[发明专利]一种动态能效建模方法、装置、可读介质及电子设备

说明书

本发明公开了一种动态能效建模方法、装置、可读介质及电子设备，通过从设备的数据采集与监视控制系统中获取设备数据，并将数据分为训练集合测试集，训练高斯过程模型中的参数和核函数，并通过多次反复训练最终得到合适的高斯过程模型。将训练好的高斯过程模型，应用到已收集到的设备数据上，得到拟合曲线。设备的能效转化率会随着设备使用的时间增加而变化，通过不断的收集数据，重复利用高斯过程模型拟合出新的能效转化率曲线，对设备进行周期性更新。

技术领域

本发明涉及设备的能效转化率算法建模技术应用领域，尤其涉及一种动态能效建模方法、装置、可读介质及电子设备。

背景技术

对于综合能源系统的建模中，需要对系统中的所有设备(如燃气内燃机、余热锅炉、蒸汽锅炉、溴冷机、光伏设备、地源热泵、风能设备、储能设备等)及网络进行建模并确定该设备在系统中的约束。对于设备建模，需要明确设备的能效转化率，才能得到更精确设备输入与输出的关系，从而获得更好的建模效果。但是设备的能效转化率不是固定值，是动态变化的数值，随着设备的负荷率(设备负荷率＝当前设备负荷/设备最高负荷)的变化，而呈现不同的转化效率。通过收集大量的设备能耗，运行及出力的数据，模拟更精确的设备能效转化率曲线。

设备负荷率＝当前设备负荷/设备最高负荷。设备的能效转化率是随着设备负荷率的变化而变化。数据波动剧烈，参数化方法如多项式回归应用在这里，是很难得到比较好的结果的。并且在这些点中间，有的点可能是设备不正常运行或者数据采集错误得到的，在多项式回归中，将错误的数据点进行拟合回归，会使误差增大。

现有技术中大多数的对于设备的能效转化率的求解都是使用多项式回归，其缺点主要为：

1.当收齐设备的数据较少时或收集过程中数据发生错误，回归的效果比较差；

2.当使用低阶多项式回归时，回归效果比较差；

3.当使用高阶多项式回归时，容易出现过拟合，导致增加拟合时间成本或拟合曲线不准确；

4.设备在从启动到平稳运行或运行不正常时，数据会出现较大波动，多项式拟合很难在数据波动较大时得到较好结果。

发明内容

本发明提供一种动态能效建模方法、装置、可读介质及电子设备，本发明通过从scada(数据采集与监视控制系统)获取数据，并将数据分为训练集合测试集，训练高斯过程模型中的参数和核函数，并通过多次反复训练最终得到合适的参数和核函数，确定高斯过程模型。将训练好的标准高斯过程模型，应用到已收集到的设备数据上，得到拟合曲线。设备的能效转化率会随着设备使用的时间增加而变化，通过不断的收集数据，重复利用标准高斯过程模型拟合出新的能效转化率曲线，对设备进行周期性更新。

第一方面，本发明提供了一种动态能效建模方法，包括：

采集设备数据；

对所述设备数据进行分类处理，得到测试集和训练集；

根据所述测试集和训练集训练参数及核函数，得到高斯过程模型；

验证训练后得到的所述高斯过程模型的准确性，得到标准高斯过程模型；

根据所述标准高斯过程模型构建设备模型。

优选地，

所述采集设备数据包括：

配置设备模型中的设备编号和设备种类，以确定为配置结果；

根据所述配置结果分别获取设备数据，所述设备数据包括：设备的运行数据、输入数据和输出数据。

优选地，

所述根据所述测试集和训练集训练参数及核函数，得到高斯过程模型，包括：