一种基于大数据的建筑用能优化方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于大数据的建筑用能优化方法、装置及存储介质，其方法包括：获取用户的建筑用能提供量；设置用户的建筑用能需求量的约束范围；根据建筑用能提供量和建筑用能需求量的约束范围构建适应度函数；根据适应度函数采用遗传算法计算建筑用能需求量的最优参数；根据建筑用能需求量的最优参数优化建筑用能提供量；本发明专利技术协同考虑用户用能需求以及设备的能耗，构建适应度函数，并通过遗传算法获得设备的用能最优解，从而对相关设备进行调控，实现建筑用能的精确控制。实现建筑用能的精确控制。实现建筑用能的精确控制。

【技术实现步骤摘要】
一种基于大数据的建筑用能优化方法、装置及存储介质


[0001]本专利技术涉及一种基于大数据的建筑用能优化方法、装置及存储介质，属于电力系统


技术介绍

[0002]伴随社会经济的发展，人们对用能需求越来越大，能源浪费已经屡见不鲜，对于能源的优化已经迫在眉睫，为了有效的利用能源，各种技术和算法已被应用于能源优化。目前，通常采用获取的用能设备的参数通过相关算法预测用能需求，但是，日前用户日益增长的用能需求与能耗节约之间的冲突越来越明显，现有技术并未在预测过程中考虑用户需求，而导致预测的全面性和精度不够。考虑用户需求维度以及预测过程中如何平衡用户需求以及设备耗能之间的关系，成为保证用户用能需求的前提下优化能源利用率的关键问题。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的不足，提供一种基于大数据的建筑用能优化方法、装置及存储介质，在获取建筑用能提供量，在考虑用户需求维度的基础上采用遗传算法进行优化，预测出用户需求量的最优值，从而实现建筑用能的精确控制。
[0004]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0005]第一方面，本专利技术提供了一种基于大数据的建筑用能优化方法，包括：
[0006]获取用户的建筑用能提供量；
[0007]设置用户的建筑用能需求量的约束范围；
[0008]根据建筑用能提供量和建筑用能需求量的约束范围构建适应度函数；
[0009]根据适应度函数采用遗传算法计算建筑用能需求量的最优参数；
[0010]根据建筑用能需求量的最优参数优化建筑用能提供量。
[0011]可选的，所述建筑用能包括空气质量、照明度以及室内温度。
[0012]可选的，所述根据建筑用能提供量和建筑用能需求量的约束范围构建适应度函数包括：
[0013]获取处于约束范围内的建筑用能需求量；
[0014]根据建筑用能提供量和建筑用能需求量计算维持所述建筑用能需求量的能耗值E
o
：
[0015]E
o
＝P
A
(A
o
‑
A
c
)+P
L
(L
o
‑
L
c
)+P
T
(T
o
‑
T
c
)
[0016]式中，A
o
、L
o
、T
o
为空气质量、照明度以及室内温度的建筑用能需求量，P
A
、P
L
、P
T
为每单位空气质量、照明度以及室内温度变化消耗的功率，A
c
、L
c
、T
c
为空气质量、照明度以及室内温度的建筑用能提供量；能耗值E
o
满足：
[0017][0018]式中，(A
min
，A
max
)、(L
min
，L
max
)、(T
min
，T
max
)为空气质量、照明度以及室内温度的约束范围；E
max
、E
min
为最大能耗值和最小能耗值：
[0019]E
max
＝P
A
(A
max
‑
A
c
)+P
L
(L
max
‑
L
c
)+P
T
(T
max
‑
T
c
)
[0020]E
min
＝P
A
(A
min
‑
A
c
)+P
L
(L
min
‑
L
c
)+P
T
(T
min
‑
T
c
)
[0021]根据能耗值E
o
、最大能耗值E
max
和最小能耗值E
min
计算建筑的能耗值G
e
：
[0022][0023]式中，ΔE＝E
max
‑
E
min
；
[0024]根据建筑用能需求量和约束范围计算用户的用能需求度G
u
：
[0025][0026]式中，ΔA＝A
max
‑
A
min
，ΔL＝L
max
‑
L
min
，ΔT＝T
max
‑
T
min
，α
A
、α
L
、α
T
为空气质量、照明度以及室内温度的需求权重，α
A
+α
L
+α
T
＝1；
[0027]根据建筑的能耗值G
e
和用户的用能需求度G
u
构建适应度函数f
o
：
[0028]f
o
＝α
·
G
u
+β
·
G
e
。
[0029]可选的，所述根据适应度函数采用遗传算法计算建筑用能需求量的最优参数包括：
[0030]从约束范围内随机选取N个建筑用能需求量，将N个建筑用能需求量作为遗传算法的初始种群个体；
[0031]基于适应度函数计算初始种群个体的适应度，并将初始种群个体按适应度大小顺序组成个体序列；
[0032]获取个体序列中首个初始种群及其适应度，并将体序列中前T个初始种群个体作为精英个体；
[0033]对精英个体通过预设的交叉概率进行交叉操作，对交叉操作后的精英个体通过预设的变异概率进行变异操作，生成新的种群个体；
[0034]将新的种群个体替换初始种群个体，并重复上述步骤进行迭代，直至达到迭代终止条件，输出当前个体序列中首个初始种群并作为建筑用能需求量的最优参数。
[0035]可选的，所述迭代终止条件为迭代次数到达预设的最大迭代次数或个体序列中首个初始种群的适应度收敛。
[0036]第二方面，本专利技术提供了一种基于大数据的建筑用能优化装置，包括：
[0037]数据采集模块，用于获取用户的建筑用能提供量；
[0038]范围设置模块，用于设置用户的建筑用能需求量的约束范围；
[0039]适应度模块，用于根据建筑用能提供量和建筑用能需求量的约束范围构建适应度函数；
[0040]遗传计算模块，用于根据适应度函数采用遗传算法计算建筑用能需求量的最优参数；
[0041]用能优化模块，用于根据建筑用能需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的建筑用能优化方法，其特征在于，包括：获取用户的建筑用能提供量；设置用户的建筑用能需求量的约束范围；根据建筑用能提供量和建筑用能需求量的约束范围构建适应度函数；根据适应度函数采用遗传算法计算建筑用能需求量的最优参数；根据建筑用能需求量的最优参数优化建筑用能提供量。2.根据权利要求1所述的一种基于大数据的建筑用能优化方法，其特征在于，所述建筑用能包括空气质量、照明度以及室内温度。3.根据权利要求2所述的一种基于大数据的建筑用能优化方法，其特征在于，所述根据建筑用能提供量和建筑用能需求量的约束范围构建适应度函数包括：获取处于约束范围内的建筑用能需求量；根据建筑用能提供量和建筑用能需求量计算维持所述建筑用能需求量的能耗值E
o
：E
o
＝P
A
(A
o
‑
A
c
)+P
L
(L
o
‑
L
c
)+P
T
(T
o
‑
T
c
)式中，A
o
、L
o
、T
o
为空气质量、照明度以及室内温度的建筑用能需求量，P
A
、P
L
、P
T
为每单位空气质量、照明度以及室内温度变化消耗的功率，A
c
、L
c
、T
c
为空气质量、照明度以及室内温度的建筑用能提供量；能耗值E
o
满足：式中，(A
min
，A
max
)、(L
min
，L
max
)、(T
min
，T
max
)为空气质量、照明度以及室内温度的约束范围；E
max
、E
min
为最大能耗值和最小能耗值：E
max
＝P
A
(A
max
‑
A
c
)+P
L
(L
max
‑
L
c
)+P
T
(T
max
‑
T
c
)E
min
＝P
A
(A
min
‑
A
c
)+P
L
(L
min
‑
L
c
)+P
T
(T
min
‑
T
c
)根据能耗值E<...

【专利技术属性】
技术研发人员：张华鲁，李伟，石杰，李永光，张春平，王锦杰，吴德胜，徐春生，周小飞，
申请(专利权)人：南京南瑞信息通信科技有限公司，
类型：发明
国别省市：