一种基于信息论框架数据驱动的暖通空调系统滞后期估计方法

1.本发明涉及暖通空调系统信息化管控平台时序数据预测技术领域，尤其涉及一种基于信息论框架数据驱动的暖通空调系统滞后期估计方法。


背景技术：

2.建筑能耗是全社会的主要能耗之一，根据政府间气候变化专门委员会统计，建筑领域能耗已占到全球能源消费总量的40％(y.xu，w.gao，f.qian，y.li.front.energy res，2021，9，doi：10.3389/fenrg.2021.730640.)，碳排放量已超过全球总碳排放量的36％(y.xu，w.gao，f.qian，y.li.front.energy res.，2021，9，doi：10.3389/fenrg.2021.730640.)。其中，公共建筑40％以上的能源消耗来自于暖通空调系统(l.idahosa，j.akotey.energy pol.，2021，154，doi：10.1016/j.enpol.2021.112293.)。因此，作为建筑领域节能环保最重要的环节之一，实施暖通空调系统的精细化管控对实现“碳达峰、碳中和”战略目标具有积极意义。然而，由于建筑围护结构的热惰性、介质输配的延迟性和空气的热扩散性，暖通空调系统的滞后特征对其预测控制具有重要影响。一方面，作为能源站需求响应的手段之一，充分利用环境的热动态行为，可达到转移峰值负荷、稳定能源系统的目的。而若忽略系统的滞后性，则会引起控制目标波动，造成能源消耗严重及用户的热舒适体验差的问题。因此，辨识或估计暖通空调系统不同滞后致因的滞后期对系统的精确预测和有效控制具有重要帮助。现有的系统滞后期辨识方法主要可分为灰箱模型参数辨识法和控制变量试验法(a.mhamdi，k.ibn taarit，m.ksouri.asian j.control.，2018，20，doi：10.1002/asjc.1547.t.zhang，z.lu，j.liu，g.liu.nonlinear dynam.，2021，104，doi：10.1007/s11071-021-06454-8.l.lugnani，d.dotta，c.lackner，j.chow.elec.power syst.res.，2020，180，doi：10.1016/j.epsr.2019.106097.x.chen，s.zhao，f.liu.int.j.adapt.control signal process.，2017，31，doi：10.1002/acs.2807.)。前者需要化简机理模型，并主要集中在纯时滞时间的辨识。而暖通空调系统是一个非线性、强耦合、大滞后时变系统，机理模型表达难以详尽描述其热动态过程，同时系统的热惰性影响远比纯时滞严重。后者通过控制变量试验可同时估计热惰性与纯时滞对系统的滞后影响，但实际工程中，人员行为和气象等参数难以进行严格控制，容易造成系统滞后期估计不准。本发明提出了一种基于信息论框架数据驱动的暖通空调系统滞后期估计方法，主要通过建立传递熵的k近邻-核密度估计器，统计分析目标变量与源变量之间的传递熵，给出暖通空调系统目标变量不同滞后致因的滞后期估计值。暖通空调系统管控的目的是以最小的能源消耗营造适宜的室内环境，室内温度是系统最重要的控制目标之一。针对暖通空调系统室内温度不同滞后致因的滞后期估计，采用理论分析与信息论基本原理，提出了一种基于信息论框架数据驱动的暖通空调系统滞后期估计方法，以改善暖通空调系统的室内温度预测精度与控制效果。


技术实现要素：

3.本发明要解决的技术问题是提供一种基于信息论框架数据驱动的暖通空调系统滞后期估计方法，用以改善暖通空调系统的室内温度预测精度与控制效果。
4.本发明的技术方案：一种基于信息论框架数据驱动的暖通空调系统滞后期估计方法，包括步骤如下：
5.s1、暖通空调系统室内温度滞后致因分析：基于质能守恒原理，对暖通空调系统室内温度滞后致因进行理论分析，具体步骤如下：
6.s1.1、建立空调房间的热动态模型
7.空调房间的热动态模型与围护结构、输配介质和室内空气的热传递过程相关；在室外气象参数综合作用下，热量通过围护结构进入空调房间形成冷负荷，空调设备通过输配介质与室内空气换热转移冷负荷，以维持室内温度在舒适范围内；根据上述热传递过程，分别建立围护结构、输配介质和室内空气的动态热平衡方程，为空调房间的热动态模型；
[0008][0009][0010][0011][0012]
其中，ti、t
a，s
和t
a，r
分别表示室内温度、暖通空调系统送风温度和回风温度；t
sa
、to、te、t
ei
和t
eo
分别表示室外综合温度、室外空气温度、围护结构平均温度及其内、外表面温度；表示空调房间内热源；v
rm
表示空调房间体积；ga表示暖通空调系统送风量；fe和δe表示围护结构面积和厚度；ρa、ρe和ca、ce分别表示室内空气与围护结构的平均密度和比热；λo和υo表示室外空气的导热系数和运动粘度；hi和ho表示围护结构内、外表面的换热系数；ke表示围护结构综合传热系数；εo、α
eo
和ε
eo
分别表示室外空气发射率、围护结构外表面吸收系数及其长波辐射率；is为太阳辐射强度；vd为室外风速；β表示热阻比；lc表示特征长度；nu为努塞尔数；pr为普朗特数；σ为玻尔兹曼常数；
[0013]
s1.2、确定室内温度滞后致因
[0014]
根据s1.1建立的空调房间的热动态模型，确定暖通空调系统室内温度ti的滞后致因有室外气象参数、暖通空调系统运行参数及室内热源室外气象参数包括室外空气温度to、太阳辐射强度is和室外风速vd；暖通空调系统运行参数包括暖通空调系统送风温度t
a，s
和送风量ga；室内热源包括人员活动和设备散热；
[0015]
s2、系统目标变量与源变量之间的传递熵估计：基于传递熵理论，建立k近邻-核密度估计器，统计分析目标变量与源变量之间的传递熵，具体步骤如下：
[0016]
s2.1、基于信息论基本原理，定义目标变量与源变量之间的传递熵；传递熵越大表
明源变量与目标变量之间的信息传递越充分、关联程度越密切；
[0017]
x＝[x1，
…
xj，
…
xm]
t
ꢀꢀꢀ
(5)
[0018]
y＝[y1，
…
yi，
…yn
]
ꢀꢀꢀ
(6)
[0019]
te(x
→
y)＝mi(x-；y
+
|y-)＝mi(y
+
；x-，y-)-mi(y
+
；y-)
ꢀꢀꢀ
(7)
[0020]
mi(x-；y
+
|y-)＝h(x-，y-)+h(y
+
，y-)-h(y-)-h(y
+
，x-，y-)
ꢀꢀꢀ
(8)
[0021]
其中，te、mi、mi(：；：|：)和h分别表示传递熵、互信息、条件互信息和信息熵；x和y表示系统源变量和目标变量；y
+
表示目标变量y的未来结果；x-和y-表示源变量x和目标变量y的过去观测值；m为源变量x的维度，即源变量的变量个数；n为目标变量的观测样本数；
[0022]
s2.2、根据s2.1定义的传递熵，给出目标变量与携带滞后期的源变量之间的传递熵；
[0023]
te(x
→
y，ω)＝mi(x
t-ω
；y
t
|y
t-1
)
ꢀꢀꢀ
(9)
[0024]
ω＝[ω1，
…
ωj，
…
ωm]
t
ꢀꢀꢀ
(10)
[0025]
其中，ω表示源变量x的滞后期；ωj表示源变量第j个分量xj的滞后期；t为采样时刻；
[0026]
s2.3、综合k近邻方法与核密度估计器的优点，建立传递熵的k近邻-核密度估计器，用于计算目标变量与携带滞后期的源变量之间的传递熵；
[0027][0028]
z＝[x
t-ω y]
ꢀꢀꢀ
(12)
[0029][0030][0031][0032][0033]
s＝cov(x
t-ω
)
ꢀꢀꢀ
(17)
[0034][0035]
其中，p和表示概率及其估计值；表示在高维空间z中点zi到其第k个邻居之间的距离；为z的子集，表示高维空间z中到点zi的距离小于等于的点；s为携带滞后期的源变量x
t-ω
的协方差矩阵；b为核带宽；
[0036]
s3、暖通空调系统室内温度滞后致因的滞后期确定：根据s1分析的室内温度滞后致因，利用s2建立的k近邻-核密度估计器，计算室内温度与其滞后致因在不同滞后时间下的传递熵，确定室内温度滞后致因的滞后期，具体步骤如下：
[0037]
s3.1、明确暖通空调系统室内温度滞后致因的滞后期估计中的目标变量与源变量；
[0038]
根据s1分析的室内温度滞后致因，确定源变量为室外空气温度to、太阳辐射强度is、室外风速vd、暖通空调系统送风温度t
a，s
、暖通空调系统送风量ga、室内热源目标变量为室内温度ti；
[0039]
s3.2、基于k近邻-核密度估计器，计算室内温度与其滞后致因之间的传递熵；
[0040]
固定目标时序，沿采样时间平移源变量某一分量的时序，使用k近邻-核密度估计器，计算目标变量与源变量在各滞后期下的传递熵，源变量其他分量的滞后期已知的情况下，传递熵最大的时刻为源变量该分量的滞后期；
[0041]
3.3、源变量各分量滞后期相互耦合，将室内温度滞后致因的滞后期估计问题转化为协同优化问题，定义其优化目标函数与约束条件；
[0042]
min fit(ω)＝a
te(x
→
y，ω)
ꢀꢀꢀ
(19)
[0043][0044]
其中，a为(0，1)之间的常数；和表示源变量第j个分量滞后期ωj的范围；
[0045]
使用启发式算法寻优，优化结果为室内温度滞后致因的滞后期。
[0046]
该方法也适用于暖通空调系统其他目标变量滞后致因的滞后期估计。
[0047]
与现有技术相比，该发明的有益效果：提供了一种基于信息论框架数据驱动的暖通空调系统滞后期估计方法，无需建立精确数学模型、仅依赖日常监测数据即可估计暖通空调系统室内温度滞后期，极大地宽限了暖通空调系统滞后期估计的实施条件，可有效地改善暖通空调系统室内温度的预测精度与控制效果。
附图说明
[0048]
图1为基于信息论框架数据驱动的暖通空调系统滞后期估计方法框架图。
[0049]
图2为基于信息论框架数据驱动的暖通空调系统滞后期估计方法流程图。
[0050]
图3为空调房间热传递示意图。
[0051]
图4为基于目标变量与源变量传递熵的滞后期估计原理图。
[0052]
图5为基于目标变量与源变量传递熵的滞后期协同优化原理图。
具体实施方式
[0053]
以下结合发明内容和说明书附图与公式详细描述本发明的具体实施方式。
[0054]
参照图2，本发明是一种基于信息论框架数据驱动的暖通空调系统滞后期估计方法，以大连市某公共建筑中央空调系统滞后期估计为例，具体步骤如下：
[0055]
s1、中央空调系统室内温度滞后致因分析：基于质能守恒原理，对中央空调系统室内温度的滞后致因进行理论分析，具体步骤如下：
[0056]
s1.1、建立空调房间热动态模型
[0057]
参照图3，空调房间热动态模型与围护结构、输配介质和室内空气的热传递过程相
关；在室外气象参数综合作用下，热量通过围护结构进入空调房间形成冷负荷，空调设备通过输配介质与室内空气换热转移冷负荷，以维持室内温度在舒适范围内；根据上述热传递过程，分别建立围护结构、输配介质和室内空气的动态热平衡方程，为空调房间的热动态模型；
[0058][0059][0060][0061][0062]
其中，ti、t
a，s
和t
a，r
分别表示室内温度、中央空调系统送风温度和回风温度；t
sa
、to、te、t
ei
和t
eo
分别表示室外综合温度、室外空气温度、围护结构平均温度及其内、外表面温度；表示空调房间内热源；v
rm
表示空调房间体积；ga表示中央空调系统送风量；fe和δe表示围护结构面积和厚度；ρa、ρe和ca、ce分别表示室内空气与围护结构的平均密度和比热；λo和υo表示室外空气的导热系数和运动粘度；hi和ho表示围护结构内、外表面的换热系数；ke表示围护结构综合传热系数；εo、α
eo
和ε
eo
分别表示室外空气发射率、围护结构外表面吸收系数及其长波辐射率；is为太阳辐射强度；vd为室外风速；β表示热阻比；lc表示特征长度；nu为努塞尔数；pr为普朗特数；σ为玻尔兹曼常数；
[0063]
s1.2、确定室内温度滞后致因
[0064]
根据s1.1建立的空调房间的热动态模型，确定中央空调系统室内温度ti的滞后致因有室外气象参数、暖通空调系统运行参数及室内热源室外气象参数包括室外空气温度to、太阳辐射强度is和室外风速vd；暖通空调系统运行参数包括暖通空调系统送风温度t
a，s
和送风量ga；室内热源包括人员活动和设备散热；
[0065]
s2、系统目标变量与源变量之间的传递熵估计：基于传递熵理论，建立k近邻-核密度估计器，统计分析目标变量与源变量之间的传递熵，具体步骤如下：
[0066]
s2.1、基于信息论基本原理，定义目标变量与源变量之间的传递熵。传递熵越大表明源变量与目标变量之间的信息传递越充分、关联程度越密切；
[0067]
x＝[x1，
…
xj，
…
xm]
t
ꢀꢀꢀ
(5)
[0068]
y＝[y1，
…
yi，
…yn
]
ꢀꢀꢀ
(6)
[0069]
te(x
→
y)＝mi(x-；y
+
|y-)＝mi(y
+
；x-，y-)-mi(y
+
；y-)
ꢀꢀꢀ
(7)
[0070]
mi(x-；y
+
|y-)＝h(x-，y-)+h(y
+
，y-)-h(y-)-h(y
+
，x-，y-)
ꢀꢀꢀ
(8)
[0071]
其中，te、mi、mi(：；：|：)和h分别表示传递熵、互信息、条件互信息和信息熵；x和y表示系统源变量和目标变量；y
+
表示目标变量y的未来结果；x-和y-表示源变量x和目标变量
y的过去观测值；m为源变量x的维度，即源变量的变量个数；n为变量的观测样本数；
[0072]
s2.2、根据s2.1定义的传递熵，给出目标变量与携带滞后期的源变量之间的传递熵；
[0073]
te(x
→
y，ω)＝mi(x
t-ω
；y
t
|y
t-1
)
ꢀꢀꢀ
(9)
[0074]
ω＝[ω1，
…
ωj，
…
ωm]
t
ꢀꢀꢀ
(10)
[0075]
其中，ω表示源变量x的滞后期；ωj表示源变量第j个分量xj的滞后期；t为采样时刻；
[0076]
s2.3、综合k近邻方法与核密度估计器的优点，建立传递熵的k近邻-核密度估计器，用于计算目标变量与携带滞后期的源变量之间的传递熵；
[0077][0078]
z＝[x
t-ω y]
ꢀꢀꢀ
(12)
[0079][0080][0081][0082][0083]
s＝cov(x
t-ω
)
ꢀꢀꢀ
(17)
[0084][0085]
其中，p和表示概率及其估计值；表示在高维空间z中点zi到其第k个邻居之间的距离；为z的子集，表示高维空间z中到点zi的距离小于等于的点；s为携带滞后期的源变量x
t-ω
的协方差矩阵；b为核带宽；
[0086]
s3、中央空调系统室内温度滞后致因的滞后期确定：读取中央空调系统日常运行监测数据，根据s1分析的室内温度滞后致因，利用s2建立的k近邻-核密度估计器，计算室内温度与其滞后致因在不同滞后时间下的传递熵，确定室内温度滞后致因的滞后期，具体步骤如下：
[0087]
s3.1、明确中央空调系统室内温度滞后致因的滞后期估计中的目标变量与源变量；
[0088]
根据s1分析的室内温度滞后致因，确定源变量为室外空气温度to、太阳辐射强度is、室外风速vd、中央空调系统送风温度t
a，s
、中央空调系统送风量ga、室内热源，目标变量即为室内温度ti；
[0089]
s3.2、基于k近邻-核密度估计器，计算室内温度与其滞后致因之间的传递熵；
[0090]
参照图4，固定目标时序，沿采样时间平移源变量某一分量的时序，使用k近邻-核密度估计器，计算目标变量与源变量在各滞后期下的传递熵，源变量其他分量的滞后期已知的情况下，传递熵最大的时刻为源变量该分量的滞后期；
[0091]
3.3、参照图5，源变量各分量滞后期相互耦合，可将室内温度滞后致因的滞后期估计问题转化为协同优化问题，定义其优化目标函数与约束条件；
[0092]
min fit(ω)＝a
te(x
→
y，ω)
ꢀꢀꢀ
(19)
[0093][0094]
其中，a为(0，1)之间的常数；和表示源变量第j个分量滞后期ωj的范围；
[0095]
使用启发式算法寻优，优化结果为中央空调系统室内温度滞后致因的滞后期，室外空气温度to、太阳辐射强度is、室外风速vd、中央空调系统送风温度t
a，s
、中央空调系统送风量ga、室内热源滞后期分别为135min、120min、150min、5min、5min、0min。