[发明专利]一种楼宇冷/热/电负荷预测模型及算法系统

说明书

本发明公开一种楼宇冷/热/电负荷预测模型及算法系统，包括：获取与电负荷相关的因素，并从中确定对电负荷影响最大的因素；对获取到的不确定因素进行数据处理；根据获取的因素，建立规则生成器；规则生成器，对电负荷进行预测。与现有技术相比，通过将各个影响因素进行归一化处理，大大减少了因负荷与各个影响因素的量纲不同造成模型不收敛，进而影响负荷预测的准确度的问题，减少了模型的预测误差，同时采用灰色关系度和余弦距离筛选出相似日的样本数据，为模型提供更准确的数据，进一步增加装置预测的准确性。

技术领域

本发明涉及楼宇系统技术领域，尤其涉及一种楼宇冷/热/电负荷预测模型及算法系统。

背景技术

近年来，随着我国城镇化建设的告诉发展，楼宇建筑能耗的比重也持续上升，为了缓解能源危机、改善环境恶化，降低楼宇能耗、提高能效管理已成为现在重点关注问题，精确度负荷预测，可以为楼宇能效管理系统指定用电需求响应和负荷调度规划提供决策依据，有利于优化供需平衡，提高用电设备的利用率，对电网的节能调度和稳定运行具有重要意义，现有楼宇模型预测装置，细化到单个楼宇负荷时，由于样本数据的波动性和随机性比较大，会增大预测误差。

发明内容

为此，本发明提供一种楼宇冷/热/电负荷预测模型及算法系统，用以克服现有技术中细化到各个楼宇时预测误差较大的问题。

一种楼宇冷/热/电负荷预测模型及算法系统，包括：

获取与电负荷相关的因素，并从中确定对电负荷影响最大的因素；

对获取到的不确定因素进行数据处理；

根据获取的因素，建立规则生成器；

规则生成器，对电负荷进行预测；

将预测的楼宇电负荷，与储存的楼宇负荷进行对比选择楼宇负荷的相似日并将负荷反馈。

进一步地，所述电负荷相关因素，包括气象因素和日期类型。

进一步地，所述数据处理，对数据进行归一化处理，将各影响因素样本转换到(0，1)内，其计算公式为

归一化的值X₁；

序列值X；

X中的最大值X_max；

X中的最小值X_min。

进一步地，所述规则生成器，采用灰色关联度分析法，利用气象因素、日期类型与负荷序列之间发展趋势的相似或相异程度来选取关键影响因素，其计算公式为

ξ_i为关联系数公式为：

△(mi n)为两级最小值；

△(max)为两级最大值；

ρ为分辨系数，一般在(0,1)之间，通常取值为0.5。

进一步地，所述规则生成器采用余弦距离进行相似度量：

计算相似度量公式为：

L_p和L_q为某两天关键影响因素；

t为两负荷日之间的余弦距离；

cos F_pq的数值越大，负荷的相似度越高。

进一步地，所述数据库储存以往楼宇电负荷用以和预测的数据进行比较。