CN117555225A - 一种绿色建筑能源管理控制系统 - Google Patents
一种绿色建筑能源管理控制系统 Download PDFInfo
- Publication number
- CN117555225A CN117555225A CN202410034170.5A CN202410034170A CN117555225A CN 117555225 A CN117555225 A CN 117555225A CN 202410034170 A CN202410034170 A CN 202410034170A CN 117555225 A CN117555225 A CN 117555225A
- Authority
- CN
- China
- Prior art keywords
- energy
- data
- module
- representing
- controller
- 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 claims abstract description 58
- 230000001932 seasonal effect Effects 0.000 claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 238000007726 management method Methods 0.000 claims description 41
- 238000013500 data storage Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000004378 air conditioning Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 239000003345 natural gas Substances 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 12
- 230000006872 improvement Effects 0.000 description 9
- 239000007789 gas Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种能源管理系统，具体地说，涉及一种绿色建筑能源管理控制系统。其包括数据采集模块，数据采集模块用于收集建筑内的能源消耗相关数据和环境数据；由数据预测模块基于历史数据建立能源消耗预测模型，并根据季节性因素的影响，预测未来能源消耗趋势；智能控制单元至少包括控制器模块，控制器模块基于能源动态分配策略，制定最优的能源管理策略。控制器模块基于能源动态分配策略，制定最优的能源管理策略，以PID控制器作为基础控制器，引入线性规划算法优化能源的分配和利用，动态地调整能源分配策略，并在线性规划算法中引入极端天气事件的影响，调整能源分配，以适应突发极端事件下的额外需求。
Description
技术领域
本发明涉及一种能源管理系统，具体地说，涉及一种绿色建筑能源管理控制系统。
背景技术
绿色建筑能源管理控制系统是一种用于监控、管理和优化建筑能源使用的系统。它结合了信息技术、传感器和控制设备，旨在提高建筑能源效率，减少能源浪费，并最大限度地利用可再生能源，而绿色建筑能源管理控制系统的核心之一是优化和合理分配能源资源，旨在通过智能化、实时化的能源资源调配，最大限度地提高能源使用效率，降低能源成本，减少对环境的影响。
现有的绿色建筑能源管理控制系统多采用传统的PID控制器进行资源调配，但是PID控制器通常专注于单一目标的优化，且PID控制器的反应是基于当前测量值与期望值之间的偏差，在极端天气事件发生时，受限于测量周期和控制器参数的调整，PID控制器可能无法快速响应，因此，设计一种绿色建筑能源管理控制系统。
发明内容
本发明的目的在于提供一种绿色建筑能源管理控制系统，以解决上述背景技术中在极端天气事件发生时，受限于测量周期和控制器参数的调整，PID控制器可能无法快速响应的问题。
为实现上述目的，本发明目的在于提供了一种绿色建筑能源管理控制系统，包括：
数据采集模块，所述数据采集模块用于收集建筑内的能源消耗相关数据和环境数据；
数据处理单元，所述数据处理单元包括数据存储模块、数据分析模块和数据预测模块；
其中，所述数据存储模块用于接收并存储来自数据采集模块的数据，所述数据分析模块用于对数据存储模块中的历史数据进行分析，由数据预测模块基于历史数据建立能源消耗预测模型，并根据季节性因素的影响，预测未来能源消耗趋势，获得每个季节不同能源的预测需求量；
智能控制单元，所述智能控制单元至少包括控制器模块，所述控制器模块根据数据处理单元的分析和预测结果，基于能源动态分配策略，制定最优的能源管理策略，并下发相应的控制指令给执行器模块，所述执行器模块根据控制器模块的控制指令来执行控制操作；
用户交互模块，所述用户交互模块用于用户与系统进行交互；
所述控制器模块基于能源动态分配策略，所述能源动态分配策略以PID控制器作为基础控制器，引入线性规划算法优化能源的分配和利用，动态地调整能源分配策略；
所述能源动态分配策略以最小化能源成本为目标进行优化控制，则线性规划算法模型的数学表达式为：
最小化目标函数：
；
总能源需求约束：
；
；
季节性能源需求约束：
，/>；
其中，表示总成本；/>表示不同类型的能源/>的分配量；/>表示能源类型1的能源分配量；/>表示能源类型2的能源分配量；/>表示季节/>对能源类型1的预测需求量；/>表示季节/>对能源类型2的预测需求量；/>表示每单位能源/>的成本；/>表示对应能源类型/>的总需求量；/>表示对所有能源类型的项进行求和；/>表示能源的不同类型。
作为本技术方案的进一步改进，所述能源消耗相关数据包括电力数据、水资源消耗数据和天然气消耗数据；
环境数据至少包括温度数据、湿度数据和外部气象数据。
作为本技术方案的进一步改进，所述数据采集模块至少包括有传感器、计量仪表；
其中，温湿度传感器用于检测室内外温度和湿度；环境传感器用于监测室内外空气质量、气压、光照强度等环境参数。
作为本技术方案的进一步改进，所述数据存储模块包括有实时数据库和历史数据库；
其中，所述实时数据库用于存储数据采集模块收集的建筑内能源消耗相关数据和环境数据的实时数据；
所述历史数据库用于存储历史能源消耗数据、历史环境数据、用于季节性趋势分析、模式识别和预测算法训练的数据；历史能源消耗数据包括建筑内不同能源类型的消耗情况，以小时、天、周、月或年为单位的能源使用量数据；历史环境数据包括建筑内外的环境因素，如温度、湿度、光照强度等数据；同时，历史数据库还存储有系统各个部件、设备的运行状态、性能参数、故障信息等，有助于分析系统运行的稳定性和效率。
作为本技术方案的进一步改进，所述能源消耗预测模型基于自回归集成移动平均算法，并将季节性因素的影响引入至能源消耗预测模型得到季节性自回归集成移动平均算法，其中，季节性自回归集成移动平均算法的数学表达式为：
；
其中，表示在时间点/>的能源消耗；/>表示自回归项的系数，用于描述能源消耗的自相关性，表示当前时刻的能源消耗与过去时刻的能源消耗之间的关系；/>为自回归项的阶数，表示考虑的过去时刻数量；/>表示在时间/>时的能源消耗；/>为移动平均项的系数，表示过去误差对当前能源消耗的影响；/>表示在时间/>时的噪声误差项；/>为移动平均项的阶数，表示考虑的过去误差数量；/>为差分项的系数，表示能源消耗的差分效应；/>为时间序列/>的差分，表示能源消耗的变化；/>为差分项的阶数，表示考虑的差分项数量；/>为季节性移动平均项的系数，表示季节性影响的移动平均效应；/>为季节性影响的时间延迟；/>表示在时间/>时的白噪声误差项；/>为季节性移动平均项的阶数，表示要考虑的季节性移动平均项数量；/>为常数项，表示模型中的常数偏置；/>为白噪声误差项，表示模型未能解释的随机部分。
作为本技术方案的进一步改进，所述能源动态分配策略的分配步骤如下：
S1、使用PID控制器作为基础控制器，基于历史数据和数据分析模块预测的结果，制定初步的能源管理策略；
S2、在PID控制器的基础上，引入线性规划算法，动态地优化能源分配策略；
S3、控制器模块根据经过优化的能源管理策略生成相应的控制指令，并下发给执行器模块，执行器模块根据指令调整和控制建筑内各个能源使用设备的运行。
作为本技术方案的进一步改进，所述PID控制器的具体为：
；
其中，表示PID控制器在时间/>时刻的输出值；/>为比例增益，表示控制器对于当前误差的响应强度，增大/>会增强控制器对于当前误差的响应，但可能导致系统不稳定或者产生振荡；/>为当前误差，表示设定值与实际值之间的差异；/>为积分增益，表示积分项对于积累误差的响应速度，用于消除系统的静态误差，增大/>可以加快系统消除静态误差的速度，但可能导致系统不稳定或者产生过度调节；/>为积分项，表示当前时刻之前的误差累积，积分项的目的是消除系统的稳态误差；/>表示误差函数，表示实际值和设定值之间的差异，在PID控制器中，/>表示在时间点/>上的误差值；/>表示一个极小的时间变化量，是微积分中的微小时间间隔符号；/>为微分增益；/>为误差变化率，表示误差函数随时间的变化率，其中，微分项用于预测系统对于未来变化的响应；/>表示误差函数/>随时间/>的变化率；/>为微小的时间变化量，表示时间的微小增量。
作为本技术方案的进一步改进，所述针对所述能源动态分配策略，引入极端天气事件的影响，在突发事件发生时，根据预测的突发事件下的能源需求量来调整能源分配，则对上述的最小化目标函数引入突发事情的约束条件：
而突发事情的影响约束为：
；
其中，表示突发事件下的额外能源分配量；/>表示对应预测的突发事件下的能源需求；/>为指示变量，表示突发极端事件是否发生的情况，在能源分配中被用来触发或控制针对突发事件的额外能源分配，/>取值为1或0，当/>取值为1时，意味着有某种突发极端情况发生，这时能源管理系统可以根据预测的额外需求量/>调整能源的分配以满足额外需求；而当/>取值为0时，则表示没有突发事件发生，能源分配按照正常策略执行；通过季节性能源需求约束，根据事件发生与否，调整能源分配，以适应突发极端事件下的额外需求。
作为本技术方案的进一步改进，所述执行器模块用于控制并调节建筑内的能源供给设备；
其中，所述能源供给设备至少包括照明系统、空调系统、供暖系统、供水系统和电力系统。
作为本技术方案的进一步改进，所述用户交互模块用于根据监控能源消耗，了解系统运行状态，通过设定参数与系统进行交互，且所述用户交互模块至少包括显示单元和输入单元；
其中，所述显示单元用于向用户展示能源消耗数据、预测趋势、系统状态和其他相关信息，显示单元为显示屏或其他显示界面；
所述输入单元用于通过输入设备向能源管理控制系统输入指令和设定参数，输入设备至少包括键盘、触摸屏或其他输入装置。
与现有技术相比，本发明的有益效果：
1、该一种绿色建筑能源管理控制系统中，控制器模块基于能源动态分配策略，制定最优的能源管理策略，其中，能源动态分配策略以PID控制器作为基础控制器，引入线性规划算法优化能源的分配和利用，动态地调整能源分配策略，解决了PID控制器通常专注于单一目标的优化的缺点，引入线性规划算法能够同时考虑多个目标，实现多目标的协同优化，并且能不同的时间段或季节性变化下动态调整能源分配，更好地适应季节性需求变化，在保持建筑内环境舒适度的同时降低能源消耗，提高能源利用效率。
2、该一种绿色建筑能源管理控制系统中，线性规划算法以最小化能源成本为目标进行优化控制，并引入极端天气事件的影响，调整能源分配，以适应突发极端事件下的额外需求。
附图说明
图1为本发明的整体流程框图；
图2为本发明的数据处理单元流程框图。
图中各个标号意义为：
1、数据采集模块；2、数据处理单元；3、智能控制单元；31、控制器模块；32、执行器模块；4、用户交互模块。
具体实施方式
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、完整的描述，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。
实施例
请参阅图1-2所示，提供了一种绿色建筑能源管理控制系统，包括数据采集模块1，数据采集模块1用于收集建筑内的能源消耗相关数据和环境数据，其中，能源消耗相关数据包括电力数据、水资源消耗数据和天然气消耗数据；
环境数据至少包括温度数据、湿度数据和外部气象数据。
且在本实施例中，数据采集模块1至少包括有传感器（温湿度传感器、环境传感器）、计量仪表（电表、水表、燃气表）；
其中，温湿度传感器用于检测室内外温度和湿度；环境传感器用于监测室内外空气质量、气压、光照强度等环境参数；
该绿色建筑能源管理控制系统还包括数据处理单元2，数据处理单元2包括数据存储模块、数据分析模块和数据预测模块；其中，数据存储模块用于接收并存储来自数据采集模块1的数据，数据分析模块用于对数据存储模块中的历史数据进行分析，分析的目的是了解季节性变化规律，观察不同季节、不同月份或周期的消耗模式，发现可能存在的季节性趋势，由数据预测模块基于历史数据建立能源消耗预测模型，并根据季节性因素的影响，预测未来能源消耗趋势，获得每个季节不同能源的预测需求量；
进一步的，数据存储模块包括有实时数据库和历史数据库；
其中，实时数据库用于存储数据采集模块1收集的建筑内能源消耗相关数据和环境数据的实时数据；
所述历史数据库用于存储历史能源消耗数据、历史环境数据、用于季节性趋势分析、模式识别和预测算法训练的数据；历史能源消耗数据包括建筑内不同能源类型（电能、燃气、水等）的消耗情况，以小时、天、周、月或年为单位的能源使用量数据；历史环境数据包括建筑内外的环境因素，如温度、湿度、光照强度等数据；同时，历史数据库还存储有系统各个部件、设备的运行状态、性能参数、故障信息等，有助于分析系统运行的稳定性和效率。
该绿色建筑能源管理控制系统还包括智能控制单元3，智能控制单元3至少包括控制器模块31，控制器模块31根据数据处理单元2的分析和预测结果，基于能源动态分配策略，制定最优的能源管理策略，并下发相应的控制指令给执行器模块32，执行器模块32根据控制器模块31的控制指令来执行控制操作；控制操作至少包括调节照明的亮度、空调系统的温度和供水流量；
在本实施例中，所述能源消耗预测模型基于自回归集成移动平均算法，并将季节性因素的影响引入至能源消耗预测模型得到季节性自回归集成移动平均算法，用于识别和预测包含季节性和非平稳变化的时间序列，其中，季节性自回归集成移动平均算法的数学表达式为：
；
其中，表示在时间点/>的能源消耗；/>表示自回归项的系数，用于描述能源消耗的自相关性，表示当前时刻的能源消耗与过去时刻的能源消耗之间的关系；/>为自回归项的阶数，表示考虑的过去时刻数量；/>表示在时间/>时的能源消耗；/>为移动平均项的系数，表示过去误差对当前能源消耗的影响；/>表示在时间/>时的噪声误差项；/>为移动平均项的阶数，表示考虑的过去误差数量；/>为差分项的系数，表示能源消耗的差分效应；/>为时间序列/>的差分，表示能源消耗的变化；/>为差分项的阶数，表示考虑的差分项数量；/>为季节性移动平均项的系数，表示季节性影响的移动平均效应；/>为季节性影响的时间延迟；/>表示在时间/>时的白噪声误差项；/>为季节性移动平均项的阶数，表示要考虑的季节性移动平均项数量；/>为常数项，表示模型中的常数偏置；/>为白噪声误差项，表示模型未能解释的随机部分。
所述控制器模块31基于能源动态分配策略，能源动态分配策略以PID控制器作为基础控制器，引入线性规划算法优化能源的分配和利用，动态地调整能源分配策略，则该能源动态分配策略的分配步骤如下：
S1、使用PID控制器作为基础控制器，基于历史数据和数据分析模块预测的结果，制定初步的能源管理策略；
S2、在PID控制器的基础上，引入线性规划算法，动态地优化能源分配策略；
S3、控制器模块根据经过优化的能源管理策略生成相应的控制指令，并下发给执行器模块，执行器模块根据指令调整和控制建筑内各个能源使用设备的运行。
所述PID控制器的具体为：
；
其中，表示PID控制器在时间/>时刻的输出值；/>为比例增益，表示控制器对于当前误差的响应强度，增大/>会增强控制器对于当前误差的响应，但可能导致系统不稳定或者产生振荡；/>为当前误差，表示设定值与实际值之间的差异；/>为积分增益，表示积分项对于积累误差的响应速度，用于消除系统的静态误差，增大/>可以加快系统消除静态误差的速度，但可能导致系统不稳定或者产生过度调节；/>为积分项，表示当前时刻之前的误差累积，积分项的目的是消除系统的稳态误差；/>表示误差函数，表示实际值和设定值之间的差异，在PID控制器中，/>表示在时间点/>上的误差值；/>表示一个极小的时间变化量，是微积分中的微小时间间隔符号；/>为微分增益；/>为误差变化率，表示误差函数随时间的变化率，其中，微分项用于预测系统对于未来变化的响应；/>表示误差函数/>随时间/>的变化率；/>为微小的时间变化量，表示时间的微小增量；
PID控制器通常专注于单一目标的优化，比如温度稳定性或者能源消耗，引入线性规划算法能够同时考虑多个目标，例如在满足温度需求的同时最小化能源消耗，实现多目标的协同优化；
进一步的，线性规划算法可以在不同的时间段或季节性变化下动态调整能源分配，根据历史数据和预测模型，优化能源的分配，从而更好地适应季节性需求变化。
引入线性规划算法，可优化能源的分配和利用，能够更有效地利用资源，在保持建筑内环境舒适度的同时降低能源消耗，提高能源利用效率；在绿色建筑能源管理控制系统中，引入线性规划算法作为补充，可以使PID控制器更好地适应复杂的多目标优化和动态能源分配需求，从而提高系统的能效和性能。
PID控制器的输出值表示控制系统根据当前的误差、积分误差和微分误差计算出的控制信号；
在本实施例中，PID控制器的输出值可以被当作目标函数中的某个系数或者项，在这个情况下，PID控制器的输出值可能会直接影响目标函数，例如成本函数中的某个成本系数，同时，PID控制器的输出值也可以被视为一个约束条件中的一部分，如果控制器的输出值用于反映实际的能源分配情况，那么它可能会被用作一个约束条件，以确保实际的能源分配量符合预期的值；因此，PID控制器的输出值可以作为目标函数的一部分，也可以作为约束条件的一部分，根据实际问题和优化目标的需要进行设置和利用。
进一步的，所述能源动态分配策略以最小化能源成本为目标进行优化控制，基于线性规划算法模型实现对各种能源的最优分配，基于历史数据和预测模型来预测未来的能源需求，采用线性规划算法找到最优的长期分配方案，则线性规划算法模型的数学表达式为：
最小化目标函数：
；
总能源需求约束：
；
；
季节性能源需求约束：
，/>；
其中，表示总成本，为目标函数，目标是最小化总成本；/>表示不同类型的能源/>的分配量；/>表示能源类型1的能源分配量；/>表示能源类型2的能源分配量；/>表示季节对能源类型1的预测需求量；/>表示季节/>对能源类型2的预测需求量；/>表示每单位能源的成本；/>表示对应能源类型/>的总需求量；/>表示对所有能源类型的项进行求和；/>表示能源的不同类型；/>表示对所有能源类型/>的能源分配量/>语气对应的单位成本/>的乘积进行求和；/>表示对所有能源类型/>的能源分配量/>进行求和；/>表示所有能源类型/>的总需求量的总和；/>表示总能源分配量必须等于总需求量，确保满足建筑的总能源需求；
在本实施例中，有两种能源类型，电能和燃气能源、两个季节性因素：冬季和夏季，其中，在冬季能源成本可能会因供应过剩而降低，而在夏季可能会因需求增加而上涨，不同类型能源在季节时的预测需求量和单位成本如下：
表1 能源需求和单位成本统计表
| 季节 | 电能的预测需求量（MJ） | 燃气能源的预测需求量（MJ） | 电能的单位成本（RMB） | 燃气能源的单位成本（RMB） |
| 冬季 | 150 | 200 | 10 | 8 |
| 夏季 | 180 | 220 | 11 | 9 |
则根据电能和燃气能源的预测需求量和单位成本，将上述表1中的数据，代入线性规划算法模型的数学表达式并计算可得到：
在冬季情况下：
；
，表示冬季对能源类型1的能源分配量；
，表示冬季对能源类型2的能源分配量；
在夏季情况下：
；
，表示夏季对能源类型1的能源分配量；
，表示夏季对能源类型2的能源分配量；
则冬季和夏季的能源成本总和为：
；
由此，得到每个季节下的能源成本，用于优化分析或决策制定，以确保能源分配能够最小化总能源成本，在不同季节性能源需求和成本之间进行比较可以指导动态能源分配；通过模型计算出的结果可以帮助确定在不同季节内分配不同类型的能源以实现最优成本效益，有助于指导实际的能源分配策略，以满足需求的同时尽量降低成本，同时也为未来的决策提供了参考。
传统方法按照固定的能源分配策略来确定能源分配，而不考虑季节性需求变化的情况下，能源需求的总需求量不变，将总需求量平均分配到两个季节中，为保障能源单位成本的合理性，单位成本选用上述冬季和夏季的平均值，具体如表2所示：
表2 能源需求和单位成本统计表
| 电能的预测需求量（MJ） | 燃气能源的预测需求量（MJ） | 电能的单位成本（RMB） | 燃气能源的单位成本（RMB） |
| 330 | 420 | 10.5 | 8.5 |
将能源的分配比例为相等分配：
则不考虑季节性需求变化的情况下，能源需求成本为：
；
将上述计算得到的能源成本与/>对比：
由此可知，在考虑季节性需求变化并根据实际的能源需求和成本进行分配时，能源的总成本比采用简单平均成本进行分配得到的/>更低的；说明在考虑季节性需求变化的情况下，根据实际的需求和成本分配能源可能更经济高效。
再进一步的，针对上述能源动态分配策略，引入极端天气事件的影响，在突发事件发生时，根据预测的突发事件下的能源需求量来调整能源分配，则对上述的最小化目标函数引入突发事情的约束条件：
而突发事情的影响约束为：
；
其中，表示突发事件下的额外能源分配量；/>表示对应预测的突发事件下的能源需求；/>为指示变量，表示突发极端事件是否发生的情况，在能源分配中被用来触发或控制针对突发事件的额外能源分配，/>取值为1或0，当/>取值为1时，意味着有某种突发极端情况发生，这时能源管理系统可以根据预测的额外需求量/>调整能源的分配以满足额外需求；而当/>取值为0时，则表示没有突发事件发生，能源分配按照正常策略执行；通过季节性能源需求约束，根据事件发生与否，调整能源分配，以适应突发极端事件下的额外需求。
具体的，若突发事件发生时的预测额外需求，此时/>，则在冬季下发生了突发事件，则突发事件影响下的能源成本为：
;
;
;
其中，表示突发事件发生时所需额外能源的单位成本；/>表示突发事件下的额外能源分配量；
由此，在原有的优化模型中加入突发事件的影响约束条件，计算出突发事件发生时的能源成本；通过引入突发事件的影响约束，系统可以在事件发生时对额外需求做出调整，以满足突发性的能源需求，确保能源供应的稳定性，通过指示变量控制额外能源分配的触发，使得系统在出现突发情况时能够快速响应并做出调整，保证能源供应的连续性和灵活性。
同时，在突发事件发生时，根据预测的额外需求量和事件影响约束条件，能源分配可以更有效地应对需求增加，避免能源短缺或供需失衡，同时避免因不足而引起的成本上升。
在本实施例中，执行器模块32用于控制并调节建筑内的能源供给设备；
其中，能源供给设备至少包括照明系统、空调系统、供暖系统、供水系统和电力系统。
该绿色建筑能源管理控制系统还包括用户交互模块4，用户交互模块4用于用户与系统进行交互；
进一步的，用户交互模块4用于根据监控能源消耗，了解系统运行状态，通过设定参数与系统进行交互，且用户交互模块4至少包括显示单元和输入单元；
其中，显示单元用于向用户展示能源消耗数据、预测趋势、系统状态和其他相关信息，显示单元为显示屏或其他显示界面；
输入单元用于通过输入设备向能源管理控制系统输入指令和设定参数，输入设备至少包括键盘、触摸屏或其他输入装置。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种绿色建筑能源管理控制系统，其特征在于，包括：
数据采集模块（1），所述数据采集模块（1）用于收集建筑内的能源消耗相关数据和环境数据；
数据处理单元（2），所述数据处理单元（2）包括数据存储模块、数据分析模块和数据预测模块；
其中，所述数据存储模块用于接收并存储来自数据采集模块（1）的数据，所述数据分析模块用于对数据存储模块中的历史数据进行分析，由数据预测模块基于历史数据建立能源消耗预测模型，并根据季节性因素的影响，预测未来能源消耗趋势；
智能控制单元（3），所述智能控制单元（3）至少包括控制器模块（31），所述控制器模块（31）根据数据处理单元（2）的分析和预测结果，基于能源动态分配策略，制定最优的能源管理策略，并下发相应的控制指令给执行器模块（32），所述执行器模块（32）根据控制器模块（31）的控制指令来执行控制操作；
用户交互模块（4），所述用户交互模块（4）用于用户与系统进行交互；
所述控制器模块（31）基于能源动态分配策略，所述能源动态分配策略以PID控制器作为基础控制器，引入线性规划算法优化能源的分配和利用，动态地调整能源分配策略；
所述能源动态分配策略以最小化能源成本为目标进行优化控制，则线性规划算法模型的数学表达式为：
最小化目标函数：
；
总能源需求约束：
；
；
季节性能源需求约束：
，/>；
其中，表示总成本；/>表示不同类型的能源/>的分配量；/>表示能源类型1的能源分配量；/>表示能源类型2的能源分配量；/>表示季节/>对能源类型1的预测需求量；/>表示季节/>对能源类型2的预测需求量；/>表示每单位能源/>的成本；/>表示对应能源类型/>的总需求量；/>表示对所有能源类型的项进行求和；/>表示能源的不同类型。
2.根据权利要求1所述的绿色建筑能源管理控制系统，其特征在于，所述能源消耗相关数据包括电力数据、水资源消耗数据和天然气消耗数据；
环境数据至少包括温度数据、湿度数据和外部气象数据。
3.根据权利要求2所述的绿色建筑能源管理控制系统，其特征在于，所述数据采集模块（1）至少包括有传感器、计量仪表；
其中，温湿度传感器用于检测室内外温度和湿度；环境传感器用于监测室内外空气质量、气压、光照强度。
4.根据权利要求1所述的绿色建筑能源管理控制系统，其特征在于，所述数据存储模块包括有实时数据库和历史数据库；
其中，所述实时数据库用于存储数据采集模块（1）收集的建筑内能源消耗相关数据和环境数据的实时数据；
所述历史数据库用于存储历史能源消耗数据、历史环境数据、用于季节性趋势分析、模式识别和预测算法训练的数据。
5.根据权利要求1所述的绿色建筑能源管理控制系统，其特征在于，所述能源消耗预测模型基于自回归集成移动平均算法，并将季节性因素的影响引入至能源消耗预测模型得到季节性自回归集成移动平均算法，其中，季节性自回归集成移动平均算法的数学表达式为：
；
其中，表示在时间点/>的能源消耗；/>表示自回归项的系数；/>为自回归项的阶数；表示在时间/>时的能源消耗；/>为移动平均项的系数；/>表示在时间/>时的噪声误差项；/>为移动平均项的阶数；/>为差分项的系数；/>为时间序列/>的差分；/>为差分项的阶数；/>为季节性移动平均项的系数；/>为季节性影响的时间延迟；/>表示在时间/>时的白噪声误差项；/>为季节性移动平均项的阶数；/>为常数项；/>为白噪声误差项。
6.根据权利要求1所述的绿色建筑能源管理控制系统，其特征在于，所述能源动态分配策略的分配步骤如下：
S1、使用PID控制器作为基础控制器，基于历史数据和数据分析模块预测的结果，制定初步的能源管理策略；
S2、在PID控制器的基础上，引入线性规划算法，动态地优化能源分配策略；
S3、控制器模块根据经过优化的能源管理策略生成相应的控制指令，并下发给执行器模块，执行器模块根据指令调整和控制建筑内各个能源使用设备的运行。
7.根据权利要求6所述的绿色建筑能源管理控制系统，其特征在于，所述PID控制器的具体为：
；
其中，表示PID控制器在时间/>时刻的输出值；/>为比例增益；/>为当前误差；/>为积分增益，表示积分项对于积累误差的响应速度；/>为积分项；/>为微分增益；/>为误差变化率。
8.根据权利要求6所述的绿色建筑能源管理控制系统，其特征在于，针对所述能源动态分配策略，引入极端天气事件的影响，在突发事件发生时，根据预测的突发事件下的能源需求量来调整能源分配，则对上述的最小化目标函数引入突发事情的约束条件：
而突发事情的影响约束为：
；
其中，表示突发事件下的额外能源分配量；/>表示对应预测的突发事件下的能源需求；/>为指示变量。
9.根据权利要求1所述的绿色建筑能源管理控制系统，其特征在于，所述执行器模块（32）用于控制并调节建筑内的能源供给设备；
其中，所述能源供给设备至少包括照明系统、空调系统、供暖系统、供水系统和电力系统。
10.根据权利要求1所述的绿色建筑能源管理控制系统，其特征在于，所述用户交互模块（4）用于根据监控能源消耗，了解系统运行状态，通过设定参数与系统进行交互，且所述用户交互模块（4）至少包括显示单元和输入单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410034170.5A CN117555225B (zh) | 2024-01-10 | 2024-01-10 | 一种绿色建筑能源管理控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410034170.5A CN117555225B (zh) | 2024-01-10 | 2024-01-10 | 一种绿色建筑能源管理控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117555225A true CN117555225A (zh) | 2024-02-13 |
| CN117555225B CN117555225B (zh) | 2024-04-26 |
Family
ID=89815028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410034170.5A Active CN117555225B (zh) | 2024-01-10 | 2024-01-10 | 一种绿色建筑能源管理控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117555225B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2003100851A4 (en) * | 2002-10-11 | 2004-02-05 | Bell, Graeme R Mr | Business Energy Portfolio Management System |
| CN114200839A (zh) * | 2021-12-09 | 2022-03-18 | 东南大学 | 一种耦合环境行为动态监测的办公建筑能耗智能控制模型 |
| CN116643529A (zh) * | 2023-07-27 | 2023-08-25 | 北京航天星桥科技股份有限公司 | 基于物联网的智能建筑能源管理系统 |
| CN116881083A (zh) * | 2023-07-21 | 2023-10-13 | 国网河北省电力有限公司邢台供电分公司 | 一种信息资源可共享配网设备管理系统 |
| CN116880396A (zh) * | 2023-07-19 | 2023-10-13 | 北京红山信息科技研究院有限公司 | 智慧工厂动态协同调度方法 |
| CN117193019A (zh) * | 2023-10-13 | 2023-12-08 | 武城县建筑设计院 | 一种用于建筑设计的智能楼宇控制系统 |
-
2024
- 2024-01-10 CN CN202410034170.5A patent/CN117555225B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2003100851A4 (en) * | 2002-10-11 | 2004-02-05 | Bell, Graeme R Mr | Business Energy Portfolio Management System |
| CN114200839A (zh) * | 2021-12-09 | 2022-03-18 | 东南大学 | 一种耦合环境行为动态监测的办公建筑能耗智能控制模型 |
| CN116880396A (zh) * | 2023-07-19 | 2023-10-13 | 北京红山信息科技研究院有限公司 | 智慧工厂动态协同调度方法 |
| CN116881083A (zh) * | 2023-07-21 | 2023-10-13 | 国网河北省电力有限公司邢台供电分公司 | 一种信息资源可共享配网设备管理系统 |
| CN116643529A (zh) * | 2023-07-27 | 2023-08-25 | 北京航天星桥科技股份有限公司 | 基于物联网的智能建筑能源管理系统 |
| CN117193019A (zh) * | 2023-10-13 | 2023-12-08 | 武城县建筑设计院 | 一种用于建筑设计的智能楼宇控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117555225B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111237989B (zh) | 一种基于负荷预测的楼宇通风空调控制方法及装置 | |
| CN107860102B (zh) | 一种控制中央空调的方法及装置 | |
| CN101782258B (zh) | 空调节能方法 | |
| CN102721156A (zh) | 中央空调自寻优智能模糊控制装置及其控制方法 | |
| CN103017290A (zh) | 空调电能控制装置及空调电能管理方法 | |
| CN115013861B (zh) | 一种基于供热系统的室内温度控制方法及装置 | |
| CN102003772A (zh) | 一种水源热泵节能优化控制方法 | |
| CN117239740B (zh) | 一种虚拟电厂系统的优化配置与灵活性提升方法及系统 | |
| CN114383299A (zh) | 基于大数据与动态仿真的中央空调系统运行策略优化方法 | |
| CN111780384A (zh) | 一种中央空调控制系统 | |
| CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
| CN113778215A (zh) | 基于大数据实现数据中心pue预测以及降耗策略的方法 | |
| CN117172625B (zh) | 一种对既有建筑进行节能改造的综合化分析方法 | |
| CN117119026A (zh) | 一种基于bim运维平台的高层超低能耗住宅传感器装置 | |
| CN117555225B (zh) | 一种绿色建筑能源管理控制系统 | |
| CN211526662U (zh) | 一种基于负荷预测的地铁车站通风空调节能系统 | |
| CN117670299A (zh) | 用于建筑园区的数字化运维监管方法及系统 | |
| CN117091242A (zh) | 空调温控负荷集群的评估方法、温度设定方法及系统 | |
| CN115526112A (zh) | 一种基于机器学习的建筑碳排放动态寻优管控系统及方法 | |
| CN111429040B (zh) | 一种建筑能耗检测系统计量设备优化部署方法 | |
| CN111240197A (zh) | 一种公共建筑机电系统的能效纠偏控制方法和装置 | |
| CN118411007B (zh) | 高效综合能源站ai智慧管理系统 | |
| CN118134293B (zh) | 一种用户端能源管理系统及方法 | |
| CN117763484B (zh) | 一种基于企业用能空间的用能异常诊断方法和装置 | |
| CN114997058B (zh) | 一种用于空调智能控制的辅助方法 |
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 |