一种空调所属房屋一阶ETP模型的参数辨识方法和系统技术方案

本发明专利技术公开了一种空调所属房屋一阶ETP模型的参数辨识方法和系统，属于参数辨识领域。包括：获取待辨识居民空调各历史时段内负荷数据和对应时段室外温度数据；计算每个时段里空调平均负荷，以室外温度为自变量，以平均负荷为因变量，对所有时段数据进行线性拟合，拟合出的斜率倒数为房屋等效热阻；基于最小二乘的思想构建优化模型，求解所述优化模型得到室内温度和室内热源功率；根据待辨识居民空调历史负荷数据，计算空调工作功率；结合室外温度和辨识出房屋等效热阻、室内温度、室内热源功率、空调工作功率，计算房屋等效热容。本发明专利技术将待辨识参数分为稳态和动态，先求解稳态参数，再计算动态参数，提高了所构建的空调模型的准确性和鲁棒性。性和鲁棒性。性和鲁棒性。

【技术实现步骤摘要】
一种空调所属房屋一阶ETP模型的参数辨识方法和系统


[0001]本专利技术属于空调负荷传统物理模型参数辨识领域，更具体地，涉及一种空调所属房屋一阶ETP(equivalent thermal parameter，等效热参数)模型的参数辨识方法和系统。

技术介绍

[0002]随着以智能电表为代表的先进量测体系在居民用户中的逐步普及，居民用户的历史负荷数据可以被大量获得。在空调负荷传统物理模型的基础上，结合数据驱动技术可以对模型的参数进行辨识，进而更加准确地建立空调负荷模型。因此如何提取空调历史负荷曲线的关键特征量，进而对空调负荷物理模型相关参数进行准确辨识是急需解决的问题。
[0003]专利CN109827310A提出一种居民空调负荷群聚合模型建立方法，其主要思想为：获取居民空调负荷历史运行数据和室外温度，建立居民空调负荷群聚合模型，并运用参数辨识方法获得空调负荷聚合模型参数。然而，其存在以下缺陷：1)构建并辨识的模型针对的对象是聚合空调，忽略了不同空调运行性能的差异性，并且没有充分挖掘每户空调负荷数据的价值，模型的计算结果存在精度较低的问题；2)用户的室内温度计算结果和实际值差异较大，不能保障用户的舒适度。
[0004]专利CN105204334A提出一种基于递推最小二乘法的空调所属建筑物一阶模型实时参数辨识方法，其主要思想为：将空调所属建筑物ETP模型等效为标准差分方程，同时确定输入输出序列及待辨识参数序列，利用递推最小二乘法对空调负荷模型的实时参数进行辨识。然而，其存在以下缺陷：1)将ETP模型进行变形处理，辨识得到的系数不能直接表示ETP模型中参数的物理含义。；2)室内温度参数假设通过采集得到，并没有在线辨识。
[0005]专利CN105159085A提出一种空调所属建筑物二阶等效热参数模型的实时参数辨识方法，其主要思想为：建立空调负荷所属建筑物的二阶微分方程组，确定输入输出量及需要辨识的参数，利用协同粒子群算法进行实时参数辨识。然而，其存在以下缺陷：1)仅对等效热参数模型中的等效热阻进行在线辨识，得到的模型并不能有效模拟空调实际运行情况；2)参数在线辨识需要较快的计算速度，传统的粒子群优化求解算法并不能满足实时性的计算要求。

技术实现思路

[0006]针对现有技术的缺陷和改进需求，本专利技术提供了一种空调所属房屋一阶ETP模型的参数辨识方法和系统，其目的在于基于居民用户空调负荷的历史数据，结合数据驱动技术对空调负荷物理模型的关键参数进行准确辨识，建立一个精度高、鲁棒性强的空调负荷物理模型，为空调负荷需求响应潜力的模拟和计算提供基础。
[0007]为实现上述目的，按照本专利技术的第一方面，提供了一种空调所属房屋一阶ETP模型的参数辨识方法，该方法包括：
[0008]S1.获取待辨识居民空调的各历史时段内的负荷数据和对应时段室外温度数据；
[0009]S2.计算每个时段里空调的平均负荷，以室外温度为自变量，以平均负荷为因变
量，对所有时段的数据进行线性拟合，拟合出的斜率倒数即为一阶ETP模型中的房屋等效热阻；
[0010]S3.基于最小二乘的思想构建优化模型，求解所述优化模型得到一阶ETP模型中的室内温度和室内热源功率；
[0011]S4.根据待辨识居民空调的历史负荷数据，计算一阶ETP模型中的空调工作功率；
[0012]S5.结合室外温度和辨识出的房屋等效热阻、室内温度、室内热源功率、空调工作功率，计算一阶ETP模型中的房屋等效热容。
[0013]优选地，所述一阶ETP模型如下：
[0014][0015]其中，T
i
(t)表示t时刻室内温度；T
o
(t)表示t时刻室外温度；R
a
表示房屋热阻；C
a
表示房屋热容；P
AC
(t)表示t时刻空调工作功率；P
other
(t)表示t时刻室内热源功率；η表示空调的能源效率系数。
[0016]有益效果：本专利技术对原一阶ETP模型进行改进，引入了室内热源功率，由于可以进一步考虑房屋内电器工作和人员流动等热源对室内温度和空调工作状态的影响，从而提高了房屋的建模精度，辨识得到的ETP模型具有更高的适用性和鲁棒性。
[0017]优选地，步骤S3中，构建的优化模型如下：
[0018][0019][0020]其中，表示m时段空调工作功率均值，R
a
表示房屋热阻，η表示空调的能源效率系数，表示m时段室外温度均值，表示m时段室内温度均值，表示m时段室内热源功率均值，T
set，min
和T
set,max
分别表示室内温度设定值的下限和上限，和分别表示室内热源功率的下限和上限。
[0021]有益效果：本专利技术基于最小二乘的思想，构建室内温度和室内热源功率的优化求解模型，以实际值和仿真值误差最小建立优化目标函数，同时结合实际情况对室内温度和室内热源功率两个待优化变量进行线性约束，由于优化模型是二次规划，从而可高效快速的计算出最优结果，实现了室内温度和室内热源功率两个参数的准确辨识。
[0022]优选地，步骤S4具体如下：
[0023]基于空调历史负荷数据，设置功率阈值；
[0024]若空调实时功率大于功率阈值，则该时刻空调处于工作状态，否则，该时刻空调处于待机状态或关闭状态；
[0025]提取运行状态时段里所有时刻空调的工作功率，进行平均化，即可得到空调工作功率。
[0026]有益效果：本专利技术通过设置功率阈值进行比较，由于空调的状态频繁变化，将采样时段里空调工作的所有时刻进行有效提取，再进行平均化计算空调工作功率，从而消除了空调状态变化对空调工作功率计算结果的影响，提高了辨识的准确性。
[0027]优选地，步骤S5包括以下子步骤：
[0028]S51.从空调历史各时段内的负荷数据中识别出空调开机时刻t0和空调第一次从工作转为待机的时刻t1；
[0029]S52.计算两个时刻的时间差Δt＝t1‑
t0；
[0030]S53.将时间差Δt、室外温度和辨识出的房屋等效热阻、室内温度、室内热源功率、空调工作功率代入以下公式，计算一阶ETP模型中的房屋等效热容：
[0031][0032]其中，R
a
表示房屋热阻，C
a
表示室内热容，η表示空调的能源效率系数，P
AC
表示空调工作功率，P
other
表示室内热源功率，T
o
表示室外温度，T
i
表示室内温度，ΔT表示室内温度变化量。
[0033]有益效果：本专利技术通过空调负荷数据中特征值的识别，有效提取空调开机后的室内温度变化时段，由于房屋的等效热容大小和室内温度的变化的快慢直接相关，从而基于室内温度变化时段的温度和时间数据可直接有效计算出房屋等效热容。
[0034]优选地，搜索识别一段时间内的多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空调所属房屋一阶ETP模型的参数辨识方法，其特征在于，该方法包括：S1.获取待辨识居民空调的各历史时段内的负荷数据和对应时段室外温度数据；S2.计算每个时段里空调的平均负荷，以室外温度为自变量，以平均负荷为因变量，对所有时段的数据进行线性拟合，拟合出的斜率倒数即为一阶ETP模型中的房屋等效热阻；S3.基于最小二乘的思想构建优化模型，求解所述优化模型得到一阶ETP模型中的室内温度和室内热源功率；S4.根据待辨识居民空调的历史负荷数据，计算一阶ETP模型中的空调工作功率；S5.结合室外温度和辨识出的房屋等效热阻、室内温度、室内热源功率、空调工作功率，计算一阶ETP模型中的房屋等效热容。2.如权利要求1所述的方法，其特征在于，所述一阶ETP模型如下：其中，T
i
(t)表示t时刻室内温度；T
o
(t)表示t时刻室外温度；R
a
表示房屋热阻；C
a
表示房屋热容；P
AC
(t)表示t时刻空调工作功率；P
other
(t)表示t时刻室内热源功率；η表示空调的能源效率系数。3.如权利要求1或2所述的方法，其特征在于，步骤S3中，构建的优化模型如下：征在于，步骤S3中，构建的优化模型如下：其中，表示m时段空调工作功率均值，R
a
表示房屋热阻，η表示空调的能源效率系数，表示m时段室外温度均值，表示m时段室内温度均值，表示m时段室内热源功率均值，T
set,min
和T
set,max
分别表示室内温度设定值的下限和上限，和...

【专利技术属性】
技术研发人员：石晶，宋赵芳，陈泽旭，张紫桐，杨王旺，任丽，徐颖，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：