中央空调节能控制ＡＲ模型负荷预测系统的预测方法技术方案

一种中央空调节能控制ＡＲ模型负荷预测系统的预测方法，涉及中央空调技术领域，所解决的是节能控制的技术问题。该方法的步骤如下：１）采集中央空调的现场暖通数据和室内外温度，并进行预处理后存入实时数据库；２）根据实时数据库中的室内外温度梯度值大小与中央空调供冷的时滞大小，设定预测周期的时长；３）根据关系数据库中的数据与预测周期时长建立ＡＲ模型，并根据ＡＲ模型进行负荷预测。本发明专利技术提供的方法，能在满足用户需求的前提下，可以实现最大程度的节能。

【技术实现步骤摘要】

本专利技术涉及中央空调的技术，特别是涉及一种中央空调节能控制AR模型负荷预 测系统的预测方法的技术。
技术介绍
目前，建筑能耗约占全社会能耗的30%，而建筑物的大部分能耗发生在建筑运行过 程中，因此建筑运行能耗是建筑节能任务中最主要的关注对象，也是当前建筑节能的主要 任务所在。在建筑运行过程中，中央空调的能耗约占总能耗的50% 60%，而且呈逐年增长 的趋势。由此可见，对中央空调的能耗系统进行节能控制，可以减少无效能耗、减少热量排 放.对于提高能源利用率具有重要的经济效益和社会效益。由于中央空调系统是一个时变性的动态系统，其运行工况会受季节变化、天气变 化、环境条件、人流量增减等诸多因素的综合影响而随时变化。据资料统计，大部份建筑物 全年只有几十小时处于满负荷运行状态，其余时间内的负荷都要低于设计负荷，从而出现 了 “大马拉小车”现象，能源浪费极其严重。
技术实现思路
针对上述现有技术中存在的缺陷，本专利技术所要解决的技术问题是提供一种能节省 中央空调能耗的中央空调节能控制AR模型负荷预测系统的预测方法。为了解决上述技术问题，本专利技术所提供的一种中央空调节能控制AR模型负荷预 测系统的预测方法，其特征在于，所述负荷预测系统包括数据采集模块、数据库模块、AR负 荷建模与预测模块、预测步长控制模块；所述数据库模块包括实时数据库和关系数据库；该方法的具体步骤如下1)设定数据采集时间段的起始时间、终止时间，及数据采集时间段中的采集时间间隔， 并设定AR建模参数；2)数据采集模块根据步骤1所设定的时间段及采集时间间隔，采集中央空调的现场暖 通数据和室内外温度，并将采集的现场暖通数据预处理后得到负荷数据，将采集的室内外 温度预处理后得到室内外温度变化梯度值，将采集时间点及预处理后得到的负荷数据、室 内外温度变化梯度值存入实时数据库；3)将实时数据库中的采集时间点、负荷数据和室内外温度变化梯度值转存到关系数据 库中；4)预测步长控制模块根据关系数据库中的室内外温度变化梯度值大小，以及中央空调 供冷的时滞大小设定预测周期的时长，室内外温度变化梯度值的变化越大，则预测周期时 长越短，反之则越长；5)AR负荷建模与预测模块根据关系数据库中的负荷数据、预测步长控制模块所设定的 预测周期时长及步骤1所设定的AR建模参数建立AR模型，并根据AR模型进行负荷预测， AR模型的公式为3 其中，《为当前时间点，xfc)为当前时间点的预测负荷值，《-i为当前时间点之前的第 i个时间点，为当前时间点之前第i个时间点的预测负荷值，/7为预测周期中除当前 时间点外的时间点数量，你fc)是方差为G的白噪声序列，方差G是步骤1中所设定的AR建 模参数，A为当前时间点之前第i个时间点的系数； 式中，ai由下式计算得到 式中，Rx(m)由下式计算得到 式中，N为关系数据库中早于预测时间点之前的第i个时间点的时间点数量，不为早于 预测时间点之前的第i个时间点的负荷值；6)AR负荷建模与预测模块将当前时间点的预测负荷值存入关系数据库，关系数据库再 将当前时间点的预测负荷值转存入实时数据库。本专利技术提供的中央空调节能控制AR模型负荷预测系统的预测方法，利用AR模型 进行中央空调的负荷预测，根据预测负荷值控制中央空调的能耗输出，能使中央空调的供 冷在满足用户需求的前提下，可以实现最大程度的节能。附图说明图1是本专利技术实施例的中央空调节能控制AR模型负荷预测系统的结构框图； 图2是本专利技术实施例的中央空调节能控制AR模型负荷预测系统的预测逻辑图。具体实施例方式以下结合附图说明对本专利技术的实施例作进一步详细描述，但本实施例并不用于限 制本专利技术，凡是采用本专利技术的相似结构及其相似变化，均应列入本专利技术的保护范围。如图1-图2所示，本专利技术实施例所提供的一种中央空调节能控制AR模型负荷预 测系统的预测方法，其特征在于，所述负荷预测系统包括数据采集模块1、数据库模块2、AR 负荷建模与预测模块3、预测步长控制模块4 ；所述数据库模块包括实时数据库和关系数据 库；该方法的具体步骤如下1)设定数据米集时间段的起始时间、终止时间，及数据米集时间段中的米集时间间隔， 并设定AR建模参数；2)数据采集模块1根据步骤1所设定的时间段及采集时间间隔，采集中央空调的现场 暖通数据和室内外温度，并将采集的现场暖通数据预处理后得到负荷数据，将采集的室内 外温度预处理后得到室内外温度变化梯度值，将采集时间点及预处理后得到的负荷数据、 室内外温度变化梯度值存入实时数据库；3)通过组态软件的ODBCRouter实现实时数据库与关系数据库的交互，将实时数据库 中的采集时间点、负荷数据和室内外温度变化梯度值转存到关系数据库中；4)预测步长控制模块4根据关系数据库中的室内外温度变化梯度值大小，以及中央空 调供冷的时滞大小设定预测周期的时长，室内外温度变化梯度值的变化越大，则预测周期 时长越短，反之则越长；5)AR负荷建模与预测模块3根据关系数据库中的负荷数据、预测步长控制模块4所设 定的预测周期时长及步骤1所设定的AR建模参数建立AR模型，并根据AR模型进行负荷预 测，AR模型的公式为 其中，《为当前时间点(即预测时间点)，zfc)为当前时间点的预测负荷值，《-i为当前 时间点之前的第i个时间点，Xfc-i)为当前时间点之前第i个时间点的预测负荷值，/7为预 测周期中除当前时间点外的时间点数量，Gwifl)是方差为G的白噪声序列，方差G是步骤1 中所设定的AR建模参数， 为当前时间点之前第i个时间点的系数； 式中，&由下式计算得到 式中，兄如)由下式计算得到 式中，#为关系数据库中早于预测时间点之前的第i个时间点的时间点数量，不为早于 预测时间点之前的第i个时间点的负荷值；6)AR负荷建模与预测模块3将当前时间点的预测负荷值存入关系数据库，关系数据库 再通过组态软件的ODBC Router将当前时间点的预测负荷值转存入实时数据库。 本专利技术实施例中，所述负荷预测系统还包括负荷预测显示模块5，负荷预测显示 模块5根据实时数据库中各时间点的预测负荷值，通过显示设备实时显示负荷实时预测曲线、负荷历史预测曲线和负荷预测值，通过显示设备查询历史负荷预测值。 本专利技术实施例中，所述AR负荷建模与预测模块的预测负荷值可作为中央空调节能控制的输出能耗设定值，使中央空调的供冷在满足用户需求的前提下，达到最大节能。本文档来自技高网...

【技术保护点】
一种中央空调节能控制ＡＲ模型负荷预测系统的预测方法，其特征在于，所述负荷预测系统包括数据采集模块、数据库模块、ＡＲ负荷建模与预测模块、预测步长控制模块；所述数据库模块包括实时数据库和关系数据库；该方法的具体步骤如下：１）设定数据采集时间段的起始时间、终止时间，及数据采集时间段中的采集时间间隔，并设定ＡＲ建模参数；２）数据采集模块根据步骤１所设定的时间段及采集时间间隔，采集中央空调的现场暖通数据和室内外温度，并将采集的现场暖通数据预处理后得到负荷数据，将采集的室内外温度预处理后得到室内外温度变化梯度值，将采集时间点及预处理后得到的负荷数据、室内外温度变化梯度值存入实时数据库；３）将实时数据库中的采集时间点、负荷数据和室内外温度变化梯度值转存到关系数据库中；４）预测步长控制模块根据关系数据库中的室内外温度变化梯度值大小，以及中央空调供冷的时滞大小设定预测周期的时长，室内外温度变化梯度值的变化越大，则预测周期时长越短，反之则越长；５）ＡＲ负荷建模与预测模块根据关系数据库中的负荷数据、预测步长控制模块所设定的预测周期时长及步骤１所设定的ＡＲ建模参数建立ＡＲ模型，并根据ＡＲ模型进行负荷预测，ＡＲ模型的公式为：ｘ（ｎ）＝－＊ａ↓［ｉ］ｘ（ｎ－ｉ）＋Ｇｗ（ｎ）；其中，ｎ为当前时间点，ｘ（ｎ）为当前时间点的预测负荷值，ｎ－ｉ为当前时间点之前的第ｉ个时间点，ｘ（ｎ－ｉ）为当前时间点之前第ｉ个时间点的预测负荷值，ｐ为预测周期中除当前时间点外的时间点数量，Ｇｗ（ｎ）是方差为Ｇ的白噪声序列，方差Ｇ是步骤１中所设定的ＡＲ建模参数，ａ↓［ｉ］为当前时间点之前第ｉ个时间点的系数；式中，ａ↓［ｉ］由下式计算得到：Ｒ↓［ｘ］（ｍ）＝＊＊＊式中，Ｒ↓［ｘ］（ｍ）由下式计算得到：Ｒ↓［ｘ］（ｍ）＝１／Ｎ＊ｘ↓［ｉ］ｘ↓［ｉ＋ｍ］ｍ＝０，１，２，…ｐ式中，Ｎ为关系数据库中早于预测时间点之前的第ｉ个时间点的时间点数量，ｘ↓［ｉ］为早于预测时间点之前的第ｉ个时间点的负荷值；６）ＡＲ负荷建模与预测模块将当前时间点的预测负荷值存入关系数据库，关系数据库再将当前时间点的预测负荷值转存入实时数据库。...

【技术特征摘要】
一种中央空调节能控制AR模型负荷预测系统的预测方法，其特征在于，所述负荷预测系统包括数据采集模块、数据库模块、AR负荷建模与预测模块、预测步长控制模块；所述数据库模块包括实时数据库和关系数据库；该方法的具体步骤如下1)设定数据采集时间段的起始时间、终止时间，及数据采集时间段中的采集时间间隔，并设定AR建模参数；2)数据采集模块根据步骤1所设定的时间段及采集时间间隔，采集中央空调的现场暖通数据和室内外温度，并将采集的现场暖通数据预处理后得到负荷数据，将采集的室内外温度预处理后得到室内外温度变化梯度值，将采集时间点及预处理后得到的负荷数据、室内外温度变化梯度值存入实时数据库；3)将实时数据库中的采集时间点、负荷数据和室内外温度变化梯度值转存到关系数据库中；4)预测步长控制模块根据关系数据库中的室内外温度变化梯度值大小，以及中央空调供冷的时滞大小设定预测周期的时长，室内外温度变化梯度值的变化越大，则预测周期时长越短，反之则越长；5)AR负荷建模与预测模块根据关系数据库中的负荷数据、预测步长控制模块所设定的预测周期时长及步骤1所设定的AR建模参数建立AR模型，并根据AR模型进行负荷预测，AR模型的公式为；其中，n为当前时间点，x(n)为当前时间点的预测负荷值，n i为当前时间点之前的第i个时间点，x(n i)为当前时间点之前第i个时间点的预测负荷值，p为预测周期中除当前时间点外的时间点数量，Gw(n)是方差为G的白噪声序列，方差G是步骤1中所设定的AR建模参数，为当前时间点之前第i个时间点的系数；式中，由下式计算得到式中，由下式计算得到 式中，N为关系数据库中早于预测时间点之前的第i个时间点的时间点数量，为早于预测时间点之前的第i个时间点的负荷值；6)AR负荷建模与预测模块将当前时间点的预测负荷值存入关系数据库，关系数据库再将当前时间点的预测负荷值转存入实时数据库。201010289593X100001dest_path_image001.jpg,823986dest_path_image002.jpg,201010289593...

【专利技术属性】
技术研发人员：陈卉，陈烈，周慎，李冰，
申请(专利权)人：上海建坤信息技术有限责任公司，
类型：发明
国别省市：31[中国|上海]