[发明专利]基于注意力机制LSTM的综合能耗费用优化方法、介质及设备

说明书

本发明公开了一种基于注意力机制LSTM的综合能耗费用优化方法、介质及设备，将环境数据，以及末端控制器设定值和机房设备工作状态构成的节能策略矩阵送入加入注意力机制的LSTM网络中，对楼宇综合能耗预测模型进行训练，得到楼宇综合能耗预测模型；结合综合能源分时价格标准及节能策略矩阵取值约束条件建立针对商用楼宇的综合能耗费用优化模型；采用遗传算法对商用建筑的综合能源费用优化模型进行求解，计算未来k个时段能耗费用最少对应的节能策略矩阵，根据节能策略矩阵的值调整未来k个时段各末端控制器设定值及冷冻机房设备工作状态，使未来k个时段综合能耗费用降至最低。通过求解模型为楼宇未来k个时段制定费用最低的能源使用方案。

技术领域

本发明属于暖通及人工智能技术领域，具体涉及一种基于注意力机制LSTM的综合能耗费用优化方法、介质及设备。

背景技术

目前我国正大力推动智慧城市建设，推进公共楼宇智能化升级，国家为实现节能降耗、缓解电力系统负荷及燃气管网的供应压力，正全面推行工商业能源峰谷分时定价。节能降耗可以缓解能源供应日趋紧张的形势，减少污染排放，改进城市与生态环境，提升人们生活与工作品质。与此同时，能源的大量消耗，随之产生的是昂贵的能源费用，尤其对于办公楼宇，如写字楼，在能源方面的开销在总运营开销中占较大比重。因而以降低综合能耗费用为目的的楼宇能耗优化研究具有重要意义。

在楼宇集中控制系统中，根据楼宇自身的能量储存(墙体、管道和其它储能设备)能力和峰谷分时能源价格指标，结合天气和人流变化以及环境质量要求，动态地调整楼宇机房设备的工作状态和末端空间环境控制器的参数可实现错峰用电，减少能耗费用。北京国奥村就利用管道的储能能力，采取适当的储能方案，有效降低了能耗及能源开支。

据统计，我国电网峰谷用电的比例通常会高达10：0.7，而当今世界一般发展中国家用电峰谷比例为1：0.63，如此可见，我国的电力调峰任务远未实现。我国采用峰谷分时能源价格，对峰谷时段分别制定不同的能源价格水平。因此根据峰谷分时能源价格制定能耗费用优化方案，不仅可以鼓励用户移峰填谷、同时可以优化用能方式，为用户寻求更低的能耗费用，具有重大经济效益。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于注意力机制LSTM的综合能耗费用优化方法、介质及设备，根据楼宇内外的环境变化，结合峰谷分时能源价格标准为用户制定能耗费用最低的节能策略；通过对历史数据进行学习建立基于注意力机制LSTM的楼宇综合能耗预测模型，将预测模型和能源价格指标作为目标函数，节能策略作为输入参数建立能耗费用优化模型，求解费用最低时的节能策略。

本发明采用以下技术方案：

基于注意力机制LSTM的综合能耗费用优化方法，包括以下步骤：

S1、采集楼宇运作系统中的数据并进行预处理，得到环境数据，末端控制器设定值和机房设备工作状态构成的节能策略矩阵；

S2、将步骤S1预处理后的环境数据，末端控制器设定值和机房设备工作状态构成的节能策略矩阵送入加入注意力机制的LSTM网络中，对楼宇综合能耗预测模型进行训练；

S3、基于楼宇综合能耗预测模型、峰谷分时能源价格标准以及用户需求建立针对商用楼宇的综合能耗费用优化模型；

S4、采用遗传算法对商用楼宇综合能耗费用优化模型进行求解，计算未来k个时段能耗费用最少对应的节能策略矩阵，根据节能策略矩阵的值调整未来k个时段各末端控制器设定值及冷冻机房设备工作状态，使未来k个时段楼宇综合能耗费用降至最低。

具体的，步骤S1中，通过互联网天气数据及楼宇的室内外传感器、冷冻站系统、空调系统、配电系统、给排水系统的传感设备和控制设备采集室内外环境数据、各类设备的运行状态和能耗数据；预处理包括残缺补齐、类型转换和归一化处理，使预处理后的数据满足楼宇综合能耗预测模型的输入要求。