楼宇综合能源功率预测模型构建方法、预测方法及网关技术

本发明专利技术公开了一种楼宇综合能源功率预测模型构建方法、预测方法及网关，在构建楼宇综合能源功率预测模型时，计算历史楼宇监测数据中各历史影响因子与历史楼宇综合能源功率的相关系数，根据相关系数提取出相关性较高的N个历史影响因子作为原始数据样本集，根据原始数据生成小误差矩阵。最后以最小误差输入矩阵作为训练样本进行楼宇综合能源功率预测模型的训练。通过实施本发明专利技术能够提高模型楼宇综合能源功率预测模型的预测准确性。能源功率预测模型的预测准确性。能源功率预测模型的预测准确性。

【技术实现步骤摘要】
楼宇综合能源功率预测模型构建方法、预测方法及网关


[0001]本专利技术涉及智能楼宇控制
，尤其涉及一种楼宇综合能源功率预测模型构建方法、预测方法及网关。

技术介绍

[0002]智能楼宇作为一些特大城市建筑的主要方式，其位于用户层级的智能系统能够逐步实现多能互补并满足终端用户的多元用能需求。在楼宇能耗领域中，随着光伏发电、电池储能系统、电动汽车和智能家电越来越广泛地与楼宇中的用电设备相结合，导致智能楼宇能量的控制过程变得越来越复杂。智能楼宇的综合能源精准功率预测，能够克服分布式能源随机性、波动性对楼宇能源系统的影响，在保障楼宇能源系统安全稳定地不间断供电运行的基础上，为合理的能源调度和管理策略制订提供数据支撑，从而减少系统热备用容量，降低楼宇的用能成本，为楼宇供能提供更好的能量管理方案。现有技术存在基于神经网络进行模型构建，然后对楼宇综合能源进行预测，其以收集到的多种类历史监测数据来预测楼宇的综合能源，一方面所采集的历史监测数据多种多样，其可能会引入与综合能源功率预测相关程度不高的数据项，导致附加干扰增大另一方面，所采集的数据中可能存在采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种楼宇综合能源功率预测模型构建方法，其特征在于，包括：获取历史楼宇监测数据以及对应的历史楼宇综合能源功率；其中，所述历史楼宇监测数据中包括若干影响历史楼宇综合能源功率的历史影响因子；计算每一历史影响因子与历史楼宇综合能源功率的相关系数，根据相关系数确定各历史影响因子与所述历史楼宇综合能源功率的相关性，并根据相关性对各历史影响因子进行排序，继而将相关性最高的前N个历史影响因子作为原始数据样本集；对原始数据样本集进行零均值化处理生成第二数据样本集；计算所述第二数据样本集的协方差矩阵，继而将所述协方差矩阵分解，获得对应的对角矩阵以及正交矩阵；将所述对角矩阵中对角线上的各特征值由大到小进行降序排列，根据各特征值的排序结果，将所述正交矩阵中与各特征值对应的各特征向量从上到下按行组成第一矩阵，继而提取所述第一矩阵中的前K行生成第二矩阵；根据所述原始数据样本集与所述第二矩阵生成小误差输入矩阵；以所述小误差输入矩阵为输入，以所述历史楼宇综合能源功率为输出对预设的神经网络进行训练，生成所述楼宇综合能源功率预测模型。2.如权利要求1所述的楼宇综合能源功率预测模型构建方法，其特征在于，通过斯皮尔曼相关性算法计算每一影响因子与历史楼宇综合能源功率的相关系数。3.一种楼宇综合能源功率预测方法，其特征在于，包括：获取当前楼宇监测数据以及楼宇综合能源功率预测模型构建时的原始数据样本集，继而根据所述原始数据样本集中的前N个历史影响因子，从所述当前楼宇监测数据中提取N个当前影响因子作为第一输入数据集；其中，所述楼宇综合能源功率预测模型根据权利要求1
‑
2任意一项所述的楼宇综合能源功率预测模型构建方法进行构建；对第一输入数据集进行零均值化处理生成第二输入数据集；计算所述第二输入数据集的第二协方差矩阵，继而将所述第二协方差矩阵分解获得对应的第二对角矩阵以及第二正交矩阵；将所述第二对角矩阵中对角线上的各第二特征值由大到小进行降序排列，根据各第二特征值的排序结果，将所述正交矩阵中与各第二特征值对应的各第二特征向量从上到下按行组成第三矩阵，继而提取所述第三矩阵中的前K行生成第四矩阵；根据所述第一输入数据集与所述第四矩阵生成第二小误差输入矩阵；将所述第二小误差输入矩阵输入至楼宇综合能源功率预测模型，以使所述楼宇综合能源功率预测模型根据所述第二小误差输入矩阵，生成当前楼宇综合能源功率预测结果。4.如权利要求3所述的楼宇综合能源功率预测方法，其特征在于，还包括：对当前楼宇综合能源功率预测结果进行存储，并根据当前楼宇综合能源功率预测结果对楼宇综合能源功率预测日志进行更新。5.一种楼宇综合能源网关，其特征在于，包括：数据获取模块、相关性计算模块、矩阵生成模块以及模型训练...

【专利技术属性】
技术研发人员：卢建刚，付佳佳，施展，梁宇图，曾瑛，张正峰，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：