一种楼宇负荷最优组合确定方法、终端设备及存储介质技术

本发明专利技术涉及一种楼宇负荷最优组合确定方法、终端设备及存储介质，该方法中包括：S1：根据楼宇中不同负荷类型的房间在不同时刻的负荷情况构建模型矩阵；S2：构建Hopfield神经网络模型，设定构建的模型矩阵为输入矩阵，根据模型矩阵设定网络的四项约束项和目标项；S3：对模型进行训练，直到网络的能量函数小于设定的阈值时停止，根据停止时模型的输出矩阵确定楼宇中各负荷类型的房间的使用时间。本发明专利技术通过构建Hopfield神经网络，根据楼宇各项负荷的使用时间和可接受转移的时间进行约束项的设置，以楼宇实际运行得到的负荷曲线的峰谷差率作为目标函数，有效的解决了楼宇负荷组合优化问题。

A Method for Determining the Optimal Combination of Building Load, Terminal Equipment and Storage Media

【技术实现步骤摘要】
一种楼宇负荷最优组合确定方法、终端设备及存储介质
本专利技术涉及组合优化
，尤其涉及一种楼宇负荷最优组合确定的方法、终端设备及存储介质。
技术介绍
随着的社会经济不断发展，人们的生活水平不断提高，随之增加了许多不同类型的负荷，其对电力网络的影响不尽相同。不同类型的负荷及其所占的比例决定了负荷的特性特点，因此对其进行分类和组合优化是很有必要的。通过科学地合理地用电负荷安排可以使电力负荷特性达到一个最优的状态，提高配电网运行效率。优化负荷特性的关键就在于通过负荷优化组合使得负荷水平接近实际运行状态，并且负荷特性的曲线峰谷差率最小。由于早期电力行业发展较慢，对负荷的要求和电能质量的要求不高，因此在楼宇方面的负荷优化研究较少，但近些年由于房地产的快速发展，大楼林立，因此对楼宇的用电负荷特性和电能资源的分配有更高的要求。随着科学技术的快速进步和低碳经济理念的深入人心，智慧楼宇可有效促进能源资源节约和合理利用。例如在日常的教学活动过程中，课程需要人工的编排与调整，需要花费较多的时间与人工成本。而且排出的课程使用时间可能在同一个时间段内负荷使用较为密集的状况。组合问题的研究历程由来已久，在优化组合问题的解决方法方式上多种多样。最简单的方法便是穷举法，但是只适用于可行解较少的问题才使用。而当所涉及问题的可行解范围规模较大时，所穷举的数量就会指数式上升，这是很不现实的。
技术实现思路
为了解决上述问题，本专利技术提出了一种楼宇负荷最优组合确定方法、终端设备及存储介质。具体方案如下：一种楼宇负荷最优组合确定方法，包括以下步骤：S1：根据楼宇中不同负荷类型的房间在不同时刻的负荷情况构建模型矩阵，其中矩阵的行和列分别表示使用时刻和负荷种类，矩阵中各元素的值为1或0，分别代表使用和不使用；所述负荷情况包括使用负荷类型、使用时间段、使用持续时间、能够接受转移的时间和每个房间的功率总和；S2：构建Hopfield神经网络模型，设定构建的模型矩阵为输入矩阵，设定网络的约束项包括四项，第一约束项根据矩阵中的每一行的和固定的特点设定，第二约束项根据矩阵中每行的各元素之间两两相乘的和固定的特点设定，第三约束项根据矩阵中每行的第一值为1的元素和最后一个值为1的元素的后一位元素的乘积恒为0的特点设定，第四约束项根据每行元素在可移动范围之外均为0的特点设定，网络的目标项根据负荷曲线的峰谷差率最小设定；S3：对模型进行训练，直到网络的能量函数小于设定的阈值时停止，根据停止时模型的输出矩阵确定楼宇中各负荷类型的房间的使用时间。进一步的，第一约束项E1的计算公式为：其中，i、j均为神经元，Vi,j表示神经元的输出，N为神经元的个数，A为权重系数。进一步的，第二约束项E2的计算公式为：其中，a为矩阵中元素的初始位置，b为每种负荷的可接受度，即每行对应可移动的位数，n为每行元素的和。进一步的，第三约束项E3的计算公式为：进一步的，第四约束项E4的计算公式为：进一步的，目标项D1的计算公式为：其中，D为权重系数。进一步的，能量函数E为：一种楼宇负荷最优组合确定终端设备，包括处理器、存储器以及存储在所述存储器中并可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本专利技术实施例上述的方法的步骤。一种计算机可读存储介质，所述计算机可读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本专利技术实施例上述的方法的步骤。本专利技术采用如上技术方案，通过构建Hopfield神经网络，根据楼宇各项负荷的使用时间和可接受转移的时间进行约束项的设置，以楼宇实际运行得到的负荷曲线的峰谷差率作为目标函数，有效的解决了楼宇负荷组合优化问题。附图说明图1所示为本专利技术实施例一中Hopfield神经网络结构示意图。图2所示为该实施例中算法的流程图。图3所示为该实施例中能量函数的程序结构图。图4所示为该实施例中动态函数的程序结构图。图5所示为该实施例中主程序的程序结构图。图6(a)所示为该实施例中第一种满足约束条件的结果。图6(b)所示为该实施例中第二种满足约束条件的结果。图6(c)所示为该实施例中第三种满足约束条件的结果。图7所示为该实施例中不满足约束条件的结果。图8所示为该实施例中没有变化的结果。图9所示为该实施例中仿真结果占比的示意图。图10所示为该实施例中三种满足约束条件的结果组合的负荷曲线。图11所示为该实施例中较优解里两条组合形式的负荷曲线。具体实施方式为进一步说明各实施例，本专利技术提供有附图。这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点。现结合附图和具体实施方式对本专利技术进一步说明。实施例一：该实施例中以某学校教学实验3号楼的楼宇负荷的使用情况进行说明。本专利技术实施例提供了一种楼宇负荷最优组合确定方法，包括以下步骤：步骤一：楼宇负荷统计及模型矩阵构建。通过对一栋楼宇中每个房间的负荷情况进行统计分类计算，主要统计每个房间的使用负荷类型、使用的主要时间段、使用的持续时间、可接受转移的时间(即可挪到其他的时间来使用)和每个房间的功率总和。该实施例中，选定夏季的某一天典型工作日，对教学实验3号楼的楼宇负荷的使用情况作了一个统计调查，由于选定的时间在夏天，因此使用较多的设备有空调、电脑。在其他设备的使用时间上做了合理的分配，例如高电压技术实验室里较不常使用的实验仪器和设备还有像实验室里自行组装的一些设备，按照设备的占地平方数对照单位耗电量进行替换。像电梯、打印机等设备有待机和工作时间的差异，按照预估时间分别计算其负荷值。(1)负荷分类主要把负荷分为五类包括了会议室类(包括招待室，教职工活动室，会议室等，使用时间较不定)如表1；教学实验室类(包括电气和光电相关的实验室，使用时间为上课时间)如表2；专用实验室类(包括了机器人实验室，GE实验室等，使用时间不固定)如表3；办公室类(包括教师办公室和学生组织办公室，使用时间为工作时间)如表4；基础负荷类(使用时间超过12个小时)如表5。表1表2表3表4表5(2)负荷特性负荷的特性指标包括了负荷的开始时间、负荷的持续时间、用户参与负荷调节的接受度和单位面积的耗电量。负荷的开始时间：业态负荷的启动时间，不同的业态负荷的开始时间不同，可分为有明确时间和无明确时间开始的，如办公室类负荷开始时间为工作早上上班时间，像会议室类开始时间就不定。负荷的持续时间：负荷开始时间到结束的持续时间，分为长持续时间和短持续时间。如电梯这类基础负荷持续时间一般为全天(不考虑特殊情况检修和停电等问题)，像上课的教学实验室类，持续时间一般为上课的时间，一般为两节课时间。用户参与负荷的接受度：可转移负荷在该时间段内的可接受移动的范围，对于可转移负荷，其全部负荷可从一个时间段转移到另一个时间段。单位面积的耗电量：利用每类负荷里典型的教室作为计算来源，算出单位面积的耗电量。(3)映射模型矩阵对统计的楼宇负荷进行数据整理，得到如表6所示的对应使用时间的模型矩阵，表格含义为某种负荷在某个时间段内的使用情况。表6其中，1表示在使用，0表示不在使用；横坐标：8:00到18:00,每隔1个小时的时间段，纵坐标：1*：会议室类本文档来自技高网...

【技术保护点】
1.一种楼宇负荷最优组合确定方法，其特征在于，包括以下步骤：S1：根据楼宇中不同负荷类型的房间在不同时刻的负荷情况构建模型矩阵，其中矩阵的行和列分别表示使用时刻和负荷种类，矩阵中各元素的值为1或0，分别代表使用和不使用；所述负荷情况包括使用负荷类型、使用时间段、使用持续时间、能够接受转移的时间和每个房间的功率总和；S2：构建Hopfield神经网络模型，设定构建的模型矩阵为输入矩阵，设定网络的约束项包括四项，第一约束项根据矩阵中的每一行的和固定的特点设定，第二约束项根据矩阵中每行的各元素之间两两相乘的和固定的特点设定，第三约束项根据矩阵中每行的第一值为1的元素和最后一个值为1的元素的后一位元素的乘积恒为0的特点设定，第四约束项根据每行元素在可移动范围之外均为0的特点设定，网络的目标项根据负荷曲线的峰谷差率最小设定；S3：对模型进行训练，直到网络的能量函数小于设定的阈值时停止，根据停止时模型的输出矩阵确定楼宇中各负荷类型的房间的使用时间。

【技术特征摘要】
1.一种楼宇负荷最优组合确定方法，其特征在于，包括以下步骤：S1：根据楼宇中不同负荷类型的房间在不同时刻的负荷情况构建模型矩阵，其中矩阵的行和列分别表示使用时刻和负荷种类，矩阵中各元素的值为1或0，分别代表使用和不使用；所述负荷情况包括使用负荷类型、使用时间段、使用持续时间、能够接受转移的时间和每个房间的功率总和；S2：构建Hopfield神经网络模型，设定构建的模型矩阵为输入矩阵，设定网络的约束项包括四项，第一约束项根据矩阵中的每一行的和固定的特点设定，第二约束项根据矩阵中每行的各元素之间两两相乘的和固定的特点设定，第三约束项根据矩阵中每行的第一值为1的元素和最后一个值为1的元素的后一位元素的乘积恒为0的特点设定，第四约束项根据每行元素在可移动范围之外均为0的特点设定，网络的目标项根据负荷曲线的峰谷差率最小设定；S3：对模型进行训练，直到网络的能量函数小于设定的阈值时停止，根据停止时模型的输出矩阵确定楼宇中各负荷类型的房间的使用时间。2.根据权利要求1所述的楼宇负荷最优组合确定方法，其特征在于：第一约束项E1的计算公式为：其中，i、j均为神经...

【专利技术属性】
技术研发人员：吕志盛，邵世然，
申请(专利权)人：厦门理工学院，
类型：发明
国别省市：福建,35