[发明专利]一种商业楼宇的日负荷预测方法

说明书

本发明公开了一种商业楼宇的日负荷预测方法，涉及能源物联大数据领域，包括如下步骤：采集待预测楼宇的选定时间段每日的日负荷数据和该选定时间段每天的的小时负荷数据；根据小时负荷数据生成小时负荷时间序列曲线，对小时负荷时间序列曲线进行聚类分析处理，得出聚类数；根据日负荷数据生成日负荷时间序列曲线；通过对聚类数和日负荷时间序列曲线进行训练，得出SVR模型；通过SVR模型对待预测商业楼宇进行未来目标日的负荷预测。解决了传统基于统计的方法在商业楼宇负荷预测方面表现普遍较差的问题。

技术领域

本发明涉及能源物联大数据领域，具体为一种商业楼宇的日负荷预测方法。

背景技术

楼宇用电能耗占全球总体耗能的40％，而且这个比例还在持续增加，特别是在发展中国家。楼宇负荷预测是楼宇能效管理系统、建筑内的各个用能子系统评估诊断、优化控制用电以及调度规划的重要基础。结合精确的负荷预测，可以分析楼宇负荷曲线高峰以及可控负荷的节能潜力，为制定基于需求响应的柔性负荷控制机制提供支撑。

智能用电是规划智能电网的基础和重要环节，商业楼宇能耗的准确预测能够帮助电网系统进行高效管理和合理分配电能资源,对于开展智能用电业务有着重要意义，商业楼宇能耗管理者(例如楼宇所有者或工程师)需要在不久的将来或提前一天准确预测能源需求，以便能够更好地管理能源使用。

传统的对商业楼宇的预测方法是根据以往的历史数据对未来目标日进行用电量的预测，实践证明，传统基于统计的方法在商业楼宇负荷预测方面表现普遍较差。

发明内容

本发明提供的一种商业楼宇的日负荷预测方法，解决了传统基于统计的方法在商业楼宇负荷预测方面表现普遍较差的问题。

基于上述目的，本发明提供的一种商业楼宇的日负荷预测方法，包括如下步骤：

采集待预测楼宇的选定时间段每日的日负荷数据和该选定时间段每天的的小时负荷数据；

根据小时负荷数据生成小时负荷时间序列曲线，

对小时负荷时间序列曲线进行聚类分析处理，得出聚类数；

根据日负荷数据生成日负荷时间序列曲线；

通过对聚类数和日负荷时间序列曲线进行训练，得出SVR模型；

通过SVR模型对待预测商业楼宇进行未来目标日的负荷预测。

可选的，所述选定时间段为同一季度连续的一段时间。

可选的，所述采集待预测楼宇的选定时间段每日的日负荷数据和该选定时间段每天的的小时负荷数据之后还包括

将采集的日负荷数据和小时负荷数据等比例缩放；

探测并删除异常数据；

删除冗余数据；

填充缺失数据；

得出第一日负荷数据和第一小时负荷数据；

对所述第一小时负荷数据进行聚类分析处理，得出聚类数；

根据所述第一日负荷数据生成日负荷时间序列曲线；

通过对聚类数和日负荷时间序列曲线进行训练，得出SVR模型，并保存该模型。

可选的，所述对小时负荷时间序列曲线进行聚类分析处理包括对小时负荷数据进行K-Shape聚类分析。

可选的，所述对小时负荷时间序列曲线进行K-Shape聚类分析处理，包括

将具有相似负荷模式的小时负荷时间序列曲线聚为一类；

得到多组分类数据，每组分类数据包括一个簇数和与该簇数对应的均方误差；