一种基于自适应聚类算法的中央空调用电行为分析方法技术

本发明专利技术公开了一种基于自适应聚类算法的中央空调用电行为分析方法，属于中央空调的用能分析和参与电网的需求响应技术领域，该方法包括：采集中央空调的运行数据；对中央空调的运行数据进行预处理，得到中央空调的用电数据；基于自适应k

【技术实现步骤摘要】
一种基于自适应聚类算法的中央空调用电行为分析方法


[0001]本专利技术涉及中央空调的用能分析和参与电网的需求响应
，特别涉及一种基于自适应k
‑
medoids聚类算法的基于自适应聚类算法的中央空调用电行为分析方法。

技术介绍

[0002]中央空调作为商业楼宇、居民住宅和工业厂房中的主要能耗设备之一，体量庞大并且数量逐年攀升，其能耗特性和响应特性的研究对电网的节能减排、需求响应和提高能源利用效率具有重要的意义。中央空调装机较为分散、结构和运行模式较为复杂，且设备参数众多，使用智能电表或传感器采集的数据量较大，维度很高，使得中央空调的建模和特性研究较为困难，亟需提出一种高效的数据处理和聚类分析方法，为中央空调的精确建模和特性分析奠定基础。

技术实现思路

[0003]本专利技术实施例提供了一种基于自适应聚类算法的中央空调用电行为分析方法，以至少解决相关技术中中央空调运行数据预处理及数据分析中的技术问题。
[0004]根据本专利技术实施例的一方面，提供了一种基于自适应聚类算法的中央空调用电行为分析方法，包括：
[0005]步骤S1，采集中央空调的运行数据，包括：运用智能电表和传感器获取中央空调的能耗数据、中央空调所处空间室内外的环境数据；
[0006]步骤S2，对中央空调的运行数据进行预处理，得到中央空调的用电数据；
[0007]步骤S3，基于自适应k
‑
medoids聚类算法对预处理后的中央空调的用电数据进行聚类，使中央空调的影响因素聚类在同一类别中；
[0008]步骤S4，根据聚类后的结果分析中央空调的运行特性和响应特性。
[0009]可选地，所述中央空调所处空间室内外的环境数据包括：中央空调所处空间室内外的温湿度数据、送风量、风温度、水流量以及水温度。
[0010]可选地，所述预处理包括：剔除异常数据、合并数据、处理缺失数据以及归一化处理数据。
[0011]可选地，合并数据包括：将中央空调的运行数据的合并区间设置为分钟级，在分钟级的合并区间内，中央空调针对水温或者环境温度的变化响应良好；确定合并区间后，计算合并区间内多条采集数据的平均值。
[0012]可选地，基于自适应k
‑
medoids聚类算法对预处理后的中央空调的用电数据进行聚类包括以下步骤：
[0013]对每台中央空调的同一维数据均构造一条马尔科夫链，为中央空调统计所有马尔科夫链中相邻时段区间之间各数据值出现次数的转移矩阵F
t
，并求出t时段区间的转移概率矩阵P
t
；
[0014]通过马尔科夫链定义中央空调运行数据多样性D；
[0015]通过传统的k
‑
medoids聚类算法进行类聚，在传统的k
‑
medoids聚类算法每次聚类结束的基础上，结合中央空调运行数据多样性，检查聚类结果中各个维度的所有数据是否满足条件，如果不满足，将不满足的类别中所有数据重新分为两类，如果满足，则继续对剩余数据聚类，直至聚类完成。
[0016]可选地，t时段区间的转移概率矩阵中的t时段区间内中央空调的运行数据从状态i到状态j的转移概率为：
[0017][0018][0019]上式中，表示时段区间t内中央空调的运行数据从状态i到状态j的转移概率；为转移概率；n为状态转移矩阵每一行的状态数；k为任一状态；F
t
为马尔科夫链中相邻时段区间之间各数据值出现次数的转移矩阵；为P
t
的无偏估计。
[0020]可选地，所述中央空调运行数据多样性D的表达式为：
[0021][0022]上式中，N为中央空调运行数据的状态数，1/N为一个状态转移矩阵每一行n个状态出现的平均概率，为所有时段区间内中央空调运行数据从状态i转移到状态j的概率。
[0023]根据本专利技术实施例的另一方面，还提供了一种基于自适应聚类算法的中央空调用电行为分析装置，包括：
[0024]数据获取模块，用于采集中央空调的运行数据，包括：运用智能电表和传感器获取中央空调的能耗数据、中央空调所处空间室内外的环境数据；
[0025]预处理模块，用于对中央空调的运行数据进行预处理，得到中央空调的用电数据；
[0026]聚类模块，用于基于自适应k
‑
medoids聚类算法对预处理后的中央空调的用电数据进行聚类，使中央空调的影响因素聚类在同一类别中；
[0027]数据分析模块，用于根据聚类后的结果分析中央空调的运行特性和响应特性。
[0028]根据本专利技术实施例的另一方面，还提供了一种基于自适应聚类算法的中央空调用电行为分析系统，所述基于自适应聚类算法的中央空调用电行为分析系统包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项所述的基于自适应聚类算法的中央空调用电行为分析方法。
[0029]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的基于自适应聚类算法的中央空调用电行为分析方法。
[0030]与现有的技术相比，本专利技术具有如下有益效果：
[0031]本专利技术实施例中，采集中央空调的运行数据，包括：运用智能电表和传感器获取中央空调的能耗数据、中央空调所处空间室内外的环境数据；对中央空调的运行数据进行预处理，得到中央空调的用电数据；基于自适应k
‑
medoids聚类算法对预处理后的中央空调的用电数据进行聚类，使中央空调的影响因素聚类在同一类别中；根据聚类后的结果分析中央空调的运行特性和响应特性。在进行中央空调运行特性分析时，聚类结果能将能耗情况、制冷状况、运行时段等因素类似的中央空调聚合在同一类别中，同一类别中的中央空调对内及对外的表现形式都具有一致性，大大减少了需要分析运行特性的样本数量，在此基础上研究中央空调的响应特性时，可将同一类别的中央空调视为一个整体来进行调度，提高了响应能力的同时，减少调度成本，保证了电网的经济性。能有效解决中央空调运行数据的数量多、维度高问题。
附图说明
[0032]为了更清楚地说明本专利技术的技术方案，下面将对实施例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专利技术的一个实施例，对于本领域普通技术人员来说，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他的附图。
[0033]图1是根据本专利技术实施例的一种基于自适应聚类算法的中央空调用电行为分析方法的流程图。
具体实施方式
[0034]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0035]为了使本
的人员更好地理解本申请方案，下面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应聚类算法的中央空调用电行为分析方法，其特征在于，包括：步骤S1，采集中央空调的运行数据，包括：运用智能电表和传感器获取中央空调的能耗数据、中央空调所处空间室内外的环境数据；步骤S2，对中央空调的运行数据进行预处理，得到中央空调的用电数据；步骤S3，基于自适应k
‑
medoids聚类算法对预处理后的中央空调的用电数据进行聚类，使中央空调的影响因素聚类在同一类别中；步骤S4，根据聚类后的结果分析中央空调的运行特性和响应特性。2.根据权利要求1所述的基于自适应聚类算法的中央空调用电行为分析方法，其特征在于，所述中央空调所处空间室内外的环境数据包括：中央空调所处空间室内外的温湿度数据、送风量、风温度、水流量以及水温度。3.根据权利要求1所述的基于自适应聚类算法的中央空调用电行为分析方法，其特征在于，所述预处理包括：剔除异常数据、合并数据、处理缺失数据以及归一化处理数据。4.根据权利要求3所述的基于自适应聚类算法的中央空调用电行为分析方法，其特征在于，合并数据包括：将中央空调的运行数据的合并区间设置为分钟级，在分钟级的合并区间内，中央空调针对水温或者环境温度的变化响应良好；确定合并区间后，计算合并区间内多条采集数据的平均值。5.根据权利要求1所述的基于自适应聚类算法的中央空调用电行为分析方法，其特征在于，基于自适应k
‑
medoids聚类算法对预处理后的中央空调的用电数据进行聚类包括以下步骤：对每台中央空调的同一维数据均构造一条马尔科夫链，为中央空调统计所有马尔科夫链中相邻时段区间之间各数据值出现次数的转移矩阵F
t
，并求出t时段区间的转移概率矩阵P
t
；通过马尔科夫链定义中央空调运行数据多样性D；通过传统的k
‑
medoids聚类算法进行类聚，在传统的k
‑
medoids聚类算法每次聚类结束的基础上，结合中央空调运行数据多样性，检查聚类结果中各个维度的所有数据是否满足条件，如果不满足，将不满足的类别中所有数据...

【专利技术属性】
技术研发人员：卢健斌，莫宇鸿，韩帅，郭小璇，肖静，杨钧，王振，黄梦喜，龚文兰，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：