【技术实现步骤摘要】
基于数据前处理及小波分解的建筑空调负荷预测方法
本专利技术涉及一种建筑空调负荷预测方法,具体涉及一种基于数据前处理及小波分解的建筑空调负荷预测方法。
技术介绍
在目前,建筑能耗是非常值得关注的问题,建筑能耗约占社会总能耗的40%。在建筑物的生命周期中,采暖,通风和空调系统占建筑总能耗的68%。暖通空调系统的高能耗可归因于两个主要原因。一个是在部分负载工作条件下机组和泵的运行效率较低。另一个是在空调系统中,流速过高导致的供应和返回冷冻水之间的温差很小。因此,只有采用合理的控制方法才能够真正的提高空调系统的运行效率。当前空调系统大多采用传统的反馈控制方法,基于用户侧的回水温度来调整系统。但是由于建筑结构复杂,人员行为多变,反馈控制已经不再能满足人们的需求。通过预测未来时刻的建筑物供暖负荷,可以实时的响应室内情况的变化,因此,建立精度较高的负荷预测模型可以真正实现能源系统的实施调控,在节能的前提下,保证室内人员的热舒适。对于负荷预测模型的建立,正确选择模型输入是准确进行预测的先决条件。目前的参数前处理方式仍有一些缺点。一方面,变量的类型不足而且不全面,其中大多数是室外气象参数。建筑物的制冷和供暖负荷受室内变量的影响,如人员在室率,也应进行分析和考虑。另一方面,在模型输入的提取过程中,应强调外部和内部变量的潜在多重共线性。冗余或重复的模型输入参数将影响预测模型的准确性和计算速度。因此,采用合理的数据分析方式,对负荷预测模型的输入参数进行选择和筛选,改进目前的参数处理方式,是提高负荷预测精度和计算速度亟待解决的关键问题。
技术实现思路
有鉴于此,本专利技术提供一种建筑空 ...
【技术保护点】
1.基于数据前处理及小波分解的建筑空调负荷预测方法,其特征在于,包括以下步骤:(1)采用天气预报及气象站测试的方法获得影响建筑空调负荷的外部参数,通过测试获得影响建筑空调负荷的内部因素及负荷历史变化数值,构成原始数据集;(2)对所有输入的数据进行预处理,使其无量纲化;(3)对步骤(2)得到的经过预处理之后的建筑空调负荷序列进行离散小波分解;(4)对步骤(2)得到的经过预处理之后的原始数据集进行相关性分析,剔除相关性较低的变量,得到基础数据集;(5)对步骤(4)得到的基础数据集进行主成分分析,融合基础数据集的影响因子,消除多重共线性,将线性无关的新变量作为输入数据集;(6)将输入数据集输入多层感知神经网络,对每一个波段的负荷进行负荷预测;(7)组合不同频段的预测结果,并对数据进行反归一化处理,获取负荷预测值,并采用评价指标评价预测结果的精度。
【技术特征摘要】
1.基于数据前处理及小波分解的建筑空调负荷预测方法,其特征在于,包括以下步骤:(1)采用天气预报及气象站测试的方法获得影响建筑空调负荷的外部参数,通过测试获得影响建筑空调负荷的内部因素及负荷历史变化数值,构成原始数据集;(2)对所有输入的数据进行预处理,使其无量纲化;(3)对步骤(2)得到的经过预处理之后的建筑空调负荷序列进行离散小波分解;(4)对步骤(2)得到的经过预处理之后的原始数据集进行相关性分析,剔除相关性较低的变量,得到基础数据集;(5)对步骤(4)得到的基础数据集进行主成分分析,融合基础数据集的影响因子,消除多重共线性,将线性无关的新变量作为输入数据集;(6)将输入数据集输入多层感知神经网络,对每一个波段的负荷进行负荷预测;(7)组合不同频段的预测结果,并对数据进行反归一化处理,获取负荷预测值,并采用评价指标评价预测结果的精度。2.根据权利要求1所述的基于数据前处理及小波分解的建筑空调负荷预测方法,其特征在于,所述影响因素包括建筑外部影响因素及建筑内部影响因素。3.根据权利要求2所述的基于数据前处理及小波分解的建筑空调负荷预测方法,其特征在于,所述外部因素包括室外干球温度,太阳辐射强度和风速;所述内部因素包括室内空气参数,人员密度及办公设备的操作。4.根据权利要求1所述的基于数据前处理及小波分解的建筑空调负荷预测方法,其特征在于,所述步骤(1)中构成原始数据集的数据为测试得到的所有影响建筑空调负荷的外扰和内扰的变量。5.根据权利要求1所述的基于数据前处理及小波分解的建筑空调负荷预测方法,其特征在于,所述步骤(2)中对所有数据进行归一化处理,将各类变量的数值统一集中在[0,1]范围内,降低数值差异,将有量纲的变量变为无量纲的变量,所采用的方法是其中:oi表示变量o中一个数据样本原始值;oi′表示变量o中一个数据样本的归一化值;omax表示变量o所有数据样本的最大值;omin表示变量o所有数据样本的最小值。6.根据权利要求1所述的基于数据前处理及小波分解的建筑空调负荷预测方法,其特征在于,所述步骤(3)中使用Haar小波基函数进行小波分解,归一化的小波滤波器系数为低通滤波器H由构成,高通滤波器G由构成,首先,初始信号S进行第一次分解,得到一个低频信号a1和一个高频信号d1;其次,高频信号d1不再分解,低频信号al被看作是一个新的信号进行第二次分解,得到一个新的低频信号a2和高频信号d2;接着,可对a2进一步执行分解;上述过程一直持续,当有一个新的、足够平滑的低频信号生成,且一系列随机干扰信号被消除时,分解过程停止;最终,经过j次分解,可得到j+1组分解信号(aj,d1,d2,…,dj),其中am体现了初始信号S的变化趋势及变化规律,d1,d2,…,dj体现了初始信号S中的随机项、噪声项;其中,低频信号a和高频信号d的计算公式为:其中,aj和dj分别为在分辨率2-j下的低频高频信号。7.根据权利要求1所述的基于数据前处理及小波分解的建筑空调负荷预测方法,其特征在于,所述步骤(4)中,针对原始...
【专利技术属性】
技术研发人员:丁研,王翘楚,宿皓,张震勤,
申请(专利权)人:天津大学,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。