节能效果评价方法、系统、装置及存储介质制造方法及图纸

技术编号:34727932 阅读:12 留言:0更新日期:2022-08-31 18:15
本公开涉及节能环保技术领域,提供了一种节能效果评价方法、系统、装置及存储介质。该方法包括:获取第一时间段和第二时间段的数据,数据包括天气因素数据、工作因素数据、人员因素数据、能耗数据;基于获取的第一时间段数据,利用预设的回归模型,建立能耗因素关联模型;将第二时间段的影响因素数据输入能耗因素关联模型,计算得到第二时间段的能耗基准值;计算第二时间段能耗基准值与能耗实际值的差值,该差值为节能量,基于该节能量对节能效果进行评价。本公开能够全面且准确地获取模型参数,提高能耗评价的精准度和效率,评价结果的可信度较高。度较高。度较高。

【技术实现步骤摘要】
节能效果评价方法、系统、装置及存储介质


[0001]本公开涉及节能环保
,尤其涉及一种节能效果评价方法、系统、装置及存储介质。

技术介绍

[0002]在建筑体总能耗中,制热/制冷系统的能耗占据了很大比重,出于对经济性和环保性的追求,需要对制热/制冷系统采取各种节能措施。
[0003]从节能措施的实施方案来说,可大体分为两类。第一类是基于设备改造的节能措施,主要包括对现有设备的改造、替换和升级等,比如将定频水泵替换为变频水泵。第二类是基于设备控制算法的节能措施,在不对现有设备进行物理改造的前提下,通过对设备运行状态的调控,来达成节能目标,比如根据天气状况动态调控冷水机组出水温度设定值。在实际操作中,制热/制冷系统的节能改造可能会同时包含以上两类措施。节能措施的效果如何,是衡量该措施是否成功的最重要的方面,因此需要对节能效果进行可量化的评价。目前节能效果评价方法可大致分为三类。第一类是基于设备机理的节能量测算,第二类是基于数值模拟的节能量测算,第三类是通过改造前后的制热/制冷系统实际耗能量差值进行评价。
[0004]现有技术仅仅从被改造设备本身的设备机理考虑,评价条件简单,忽略了改造前后制热/制冷系统所处环境状态的不一致性的因素。

技术实现思路

[0005]有鉴于此,本公开实施例提供了一种节能效果评价方法、系统、装置及计算机程序可读存储介质,以解决现有技术中的评价效果差、不能够从整体耗能量变动考虑和评价节能效果、评价效果不够精准、考量因素不全面等问题。
[0006]本公开实施例的第一方面,提供了节能效果评价方法,包括以下步骤:
[0007]步骤1:将采取节能措施前的一个或者多个时间段作为第一时间段,将采取节能措施后的一个或者多个时间段作为第二时间段,获取第一时间段和第二时间段的数据,数据包括影响因素数据、能耗数据;
[0008]步骤2:基于获取的第一时间段数据,利用预设的回归模型,建立能耗因素关联模型;
[0009]步骤3:将第二时间段的影响因素数据输入能耗因素关联模型,计算得到第二时间段的能耗基准值;
[0010]步骤4:计算第二时间段能耗基准值与能耗实际值的差值,该差值为节能量,基于节能量对节能效果进行评价。
[0011]本公开实施例的第二方面,提供了一种系统,包括:包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
[0012]本公开实施例的第三方面,提供了一种装置,包括:包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
[0013]本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
[0014]本公开实施例与现有技术相比存在的有益效果是:通过全面获取基准期的影响因素数据、能耗数据,采用回归模型建立能耗因素关联模型,能够全面且准确地获取模型参数,提高能耗评价的精准度,将评价期影响因素数据输入能耗因素关联模型,计算得到评价期能耗基准值,在此基础上计算评价期能耗基准值与能耗实际值的差值,能够根据客观环境的实际条件,实时输出基准值,提高了效率、获得了可信度较高的评价结果,从系统整体层面而非设备层面对节能效果进行计算,产生可量化的评价。
附图说明
[0015]为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
[0016]图1是本公开实施例的应用场景的场景示意图;
[0017]图2是本公开实施例提供的一种节能效果评价方法的流程示意图;
[0018]图3是本公开实施例提供的一种面向制热/制冷系统节能措施的节能效果评价方法的流程示意图;
[0019]图4是本公开实施例提供的一种神经网络的两层隐层与单层输出层的输入与输出方法流程示意图;
[0020]图5是本公开实施例提供的一种系统的结构示意图;
具体实施方式
[0021]针对现有技术的第一类节能效果评价方法,即基于设备机理的节能效果测算,该方法仅仅从被改造设备本身的设备机理考虑,一是忽略了设备机理理论与实际运行状况的差异,二是忽略了制热/制冷系统作为一个整体,各设备之间具有一定的耦合关联性,该设备的改造会对其他设备的运行状况造成影响,仅从被改造设备的耗能量变动考虑是不合适的。
[0022]针对现有技术的第二类节能效果评价方法,即基于数值模拟的测算,数值模拟并不能完全还原现实中制热/制冷系统的运行工况,因此数值模拟通常是将制热/制冷系统放在一个简化的条件下模拟运行,使得模拟得到节能效果不具有较好的可信度和认可度。
[0023]针对现有技术的第三类节能效果评价方法,即通过改造前后的实际耗能量差值进行评价,该方法忽略了改造前后制热/制冷系统所处环境状态的不一致性。以综合商业体为例,若以改造后一个月与改造前一个月的耗能量差异作为对节能效果的评价,由于不能保证作为对比的两个月的天气状况、节假日数量、供冷面积等变量的一致性,使得评价结果不准确。例如,一般来说,9月份的制热/制冷耗能量通常比8月份的耗能量要低,当叠加上此类
变量后,节能措施所带来的效果就变得难以衡量。
[0024]本专利技术实施例能够解决现有技术中存在的相关问题,具体参见下文描述。
[0025]以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
[0026]下面将结合附图详细说明根据本公开实施例的一种节能效果评价方法和装置。
[0027]图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备1、2和3、服务器4、网络5、制热系统6、制冷系统7、其它节能系统8。
[0028]终端设备1、2和3可以是硬件,也可以是软件。当终端设备1、2和3为硬件时,其可以是具有显示屏且支持与服务器4通信的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等;当终端设备1、2和3为软件时,其可以安装在如上所述的电子设备中。终端设备1、2和3可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本公开实施例对此不作限制。进一步地,终端设备1、2和3上可以安装有各种应用,例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
[0029]服务器4可以是提供各种服务的服务器,例如,对与其建立通信连接的终端设备发送的请求进行接收的后台服务本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种节能效果评价方法,其特征在于,包括:将采取节能措施前的一个或者多个时间段作为第一时间段,将采取节能措施后的一个或者多个时间段作为第二时间段,获取第一时间段和第二时间段分别对应的数据,其中所述数据包括影响因素数据和能耗数据;基于所述第一时间段的数据,利用预设的回归模型,建立能耗因素关联模型,所述能耗因素关联模型用于表征所述影响因素数据与能耗基准值之间的影响关系;将所述第二时间段的影响因素数据输入所述能耗因素关联模型,计算得到所述第二时间段的能耗基准值;计算所述第二时间段的能耗基准值与所述第二时间段的能耗实际值的差值,将所述差值作为节能量,基于所述节能量对节能效果进行评价。2.根据权利要求1所述的节能效果评价方法,其特征在于,所述获取第一时间段和第二时间段分别对应的数据,包括:对系统进行节能效果评价,获取所述系统对应的影响因素数据和能耗数据,其中,所述影响因素数据包括天气因素、工作因素和人员因素数据,所述工作因素包括工作面积、节假日天数和时段因素,所述人员因素包括人员数量和人员流通量;所述系统为制热系统或者制冷系统。3.根据权利要求1所述的节能效果评价方法,其特征在于,在所述获取第一时间段和第二时间段分别对应的的数据之后,所述方法还包括:分别对所述第一时间段和所述第二时间段的影响因素数据及能耗数据进行数据处理,所述数据处理包括异常值剔除、缺失值补全和特征抽取。4.根据权利要求3所述的节能效果评价方法,其特征在于,对第一时间段和第二时间段的影响因素数据、能耗数据进行数据处理之后,将以非向量形式表示的数据的特征值映射到均值为0、标准差为1的标准正态分布中。5.根据权利要求4所述的节能效果评价方法,其特征在于,对数据处理后得到的天气因素向量x1、工作因素向量x2和人员因素向量x3进行拼接,得到综合特征向量进行拼接,得到综合特征向量其中d0为三类影响因素所包含的特征维度数量的和,表示特征维度数量为d0的向量空间。6.根据权利要求4或者5所述的节能效果评价方法,其特征在于,建立能耗因素关联模型的过程中,分别单独选择隐层神经网络和输出层神经网络的激活函数,激活函数类型包括:relu、Leaky relu、Parametric relu、relu6、sigmoid、tan...

【专利技术属性】
技术研发人员:李东进郝赫
申请(专利权)人:新奥数能科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1