一种楼宇冷/热/电负荷预测模型及算法系统的制作方法

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。

技术实现要素：

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xmax；

x中的最小值xmin。

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

ξi为关联系数公式为：

△(min)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：

lp和lq为某两天关键影响因素；

t为两负荷日之间的余弦距离；

cosfpq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。

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。

附图说明

图1为本发明的工作流程图。

具体实施方式

为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

装置可以通过物联网获取与电负荷相关的季节、温度、工作非工作因素，并将各个因素通过数据处理中

公式进行归一处理将得到的数据传输到规则生成器，规则生成器将传至的数值根据

公式进行计算得出关键因素，以关键因素为对象采取余弦距离相似度量，

计算cosfpq的数值越大，负荷的相似度越高，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。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。