一种楼宇空调负荷集中调度方法及系统与流程

本发明涉及空调负荷调度，具体来说，涉及一种楼宇空调负荷集中调度方法及系统。

背景技术：

1、近年来，随着经济和电力需求的迅猛增长，用电量和耗电比重逐年攀升。在众多电力终端设备中，空调负荷占据了较大比重，由于数量众多且容量庞大，空调负荷通常构成用电峰荷的重要组成部分，进一步加剧了峰谷差，使得空调负荷占比居高不下，并呈现出显著的负荷尖峰现象。

2、楼宇空调负荷主要指的是楼宇中空调系统为了维持室内环境所需处理的总热量或冷量，通过实施合理的直接负荷控制技术，不仅能够迅速响应电力调度需求，实现电力的节约，有效降低高峰时段的电力负荷，从而缓解电力供需矛盾，而且几乎不会对用户用电舒适度产生任何影响。集中控制后的空调负荷数量相当可观，使得楼宇空调负荷成为电力公司极具价值的节能资源，为节约电力提供了有效途径。

3、随着电力改革的深入推进，电力市场和节约电力技术近年来得到了广泛的研究。鉴于楼宇的特性和中央空调系统的广泛应用，为集中调控楼宇空调负荷提供了可能性，并显示出其巨大的调控潜力。现有的空调负荷集中调度方式，通过结合用户使用偏好，虽然在一定程度上实现了节能效应、缓解了用电压力，但不同楼宇间的特性差异以及楼层差异等因素使得集中调度具有随机性和不可控的风险，这种不确定性可能导致电力需求的增加，从而带来更高的备用成本和风险成本。

4、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、针对相关技术中的问题，本发明提出一种楼宇空调负荷集中调度方法及系统，以克服现有相关技术所存在的上述技术问题。

2、为此，本发明采用的具体技术方案如下：

3、根据本发明的一个方面，提供了一种楼宇空调负荷集中调度方法，该方法包括以下步骤：

4、s1、通过分析获取的楼宇的历史空调负荷数据，得到楼层与空调负荷数据之间的楼层关联度；

5、s2、基于楼层关联度，结合预先获取的用户偏好数据，构建空调负荷预测模型；

6、s3、利用空调负荷预测模型，对楼宇中各楼层的空调负荷进行预测，得到预测结果；

7、s4、基于预测结果，结合空调耗电量数据，对空调负荷进行集中调度。

8、进一步的，通过分析获取的楼宇的历史空调负荷数据，得到楼层与空调负荷数据之间的楼层关联度包括以下步骤：

9、s11、利用楼宇空调的调度平台，获取若干楼宇的历史空调负荷数据并进行预处理，历史空调负荷数据包括历史空调耗电量数据、空调运行状态数据、环境温度数据、楼宇数据及楼层数据；

10、s12、根据楼宇数据，对预处理后的历史空调负荷数据进行分层处理，建立若干楼宇分层数据集，并结合楼层数据，将楼宇分层数据集分解为若干楼层分层数据集；

11、s13、基于各楼层分层数据集，分析相同楼宇中同一楼层的历史空调负荷数据，获取同一楼层内的空调用电量数据；

12、s14、结合各楼宇分层数据集，分析楼层与空调用电量数据之间的楼层关联度；

13、s15、基于楼层关联度分析结果，得到楼层与空调负荷数据之间的楼层关联度。

14、进一步的，基于各楼层分层数据集，分析相同楼宇中同一楼层的历史空调负荷数据，获取同一楼层内的空调用电量数据包括以下步骤：

15、s131、从各楼层分层数据集中，选取相同楼宇中同一楼层的历史空调负荷数据；

16、s132、根据相同楼宇中同一楼层的历史空调负荷数据，分析空调耗电量数据在不同的空调运行状态数据和环境温度数据下的变化；

17、s133、基于空调耗电量数据变化的分析结果，获取同一楼层内的空调用电量数据。

18、进一步的，结合各楼宇分层数据集，分析楼层与空调用电量数据之间的楼层关联度包括以下步骤：

19、s141、基于同一楼层内的空调用电量数据，结合各楼宇分层数据集，分析不同楼宇中同一楼层的空调用电量数据；

20、s142、基于不同楼宇中同一楼层的空调用电量数据分析结果，利用楼宇关联度算法计算楼宇数据与空调用电量数据之间的楼宇关联度；

21、s143、根据楼宇关联度，利用楼层关联度算法计算不同楼宇中同一楼层与同一楼层上一楼层的空调用电量数据之间的楼层关联度。

22、进一步的，基于不同楼宇中同一楼层的空调用电量数据分析结果，利用楼宇关联度算法计算楼宇数据与空调用电量数据之间的楼宇关联度包括以下步骤：

23、s1421、扫描不同楼宇中同一楼层的空调用电量数据，获取原始数据集，并根据时间约束，将原始数据集划分为时间一级数据集；

24、s1422、基于设定的支持度指标值，从时间一级数据集中筛选出满足预设阈值的空调用电数据，生成时间一级用电数据集；

25、s1423、分析时间一级数据集，根据空调用电数据之间的聚合度，获取时间二级数据集，并结合设定的支持度指标值，生成时间二级用电数据集；

26、s1424、重复步骤s1423，依次获取时间n级数据集与时间n级用电数据集，直至无法获取新的时间n+1级数据集与时间n+1级用电数据集，得到所有的用电数据集；

27、s1425、结合设定的支持度与置信度指标数值，得到不同时间下的楼宇数据与空调用电量数据之间的楼宇关联度。

28、进一步的，根据楼宇关联度，利用楼层关联度算法计算不同楼宇中同一楼层与同一楼层上一楼层的空调用电量数据之间的楼层关联度包括以下步骤：

29、s1431、根据楼宇关联度，获取楼宇关联度振幅，并将某一时间内楼宇关联度振幅与整体时间内楼宇关联度振幅的比例作为模式转换的设定振幅；

30、s1432、利用初级尺度时间窗口对整体时间内的楼宇关联度振幅进行扫描，将楼宇关联度振幅超过设定振幅的时间窗口作为模式转换的时间窗口；

31、s1433、利用次级尺度的时间窗口对模式转换的时间窗口进行检测；

32、s1434、重复步骤s1432-s1433，直至无法检测到新的模式转换，得到模式转换的发生点，并记录若干发生点的时间；

33、s1435、以各发生点的时间为中心，利用预设的时间窗口判断各发生点时间邻域内是否发生模式转换，并统计各发生点的模式转换次数，形成不同楼宇中同一楼层与上一楼层的模式转换次数的数据集；

34、s1436、基于模式转换次数的数据集，计算不同楼宇中同一楼层与同一楼层上一楼层的楼层关联度。

35、进一步的，楼层关联度计算公式为：

36、

37、式中，r表示为不同楼宇中同一楼层与同一楼层上一楼层的楼层关联度值；

38、x表示为发生点的模式转换次数；

39、y表示为楼宇数据与空调用电量数据之间的楼宇关联度值；

40、t1和t2均表示为任意时间；

41、la表示为不同楼宇中同一楼层的上一楼层；

42、lb表示为不同楼宇中同一楼层。

43、进一步的，基于楼层关联度，结合预先获取的用户偏好数据，构建空调负荷预测模型包括以下步骤：

44、s21、分析楼层关联度，并从楼层关联度中提取特征数据；

45、s22、利用改进的层次聚类算法挖掘用户的空调用电量规律，并将空调用电量规律与环境温度数据相结合，形成用户偏好数据；

46、s23、将特征数据与用户偏好数据进行预处理，建立数据集；

47、s24、基于数据集，结合深度学习模型，构建空调负荷预测模型；

48、s25、利用历史楼宇空调负荷数据训练空调负荷预测模型，并对训练后的空调负荷预测模型进行评估；

49、s26、根据评估结果，优化空调负荷预测模型。

50、进一步的，利用改进的层次聚类算法挖掘用户的空调用电量规律，并将空调用电量规律与环境温度数据相结合，形成用户偏好数据包括以下步骤：

51、s221、将历史空调负荷数据作为聚类单元，并对聚类单元进行初始化处理；

52、s222、基于初始化后的聚类单元，计算各聚类单元的协方差并初始化相似矩阵；

53、s223、从相似矩阵中选取相似度值最大的两个聚类单元，将两个聚类单元进行迭代融合并更新相似矩阵，重复迭代融合，直到所有历史空调负荷数据归并至一个单元；

54、s225、根据迭代融合中历史空调负荷数据的和谐度变化，输出层次聚类的树状图，在树状图中选取和谐度减小处作为切割阈值；

55、s226、基于切割阈值，将树状图切割成若干聚类簇，收集各聚类簇对应时间段内的环境温度数据，分析聚类簇中的空调用电量规律与环境温度数据之间的相关性，生成用户偏好数据。

56、根据本发明的另一个方面，还提供了一种楼宇空调负荷集中调度系统，该系统包括楼层关联度分析模块、预测模型构建模块、空调负荷预测模块及集中调度模块；

57、楼层关联度分析模块、预测模型构建模块、空调负荷预测模块及集中调度模块依次连接；

58、楼层关联度分析模块，用于通过分析获取的楼宇的历史空调负荷数据，得到楼层与空调负荷数据之间的楼层关联度；

59、预测模型构建模块，用于基于楼层关联度，结合预先获取的用户偏好数据，构建空调负荷预测模型；

60、空调负荷预测模块，用于利用空调负荷预测模型，对楼宇中各楼层的空调负荷进行预测，得到预测结果；

61、集中调度模块，用于基于预测结果，结合空调耗电量数据，对空调负荷进行集中调度。

62、本发明的有益效果为：

63、1、本发明通过分析若干楼宇的历史空调负荷数据，能够获得楼层与空调负荷数据之间的楼层关联度，从而深入理解楼宇内各楼层之间的空调负荷差异及其变化规律，为后续构建空调负荷预测模型提供基础数据支持，通过挖掘楼层关联度，可以更加精准地把握各楼层空调负荷的特点，为后续的调度工作提供有力依据，有助于实现电力的有效节约，促进楼宇能源使用的高效性和可持续性。

64、2、本发明通过综合考虑楼层关联度和用户偏好，能够构建出更加符合实际情况的空调负荷预测模型，不仅反映了不同用户对空调使用的个性化需求，还提高预测结果的准确性和可靠性，实现对楼宇中各楼层空调负荷的精准预测，为后续的空调负荷调度提供有力指导，帮助管理者更好地把握楼宇的空调使用情况，为节能降耗提供决策支持，推动楼宇能源管理的优化和可持续发展。

65、3、本发明通过分析空调耗电量数据，对空调负荷进行集中调度，从而实现对楼宇空调负荷的优化分配和合理控制，制定出更加科学合理的调度方案，确保在满足用户舒适度的前提下，实现空调能耗的降低；同时，集中调度还有助于提高楼宇空调系统的运行效率，减少能源浪费，进而实现节能减排的目标，推动楼宇能源管理的绿色化和智能化发展。