【技术实现步骤摘要】
本专利技术涉及一种计及空调运行状态的定频中央空调日前负荷预测方法，属于中央空调负荷预测。
技术介绍
1、随着中国经济高速化发展，城市中建筑规模不断扩大，中央空调系统作为建筑主要耗能设备之一，其用电在城市用电中占很大比例。对中央空调负荷预测及调控策略研究，可以大大降低其自身能耗，能很好地实现降低空调运行费用、节能减排的目的。
2、中央空调负荷预测一般利用数学模型和算法来预测未来一段时间内中央空调系统的负荷情况。中央空调负荷预测通常涉及到多个影响空调状态的因素，包括室内外温湿度、风速、人流量、建筑物本身情况等。通过收集和分析这些数据，可以建立预测模型。建立预测模型方法包括机理建模、数据驱动建模等。机理建模又称为白箱建模，是根据被研究对象的内部结构原理、各传热介质变化、各外部相关因素建立模型。基于机理建立的模型非常繁琐，在设计控制器时需要计算大量的微分方程，因此在工程应用中会有很大的局限性。数据驱动建模又称为黑箱模型，数据驱动模型是利用系统实验数据进行建模，不需要大量的理论知识，只需对实验数据进行分析并通过输入输出之间的关系来建立模型结构。
3、目前，中央空调负荷预测模型及调控策略研究还处于初步阶段，中央空调负荷资源采集精准度不高，调控精细化水平不足，亟待挖掘中央空调负荷更精准的预测方法。因此，研究一种计及空调运行状态的定频中央空调日前负荷预测方法，有利于中央空调负荷精准调控，实现与电网调度的灵活互动。
4、上述问题是在计及空调运行状态的定频中央空调日前负荷预测过程中应当予以考虑并解决的问题。>
技术实现思路
1、本专利技术的目的是提供一种计及空调运行状态的定频中央空调日前负荷预测方法解决现有技术中存在的中央空调日前负荷预测的准确性有待提高的问题。
2、本专利技术的技术解决方案是：
3、一种计及空调运行状态的定频中央空调日前负荷预测方法，包括以下步骤，
4、s1、获取历史时段的n组监测数据，每组监测数据包括影响中央空调冷量需求的因素和中央空调系统运行总功率；
5、s2、对监测数据进行归一化处理得出无量纲的新数据，并将影响中央空调冷量需求因素的新数据分别进行与中央空调系统负荷率的相关性分析，根据相关性分析结果分配权重，得到各无量纲的新数据对中央空调系统负荷率的贡献值历史数据序列；
6、s3、建立基于精英保留策略遗传算法epga改进的反向传播神经网络模型即epga-bpnn模型，将贡献值历史数据序列作为输入数据，结合历史时段的中央空调系统负荷率，对epga-bpnn模型进行训练后，得到训练后的epga-bpnn模型；
7、s4、获取预测时段前设定时段的的监测数据，并得到预测时段前设定时段的的贡献值数据序列；
8、s5、将预测时段前设定时段的贡献值数据序列输入训练后的epga-bpnn模型，得到预测时段的中央空调系统负荷率；
9、s6、根据步骤s5得到的预测时段的中央空调系统负荷率，判定预测时段的中央空调系统的运行状态，根据运行状态制定预测时段相应的调控策略。
10、进一步地，步骤s1中，获取历史时段的n组监测数据，每组监测数据包括影响中央空调冷量需求的因素和中央空调系统运行总功率，具体为，采集n组影响中央空调冷量需求的因素包括室内温度tin、室内湿度hin、室外温度tout、室外湿度hout和冷冻水温度tcw；并采集对应的中央空调系统运行总功率为pair；得到n组监测数据{tin,hin,tout,hout,tcw，pair}。
11、进一步地，步骤s2中，对监测数据进行归一化处理得出无量纲的新数据，具体为，归一化处理监测数据：
12、
13、其中，序列x1,x2,x3,x4,x5分别表示输入变量室内温度tin、室内湿度hin、室外温度tout、室外湿度hout、冷冻水温度tcw，序列x6为中央空调系统运行总功率为pair的数据序列，即{x1＝tin,x2＝hin,x3＝tout,x4＝hout,x5＝tcw,x6＝pair}，进行变换后获得输出量y1,y2,y3,y4,y5,y6∈[0,1]，该输出量为无量纲的新数据。
14、进一步地，步骤s2中，将影响中央空调冷量需求因素的新数据分别进行与中央空调系统负荷率的相关性分析：
15、
16、其中，i＝1,2,...,6,k＝1,2,...,n，lr(k)为中央空调系统负荷率序列，为母序列；yi(k)为第i个标准化输出序列，为子序列；f(lr(k),yi(k))表示第i个子序列与母序列对应维度上的关联性，取值范围在0～1之间，0表示不相关，1表示强关联性，数字越大，代表关联性越强；ρ为分辨系数；p、q分别为两级最小差和两级最大差：
17、进一步地，步骤s2中，根据相关性分析结果分配权重，得到各无量纲的新数据对中央空调系统负荷率的贡献值历史数据序列，具体为，根据相关性分析结果分配权重a1,a2,a3,a4,a5,a6，将经过归一化处理的数据序列y1,y2,y3,y4,y5,y6乘以分配的权重值，得到对负荷率的贡献值历史数据序列：ycvi(k)＝yi·ai，其中，i＝1,2,...,6,k＝1,2,...,n。
18、进一步地，步骤s3中，基于精英保留策略遗传算法epga改进的反向传播神经网络模型即epga-bpnn模型包括反向传播神经网络模型即bpnn模型和参数优化模块，
19、bpnn模型：将历史时段中w-v时刻至w时刻的贡献值历史数据序列作为输入数据，进行前向传播，并得到w+1时刻至w+u时刻的预测负荷率；将得到的预测负荷率和历史时段的对应的中央空调系统运行总功率之间的误差进行反向传播；
20、参数优化模块：采用精英保留策略遗传算法epga对bpnn模型的网络参数进行迭代优化，得到优化后的bpnn模型的网络参数。
21、进一步地，步骤s3中，将贡献值历史数据序列作为输入数据，结合历史时段的中央空调系统负荷率，对epga-bpnn模型进行训练后，得到训练后的epga-bpnn模型，具体为，
22、s31、将历史时段中w-v时刻至w时刻的贡献值历史数据序列，输入epga-bpnn模型的bpnn模型，输出w+1时刻至w+u时刻的中央空调系统负荷率预测值序列；
23、s32、由中央空调系统负荷率预测值序列和历史时段的中央空调系统运行总功率，计算预测误差的损失函数loss；
24、s33、对bpnn模型的网络参数进行初始化，将初始化后的网络参数作为初始的参数种群；
25、s34、在预测误差的损失函数loss反向传播时，使用精英保留策略遗传算法epga对参数种群迭代更新，重复步骤s31-s34直至损失函数小于设定值或达到设定次数后，求解得到最优网络参数值；
26、s35、赋值最优网络参数值给bpnn模型，得到训练后的epga-bpnn模型。
27、进一步本文档来自技高网...
【技术保护点】
1.一种计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：包括以下步骤，
2.如权利要求1所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤S1中，获取历史时段的n组监测数据，每组监测数据包括影响中央空调冷量需求的因素和中央空调系统运行总功率，具体为，采集n组影响中央空调冷量需求的因素包括室内温度Tin、室内湿度Hin、室外温度Tout、室外湿度Hout和冷冻水温度Tcw；并采集对应的中央空调系统运行总功率为Pair；得到n组监测数据{Tin,Hin,Tout,Hout,Tcw，Pair}。
3.如权利要求1所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤S2中，对监测数据进行归一化处理得出无量纲的新数据，具体为，归一化处理监测数据：
4.如权利要求1-3任一项所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤S2中，将影响中央空调冷量需求因素的新数据分别进行与中央空调系统负荷率的相关性分析：
5.如权利要求1-3任一项所述的计及空调运行状态的定频中央空调日前负
6.如权利要求1-3任一项所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤S3中，基于精英保留策略遗传算法EPGA改进的反向传播神经网络模型即EPGA-BPNN模型包括反向传播神经网络模型即BPNN模型和参数优化模块，
7.如权利要求1-3任一项所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤S3中，将贡献值历史数据序列作为输入数据，结合历史时段的中央空调系统负荷率，对EPGA-BPNN模型进行训练后，得到训练后的EPGA-BPNN模型，具体为，
8.如权利要求7所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤S34中，在预测误差的损失函数Loss反向传播时，使用精英保留策略遗传算法EPGA对参数种群迭代更新，具体为，
9.如权利要求1-3任一项所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤S6中，预测时段的中央空调系统的运行状态包括启动阶段、运行阶段和停止阶段。
10.如权利要求9所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤S6中，根据步骤S5得到的预测时段的中央空调系统负荷率，判定预测时段的中央空调系统的运行状态，具体为，
...【技术特征摘要】
1.一种计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：包括以下步骤，
2.如权利要求1所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤s1中，获取历史时段的n组监测数据，每组监测数据包括影响中央空调冷量需求的因素和中央空调系统运行总功率，具体为，采集n组影响中央空调冷量需求的因素包括室内温度tin、室内湿度hin、室外温度tout、室外湿度hout和冷冻水温度tcw；并采集对应的中央空调系统运行总功率为pair；得到n组监测数据{tin,hin,tout,hout,tcw，pair}。
3.如权利要求1所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤s2中，对监测数据进行归一化处理得出无量纲的新数据，具体为，归一化处理监测数据：
4.如权利要求1-3任一项所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤s2中，将影响中央空调冷量需求因素的新数据分别进行与中央空调系统负荷率的相关性分析：
5.如权利要求1-3任一项所述的计及空调运行状态的定频中央空调日前负荷预测方法，其特征在于：步骤s2中，根据相关性分析结果分配权重，得到各无量纲的新数据对中央空调系统负荷率的贡献值历史数据序列，具体为，根据相关性分析结果分配权重a1,a2,a3,a4,a5,a6，将经过归一化处理的数据序列y1,y2,y3,y4,y5,y6乘...
【专利技术属性】
技术研发人员：杨婷，朱晓，陆旦宏，王玉莹，陈黎来，李艳，鱼泓漪，柏生奎，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：
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。