[发明专利]一种基于热量组分解析的建筑空调负荷预测方法

说明书

本发明公开一种基于热量组分解析的建筑空调负荷预测方法，包括以下步骤：S1：模拟获取典型类型建筑空调负荷中具有不同物理意义及形态特征的热量组分数据，抽取部分热量组分数据构成各组分字典学习样本矩阵；S2：对各组分字典学习样本矩阵运用非负K‑SVD字典学习算法，获得相应字典矩阵；S3：结合各字典矩阵，运用非负稀疏表示算法进行解析，获得历史数据中各项负荷组分的估计值；S4：在实际监测中获取预测训练样本对应时刻的室外气象参数；S5：对于S3中解析获得的由外部扰动产生的分项负荷组分，创建以室外气象参数及历史分项负荷组分数据为输入变量的黑箱预测模型；S6：创建自回归预测模型；S7：建立总预测模型。

技术领域

本发明涉及空调负荷预测领域，特别是涉及一种基于热量组分解析的建筑空调负荷预测方法。

背景技术

建筑空调负荷受到多种因素的影响，包括外部气象因素和内部人行为因素，其波动是一个非平稳且带有随机性的过程。这种复杂性和不确定性，使得仅用一种数学模型无法对各种影响因素及数据波动规律进行有效归纳。因此基于建筑时序负荷数据逆向分解的负荷预测建模方法得到了广泛的应用。

目前该方向研究技术思想是将监测到的建筑负荷(耗冷热量)时序数据分解成不同频率的分量，分别关联影响因素建模，再重构负荷实现预测。虽然分解算法考虑了数据的时间属性，解构了负荷并在一定程度上提高了预测精度，但分解出的组分分量并没有明确物理意义。这一方面使得分量预测模型在选择输入变量时缺乏依据，另一方面建筑热量组分信息的缺失，将限制建筑设计和运行的优化进程。

发明内容

本发明的目的是为了克服现有技术中的不足，解决上述现有技术分解组分缺乏物理意义的缺陷，提供一种基于热量组分解析的建筑空调负荷预测方法，

本发明的目的是通过以下技术方案实现的：

一种基于热量组分解析的建筑空调负荷预测方法，包括以下步骤：

S1：模拟获取典型类型建筑空调负荷中具有不同物理意义及形态特征的热量组分数据，包括由外部扰动产生的各类分项负荷组分，与由内部扰动产生的各类分项负荷组分；抽取部分热量组分数据构成各组分字典学习样本矩阵；

S2：对各组分字典学习样本矩阵运用非负K-SVD字典学习算法，获得相应字典矩阵；

S3：对预测对象建筑的历史空调总负荷数据进行整理，构成预测训练样本；结合各字典矩阵，运用非负稀疏表示算法进行解析，获得历史数据中各项负荷组分的估计值；

S4：在实际监测中获取预测训练样本对应时刻的室外气象参数；

S5：对于S3中解析获得的由外部扰动产生的分项负荷组分，创建以室外气象参数及历史分项负荷组分数据为输入变量的黑箱预测模型；

S6：对于S3中解析获得的由内部扰动产生的分项负荷组分，创建自回归预测模型；

S7：建立总预测模型；将S5、S6中各模型的预测结果相加，得到总负荷预测值。

进一步的，步骤S1中，外部扰动包括室内外空气温差和太阳辐射等室外各种气象因素；内部扰动包括人员、设备和照明等因素。

进一步的，步骤S1中：抽取形成的各组分字典学习样本矩阵包含M天的分项负荷数据，每天24小时，记为X_i(i＝1,2,…k)。其中X_i行数为24，列数为M，k为负荷组分数目。

进一步的，步骤S2中非负K-SVD字典学习算法的表达式为：