本发明涉及一种办公区域能耗分项模型,尤其涉及一种基于电力数据多元非线性规划方法的办公区域能耗分项模型。
背景技术:
在现代的许多办公建筑或办公区域中,电能消耗可以大致分为两个部分:照明用电和插座用电。在当下智能建筑的发展浪潮下,建筑能耗智能化是必然趋势。但目前智能建筑的用电管理主要只是对用电线路的监测,用电管理智能化的程度取决于建筑用电线路的细化程度。
但在许多办公建筑中,普遍的问题是照明用电和插座用电大部分都是在同一条配电线路上,智能电表采集的数据可能只是总线路的电力数据,因此仅仅依靠智能电表的电力数据是不能够区分照明用电和插座用电。为此,提出一种新方法,通过数据统计和优化建模,结合实际用电的情况确定边界条件,采用数据挖掘技术,为照明用电和插座用电分别建立数学模型,从而得出各自的用电规律。
现有的办公建筑能源管理技术只能对办公建筑的区域总线进行计量,并分析其能耗情况。但其缺点却较为显著,比如只能总线计量,无法针对某一具体区域进行能耗分类计量分析及能耗漏洞诊断等用电管理工作。即在总线能耗异常时,无法准确判断是哪块区域的能耗异常导致;进行某区域的节能改造后,无法从总线的电耗数据得出其改造的节能效益。
技术实现要素:
有鉴于此,本发明提供了一种办公区域能耗分项模型,以提高建筑用电管理智能化水平。
本发明提供的一种办公区域能耗分项模型,其实现方法如下:
第一步:预处理数据源。
1)初步整合、帅选、数学统计数据;
2)剔除季节效应对数据结果的影响。
第二步:按照办公区域的特点进行时间假设,具体的,按照办公区域的特点分为工作时段、加班时段及无人时段等。
第三步:按照办公区域的特点进行区域假设,具体的,按照办公区域的特点分为会议室、公共区、墙上插座、及公共休息等。
第四步:数学模型假设,具体的,各个区域的用电模型假设都为正太分布,且相互独立。
第五步:根据正太分布特点、最小二乘法等算法得出目标函数,目标函数的变量涵盖了会议室、公共区、墙上插座和公共休息区等特征变量。
第六步:结合预处理的数据与各个区域相对应的边界条件,采用模型优化求解的方法,对数据进行挖掘,得出目标函数的最优解,求出特征变量值,从而分析出各个区域的数学模型。
本发明的有益效果是:
1.管理智能化。依托用电模型,为各个区域的用电管理提供数据模型支持,提高电力管理智能化程度。
2.节能效益数据化。部分区域采取节能措施后,根据用电模型的变化可以评估其节能效益。
3.异常判断精确化。办公建筑电力线路能耗异常时,通过用电模型可以定位出现异常电力数据的区域。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图,其中:
图1是多元非线性规划模型的实现流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例包括:
某公司办公区域的电量计量采用总线计量,对照明、插座用电无单独计量。通过应用本发明后,能够对其各个区域进行电力模型建立,对其分析管理其各个区域的用电情况提供数据支持。
根据该办公区域提供的数据,可以确定以下几点边界条件:
1、公共区域工作时间功率上限为2.714kw,下限值为2.094kw。
2、公共区域加班时段功率上限为0.708kw。
3、公共区域无人时段功率基本为0。
4、各个时段各个区域的标准差应该小于数据的极差。
5、期望与标准差数值非负。
6、期望与3倍标准差之和应该小于极大值。
确定边界条件后,根据多元非线性规划算法,使目标函数最小化。规划求解后,各个区域的用电模型整理如下:
表1办公区域工作时段用电模型
表2办公区域加班时段用电模型
表3办公区域无人时段用电模型
得出各个区域的用电模型后,对比办公区域在各个区域的实际用电负荷,检验模型的准确性,可知模型较为准确。可以认为,在该办公区域正常办公的情况下,用电模型适用于该办公区的各个区域。在后期的运行过程中,则可用已经建立的用电模型对相应办公区域能耗进行评估或诊断。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。