楼宇负荷预测方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例公开了楼宇负荷预测方法、装置、设备及介质。该方法包括：确定当前楼宇的场景信息，并按照场景信息获取当前楼宇的用户用电数据；根据用户用电数据对初始高斯分布概率密度函数进行高斯曲线拟合，得到场景信息对应的目标高斯分布概率密度函数；确定蒙特卡洛模拟算法的算法参数，并根据用户用电数据确定当前楼宇的场景特征参数；将目标高斯分布概率密度函数、算法参数以及场景特征参数输入至蒙特卡洛模拟算法中进行模拟，获得当前楼宇的负荷预测结果。通过采用上述方案，通过确定当前楼宇的场景信息，考虑到了用户用电数据的不同特征，从而达到当前楼宇的负荷预测更快速，预测结果更精准的技术效果。结果更精准的技术效果。结果更精准的技术效果。

【技术实现步骤摘要】
楼宇负荷预测方法、装置、设备及介质


[0001]本专利技术实施例涉及电力工程
，尤其涉及楼宇负荷预测方法、装置、设备及介质。

技术介绍

[0002]随着我国“碳达峰”和“碳中和”目标的提出，智慧大厦、低碳楼宇等技术越来越受到楼宇投资方和综合能源服务商的广泛关注。为了充分对楼宇能量进行有效管理，提高楼宇微网系统运行效率，需要对楼宇的负荷进行预测，为楼宇能量高效管理及低碳运行提供基础数据参考。
[0003]一般影响楼宇负荷的因素有多种，例如时间段、室外温度、耗电量以及人流量等，现有技术中采用时间序列分析法、多元回归分析法或人工神经网络等方案基于上述因素实现对楼宇负荷的预测。
[0004]使用现有方案进行预测时，考虑因素不全面，存在负荷预测不准确的问题。

技术实现思路

[0005]本专利技术实施例提供了一种楼宇负荷预测方法、装置、设备及介质，可以优化现有的对楼宇负荷进行预测的实现方案。
[0006]第一方面，本专利技术实施例提供了一种楼宇负荷预测方法，包括：
[0007]确定当前楼宇的场景信息，并按照所述场景信息获取所述当前楼宇的用户用电数据；
[0008]根据所述用户用电数据对初始高斯分布概率密度函数进行高斯曲线拟合，得到所述场景信息对应的目标高斯分布概率密度函数；
[0009]确定蒙特卡洛模拟算法的算法参数，并根据所述用户用电数据确定所述当前楼宇的场景特征参数；
[0010]将所述目标高斯分布概率密度函数、所述算法参数以及所述场景特征参数输入至所述蒙特卡洛模拟算法中进行模拟，获得所述当前楼宇的负荷预测结果。
[0011]第二方面，本专利技术实施例提供了一种楼宇负荷预测装置，包括：
[0012]场景确定模块，用于确定当前楼宇的场景信息，并按照所述场景信息获取所述当前楼宇的用户用电数据；
[0013]曲线拟合模块，用于根据所述用户用电数据对初始高斯分布概率密度函数进行高斯曲线拟合，得到所述场景信息对应的目标高斯分布概率密度函数；
[0014]参数确定模块，用于确定蒙特卡洛模拟算法的算法参数，并根据所述用户用电数据确定所述当前楼宇的场景特征参数；
[0015]负荷预测模块，用于将所述目标高斯分布概率密度函数、所述算法参数以及所述场景特征参数输入至所述蒙特卡洛模拟算法中进行模拟，获得所述当前楼宇的负荷预测结果。
[0016]第三方面，本专利技术实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在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如本专利技术实施例提供的楼宇负荷预测方法。
[0017]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例提供的楼宇负荷预测方法。
[0018]本专利技术实施例中提供的楼宇负荷预测方案，首先确定当前楼宇的场景信息，并按照场景信息获取当前楼宇的用户用电数据；并根据用户用电数据对初始高斯分布概率密度函数进行高斯曲线拟合，得到场景信息对应的目标高斯分布概率密度函数；再确定蒙特卡洛模拟算法的算法参数，并根据用户用电数据确定当前楼宇的场景特征参数；最后将目标高斯分布概率密度函数、算法参数以及场景特征参数输入至蒙特卡洛模拟算法中进行模拟，获得当前楼宇的负荷预测结果。通过采用上述技术方案，根据楼宇的不同场景信息，获取不同的用户用电数据，考虑到了用户用电行为特性。进一步对不同的用户用电数据进行高斯拟合使得表现出用户用电行为特性，再使用蒙特卡洛算法结合不同场景特征参数进行模拟，可以达到对当前楼宇的负荷预测更快速，预测结果更精准的技术效果。
附图说明
[0019]图1为本专利技术实施例一提供的一种楼宇负荷预测方法的流程示意图；
[0020]图2为本专利技术实施例二提供的一种楼宇负荷预测方法的流程示意图；
[0021]图3为本专利技术实施例三提供的一种楼宇负荷预测装置的结构框图；
[0022]图4为本专利技术实施例四提供的一种计算机设备的结构框图。
具体实施方式
[0023]下面结合附图并通过具体实施方式来进一步说明本专利技术的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0024]在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0025]实施例一
[0026]图1为本专利技术实施例提供的一种楼宇负荷预测实现方法的流程示意图，该方法可以由楼宇负荷预测装置执行，以对楼宇负荷进行预测，其中该装置可由软件和/或硬件实现，一般可集成在服务器等计算机设备中。如图1所示，该方法包括：
[0027]S110、确定当前楼宇的场景信息，并按照场景信息获取当前楼宇的用户用电数据。
[0028]上述楼宇的场景信息可以根据当前楼宇的用途不同分为：办公场景和/或住宅场景。容易理解到，当楼宇的使用场景不同时，其对应的用户用电数据也不相同。
[0029]示例性的，在办公场景楼宇中，用户用电数据可以为空调用电、照明用电以及电脑用电等；在住宅场景楼宇中，用户用电数据可以为家用电器用电等；在具备办公场景和住宅
场景的楼宇中，用户用电数据可以为空调用电、照明用电、电脑用电以及家用电器用电等。
[0030]因此，在按照场景信息获取当前楼宇的用户用电数据时，可通过智能采集终端或智能感应器对不同场景信息下的用户插座的用电数据进行智能化采集。示例性的，智能采集终端或智能感应器的可采集当前楼宇中每个房间内，每日用电器接入该插座开始用电的时间、停止用电的时间、用电时段内用电量以及用电时段内平均功率等用电数据。
[0031]可选地，上述智能采集终端或智能感应器可具备数据信息上传的功能模块，可以将获取的用户用电数据上传至服务器端，并储存至当前楼宇的场景信息对应的数据库中，该数据库中的数据可表明当前楼宇场景下的用户用电的行为数据。这样做的好处在于，通过统计当前楼宇场景信息下的用户实际用电数据，在后续基于用户实际用电数据进行分析时，可以提高楼宇负荷的预测精度。
[0032]进一步地，可对数据库中的数据进行预处理，即剔除无效和明显出现错误的用户用电数据，例如，所采集的数据为空，或者明显超过正常范围的数据。并进一步对预处理后的用户用电数据进行统计分析，可以将用户用电数据按照不同的实际需求进行汇总统计。示例性的，可以汇总获得一天内不同时间分段接入插座进行用电的电器个数、在各时间分段接入电器所占比例以及单个插座一天内接入电器的次数等。
[0033]S120、根据用户用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种楼宇负荷预测方法，其特征在于，包括：确定当前楼宇的场景信息，并按照所述场景信息获取所述当前楼宇的用户用电数据；根据所述用户用电数据对初始高斯分布概率密度函数进行高斯曲线拟合，得到所述场景信息对应的目标高斯分布概率密度函数；确定蒙特卡洛模拟算法的算法参数，并根据所述用户用电数据确定所述当前楼宇的场景特征参数；将所述目标高斯分布概率密度函数、所述算法参数以及所述场景特征参数输入至所述蒙特卡洛模拟算法中进行模拟，获得所述当前楼宇的负荷预测结果。2.根据权利要求1所述的楼宇负荷预测方法，其特征在于，在所述根据所述用户用电数据对初始高斯分布概率密度函数进行高斯曲线拟合之前，还包括：利用非线性最小二乘法对所述用户用电数据进行计算，获得待定参数；将所述待定参数代入预设概率密度函数，得到所述初始高斯分布概率密度函数。3.根据权利要求2所述的楼宇负荷预测方法，其特征在于，所述根据所述用户用电数据对初始高斯分布概率密度函数进行高斯曲线拟合，得到所述场景信息对应的目标高斯分布概率密度函数，包括：将拟合参数输入所述初始高斯分布概率密度函数中，得到所述目标高斯分布概率密度函数，并计算所述目标高斯分布概率密度函数对应的拟合结果；其中，所述拟合参数包括：所述待定参数对应的拟合段数和拟合精度阈值。4.根据权利要求3所述的楼宇负荷预测方法，其特征在于，所述方法还包括：计算所述拟合段数对应的所述拟合结果的确定系数；若所述确定系数大于或等于所述拟合精度阈值，则输出所述拟合段数对应的所述拟合结果；若所述确定系数小于所述拟合精度阈值，则更新所述拟合段数和所述待定参数，并再次进行拟合，直至所述目标高斯分布概率密度函数的确定系数大于或等于所述拟合精度阈值时，输出更新后的拟合段数对应的拟合结果。5.根据权利要求1所述的楼宇负荷预测方法，其特征在于，所述当前楼宇的场景信息包括办公场景和/或住宅场景，当所述当前楼宇的场景信息包括所述办公场景和所述住宅场景时，所述用户用电数据包括所述办公场景的用户用电数据和所述住宅场景的用户用电数据，所述目标高斯分布概率密度函数包括所述办公场景对应的目标高斯分布概率密度函数和所述住宅场景对应的目标高斯分布概率密度函数，所述场景特征参数包括所述办公场景的场景特征参数和所述住宅场景的场景特征参数；所述将所述目标高斯分布概率密度函数、所述算法参数以及所述场景特征参数输入至所述蒙特卡洛模拟算法中进行模拟，获得所述当前楼宇的负荷预测结果，包括：将所述办公场景的用户用电数据、所述住宅场景的用户用电数据、所述办公场景对应的目标高斯分布概率密度函数、所述住宅场景对应的目标高斯分布概...

【专利技术属性】
技术研发人员：刘宗扬，陈盛燃，罗旭恒，魏志文，丁奕，黄学劲，李家淇，陈喆，袁灿培，张育宾，黄劲东，孔慧超，李俊辉，吴新雄，梁咏秋，张君，吴伟康，殷建树，
申请(专利权)人：广东电网有限责任公司东莞供电局，
类型：发明
国别省市：