基于时间、温度与空调参数的空调负荷预测方法技术

本发明专利技术公开了一种基于时间、温度与空调参数的空调负荷预测方法，所述的方法包括以下步骤：步骤一、根据空调运行情况，收集每个时间粒度空调负荷数据和空调参数；步骤二、根据空调所属区域获取环境温度，建立环境温度与时间关系数据集；步骤三、根据所述步骤一中收集的数据参数，结合所述步骤二中获取的环境温度，建立多元回归模型；步骤四、根据历史天气周期性，将多元回归模型参数做离群点检测，优化所述多元回归模型参数，完成预设时间的空调负荷预测。本发明专利技术能够简明、有效、快速、准确的完成空调负荷预测，能够为能源管理平台用电能源预测与评估提供有效数据支持。

Air conditioning load forecasting method based on time, temperature and air conditioning parameters

The invention discloses a prediction method for air conditioning load time, temperature and air conditioning based on the parameters, the method comprises the following steps: step one, according to the operation of air conditioning, air conditioning load data collected each time granularity and air conditioning parameters; step two, according to the air conditioning region to obtain the environmental temperature, environmental temperature and relationship data time set; step three, according to the data collected by the first step in the second step, combined with the acquisition of the environmental temperature, establish the multiple regression model; step four, according to the historical weather cycle, outlier detection will do multiple regression model parameter optimization, the multiple regression model parameters, complete the air conditioning load preset time prediction. The invention can predict air conditioning load in a concise, effective, fast and accurate way, and can provide effective data support for the prediction and evaluation of the energy consumption of the energy management platform.

【技术实现步骤摘要】
基于时间、温度与空调参数的空调负荷预测方法
本专利技术涉及能源服务
，适用于能源管理平台用电能源预测与评估，具体涉及一种基于时间、温度与空调参数的空调负荷预测方法。
技术介绍
随着我国经济不断快速发展，城镇化的飞速扩张，我国的电力需求不断攀升。而在近十几年来，空调系统普及，空调系统不仅进入千家万户，更重要的是空调系统在商业地产上的作用更加举足轻重，因此使得空调的用电能耗占整个城市的用电能耗的比例迅速上升，在用电高峰期，一些大中型城市的空调用电能耗已占到总城市用电能耗的20％以上。除了空调系统带来的能耗压力，同时它也加剧了日高峰低谷配电矛盾。尤其在夏季城市用电高峰期，这种矛盾更加严峻，由于高能耗的空调系统其负荷日用电高峰期与城市的其他大部分设备日用电高峰期高度重叠，而据调查，我国空调的夏季用电负荷占整个电网尖峰用电负荷的30％以上，使得城市高峰用电负荷与低谷用电负荷差距大幅扩大，电网处于严重的不均匀运行中。虽然空调的用电负荷主要集中在夏季，年均持续时间仅仅数百个小时，但是它对我国电网安全经济运行的影响很大。如果仅依靠增加电力供应是无法从根本上解决能耗上升和供电矛盾的。因此，作为用电大户的空调系统，如何智能化的调节空调系统，有效的降低用电高峰，不仅可以节省大量的电费同时也为平衡电网负荷发挥了重要的作用。空调系统能耗预测与评估是整个智能空调系统的核心，能够及时、快速、准确的预测空调负荷是智能用电的基础。
技术实现思路
本专利技术克服了现有技术的不足，提供一种基于时间、温度与空调参数的空调负荷预测方法。不针对具体品牌、型号，建立预测模型只需提供空调本身参数—制冷剂类型，额定功率和历史负荷数据，结合所属环境天气温度历史与实时数据，实现空调负荷预测。为解决上述的技术问题，本专利技术采用以下技术方案：一种基于时间、温度与空调参数的空调负荷预测方法，所述的方法包括以下步骤：步骤一、根据空调运行情况，收集每个时间粒度空调负荷数据和空调参数；步骤二、根据空调所属区域获取环境温度，建立环境温度与时间关系数据集；步骤三、根据所述步骤一中收集的数据参数，结合所述步骤二中获取的环境温度，建立多元回归模型；步骤四、根据历史天气周期性，将多元回归模型参数做离群点检测，优化所述多元回归模型参数，完成预设时间的空调负荷预测。更进一步的技术方案是所述的步骤一中根据时间粒度收集空调负荷数据，粒度至少到小时级。更进一步的技术方案是所述的空调参数包括：制冷剂类型、定频\变频和/或制冷量。更进一步的技术方案是所述的制冷剂类型包括：R22、R410、或R32类型。更进一步的技术方案是所述的步骤二包括：获取空调设备所在区域的环境温度，并且环境温度与时间建立对应关系，粒度至少到小时级。更进一步的技术方案是所述的步骤三中，建立多元回归模型为：αX制冷剂类型+βX环境温度+γX制冷量+δX定/变频＝Y负荷，根据步骤一和步骤二中收集的数据，完成模型训练。更进一步的技术方案是所述的步骤四中将多元回归模型参数做离群点检测是通过K-means算法去除离群点，进一步收敛，提升模型预测的准确度。与现有技术相比，本专利技术实施例的有益效果之一是：本专利技术能够简明、有效、快速、准确的完成空调负荷预测，能够为能源管理平台用电能源预测与评估提供有效数据支持。附图说明图1为本专利技术一个实施例的方法流程图。具体实施方式本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。下面结合附图及实施例对本专利技术的具体实施方式进行详细描述。在下面的详细描述中，出于解释的目的描述了许多具体描述以便能够彻底理解所公开的实施方案，然而，很明显一个或多个实施方式可以在不使用这些具体描述的情况下实施，在其他实例中，示意性地显示已知结构和装置，以便简化附图。如图1所示，根据本专利技术的一个实施例，本实施例公开一种基于时间、温度与空调参数的空调负荷预测方法，不针对具体品牌、型号，建立预测模型只需提供空调本身参数—制冷剂类型，额定功率和历史负荷数据，结合所属环境天气温度历史与实时数据，模型简单易于实现，预测准确率高。具体的，本实施例的方法包括以下步骤：步骤(1)，根据空调运行情况，收集每个时间粒度空调负荷数据，粒度至少到小时级，换而言之，每个空调在每个小时有一条负荷记录。收集空调参数记录，包括以下基本信息：冷剂类型、定频\变频、制冷量，其中制冷剂(冷媒)类型包括：R22/R410/R32等多种类型。步骤(2)，根据所属区域获取环境温度，建立环境温度与时间关系数据集，粒度至少到小时级。步骤(3)，根据步骤(1)中收集的具体参数，结合步骤(2)获取的环境温度，基于多参数回归模型训练负荷预测模型，将训练模型参数记录入库；引入时间段维度，历史同期时间段内，模型参数波动有一定阈值，通过检查离群点，筛选去除离群点，将训练结果集进行收敛，存储预测模型参数。具体的，所述多参数回归模型训练负荷预测模型为：αX制冷剂类型+βX环境温度+γX制冷量+δX定/变频＝Y负荷，根据步骤(1)和步骤(2)中收集的历史空调负荷数据，训练回归模型，拟合得出参数α、β、γ、δ；完成训练模型。步骤(4)，根据步骤(3)中完成的训练模型，结合待预测空调参数与环境温度，将回归模型参数做离群点检测，进一步优化多元回归预测模型，完成未来一段时间空调负荷预测。具体的，本实施例根据影响空调负荷的参数而建立的多元回归模型，通过K-means算法去除离群点，进一步收敛，提升模型预测的准确度。本实施例公开的方法能够简明、有效、快速、准确的完成空调负荷预测，能够为能源管理平台用电能源预测与评估提供有效数据支持。在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一个实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本专利技术的范围内。尽管这里参照专利技术的多个解释性实施例对本专利技术进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。本文档来自技高网...

【技术保护点】
一种基于时间、温度与空调参数的空调负荷预测方法，其特征在于：所述的方法包括以下步骤：步骤一、根据空调运行情况，收集每个时间粒度空调负荷数据和空调参数；步骤二、根据空调所属区域获取环境温度，建立环境温度与时间关系数据集；步骤三、根据所述步骤一中收集的数据参数，结合所述步骤二中获取的环境温度，建立多元回归模型；步骤四、根据历史天气周期性，将多元回归模型参数做离群点检测，优化所述多元回归模型参数，完成预设时间的空调负荷预测。

【技术特征摘要】
1.一种基于时间、温度与空调参数的空调负荷预测方法，其特征在于：所述的方法包括以下步骤：步骤一、根据空调运行情况，收集每个时间粒度空调负荷数据和空调参数；步骤二、根据空调所属区域获取环境温度，建立环境温度与时间关系数据集；步骤三、根据所述步骤一中收集的数据参数，结合所述步骤二中获取的环境温度，建立多元回归模型；步骤四、根据历史天气周期性，将多元回归模型参数做离群点检测，优化所述多元回归模型参数，完成预设时间的空调负荷预测。2.根据权利要求1所述的基于时间、温度与空调参数的空调负荷预测方法，其特征在于所述的步骤一中根据时间粒度收集空调负荷数据，粒度至少到小时级。3.根据权利要求1或2所述的基于时间、温度与空调参数的空调负荷预测方法，其特征在于所述的空调参数包括：制冷剂类型、定频\变频和/或制冷量。4.根据权...

【专利技术属性】
技术研发人员：赵亮，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川,51