电器接入影响因子与所述皮尔逊相关系数的比值的相反数作为以自然常数为底数的指数函数的指数，将2减去指数函数的差值与功率数据时间窗口各数据值的乘积作为功率数据时间窗口各数据的修正功率；
将各配电箱的功率数据所有时间窗口所有数据的修正功率组成各配电箱的负载修正序列。
7.如权利要求1所述的一种基于物联网的绿色建筑能耗监测方法，其特征在于，所述计算负载修正曲线函数各时间窗口的建筑短时能耗指数，包括：
对于负载修正曲线函数各时间窗口，将时间窗口的负载修正曲线函数进行积分，得到时间窗口的建筑短时能耗指数。
8.如权利要求1所述的一种基于物联网的绿色建筑能耗监测方法，其特征在于，所述采用ARIMA模型对各配电箱的建筑短时能耗指数序列进行预测得到各配电箱的预测数据，包括：
对于各配电箱，将配电箱的建筑短时能耗指数序列作为ARIMA模型的输入，采用贝叶斯信息准则确定自回归系数和移动平均系数，得到当前时刻的下一时刻的时间窗口的建筑短时能耗指数作为预测数据。
9.如权利要求1所述的一种基于物联网的绿色建筑能耗监测方法，其特征在于，所述将各配电箱的预测数据与监测数据进行比较判断异常情况，包括：
计算各配电箱的监测数据与预测数据的残差，采用Z-score算法得到各配电箱的标准分数；对于各配电箱的标准分数，当标准分数大于能耗异常阈值时，则将配电箱标记为异常。
10.一种基于物联网的绿色建筑能耗监测系统，包括存储器、处理器以及存储在所述存储器中并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1-9任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311314010.8A CN117294019B (zh) | 2023-10-11 | 2023-10-11 | 一种基于物联网的绿色建筑能耗监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311314010.8A CN117294019B (zh) | 2023-10-11 | 2023-10-11 | 一种基于物联网的绿色建筑能耗监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117294019A true CN117294019A (zh) | 2023-12-26 |
| CN117294019B CN117294019B (zh) | 2024-03-22 |
Family
ID=89256971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311314010.8A Active CN117294019B (zh) | 2023-10-11 | 2023-10-11 | 一种基于物联网的绿色建筑能耗监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117294019B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117744896A (zh) * | 2024-02-21 | 2024-03-22 | 深圳华澳建科集团有限公司 | 一种绿色建筑全能耗分析方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104791903A (zh) * | 2015-04-30 | 2015-07-22 | 北京上庄燃气热电有限公司 | 一种热网智能调度系统 |
| US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
| CN111340305A (zh) * | 2020-03-10 | 2020-06-26 | 西安建筑科技大学 | 一种建筑运行能耗预测方法 |
| CN113361187A (zh) * | 2021-05-08 | 2021-09-07 | 广西电网有限责任公司电力科学研究院 | 一种电网线路运行安全优化方法、系统及存储介质 |
| CN116205123A (zh) * | 2022-09-13 | 2023-06-02 | 浙江浙能国电投嵊泗海上风力发电有限公司 | 一种超短期风电场功率预测方法及系统 |
| CN116307944A (zh) * | 2023-05-18 | 2023-06-23 | 山东欣瑞电气有限公司 | 基于人工智能与物联网的配电箱远程监测系统 |
| CN116819332A (zh) * | 2023-06-16 | 2023-09-29 | 联合汽车电子有限公司 | 一种电池故障诊断方法、装置、介质及bms系统 |
-
2023
- 2023-10-11 CN CN202311314010.8A patent/CN117294019B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104791903A (zh) * | 2015-04-30 | 2015-07-22 | 北京上庄燃气热电有限公司 | 一种热网智能调度系统 |
| US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
| CN111340305A (zh) * | 2020-03-10 | 2020-06-26 | 西安建筑科技大学 | 一种建筑运行能耗预测方法 |
| CN113361187A (zh) * | 2021-05-08 | 2021-09-07 | 广西电网有限责任公司电力科学研究院 | 一种电网线路运行安全优化方法、系统及存储介质 |
| CN116205123A (zh) * | 2022-09-13 | 2023-06-02 | 浙江浙能国电投嵊泗海上风力发电有限公司 | 一种超短期风电场功率预测方法及系统 |
| CN116307944A (zh) * | 2023-05-18 | 2023-06-23 | 山东欣瑞电气有限公司 | 基于人工智能与物联网的配电箱远程监测系统 |
| CN116819332A (zh) * | 2023-06-16 | 2023-09-29 | 联合汽车电子有限公司 | 一种电池故障诊断方法、装置、介质及bms系统 |
Non-Patent Citations (2)
| Title |
|---|
| ROHIT TRIVEDI 等: "A Data-Driven Short-Term PV Generation and Load Forecasting Approach for Microgrid Applications", 《IEEE》, 3 June 2022 (2022-06-03) * |
| 鞠亚轩 等: "基于时间序列多尺度分解的建筑用电负荷预测方法", 《西南大学学报》, 20 October 2020 (2020-10-20) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117744896A (zh) * | 2024-02-21 | 2024-03-22 | 深圳华澳建科集团有限公司 | 一种绿色建筑全能耗分析方法 |
| CN117744896B (zh) * | 2024-02-21 | 2024-04-26 | 深圳华澳建科集团有限公司 | 一种绿色建筑全能耗分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117294019B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190265768A1 (en) | Method, system and storage medium for predicting power load probability density based on deep learning | |
| CN117294019B (zh) | 一种基于物联网的绿色建筑能耗监测方法及系统 | |
| CN117713221B (zh) | 一种微逆光伏并网优化系统 | |
| CN111652461A (zh) | 基于sae-hmm的航空发动机连续健康状态评估方法 | |
| CN112329990A (zh) | 一种基于lstm-bp神经网络的用户用电负荷预测方法 | |
| CN110658462A (zh) | 一种基于数据融合与arima模型的锂电池在线寿命预测方法 | |
| CN116383650A (zh) | 一种基于lstm模型的集中器电功率异常诊断方法 | |
| CN117013606A (zh) | 一种基于人工智能的光伏发电智能储能控制系统 | |
| CN117578534B (zh) | 光伏储能系统的调度方法、装置、设备及存储介质 | |
| CN117220318B (zh) | 电网数字化驱动控制方法及系统 | |
| CN116804711A (zh) | 基于预测的使用模式来提供设备电池组的预测健康状态的方法和装置 | |
| CN117595231A (zh) | 一种智能电网配网管理系统及其方法 | |
| CN110059938B (zh) | 一种基于关联规则驱动的配电网规划方法 | |
| CN117650628B (zh) | 一种基于自适应预调节场景的能效管理系统 | |
| CN118316013A (zh) | 一种新能源电站的发电功率预测方法 | |
| CN114069642A (zh) | 一种考虑用户满意度的温控负荷综合调峰方法 | |
| CN116305741B (zh) | 一种用于电力设备数字孪生模型的更新方法及装置 | |
| CN117113086A (zh) | 一种储能机组负荷预测方法、系统、电子设备及介质 | |
| CN107634544A (zh) | 火电机组的动态功率控制方法和系统 | |
| CN115187145B (zh) | 考虑弃水风险的梯级水库日前调度期末库水位控制方法 | |
| CN116345677A (zh) | 一种基于人工智能的低功耗电源监控方法及系统 | |
| CN114004414B (zh) | 一种耦合Copula与LSTM的工企用能负荷预测方法 | |
| CN114759579A (zh) | 一种基于数据驱动的电网有功优化控制系统、方法和介质 | |
| CN114912700A (zh) | 一种工厂车间电力能耗的评估方法及其系统 | |
| CN113657475A (zh) | 基于分类的用电量预测方法 |
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 |