基于大数据的节能管理预警方法及系统与流程

本发明涉及节能管理预警，具体为基于大数据的节能管理预警方法及系统。

背景技术：

1、电力行业具有高投入、高消耗、高排放等特点，已成为全球能源领域最大的碳排放源，近十年来我国发电量不断增长，电成为人们生活必不可少的一部分，在申请号为202211427889.2的中国专利中公开了“一种智能化区域用电节能方法及系统”，系统用于管理所在区域内的用户、楼宇及公共区域的用电情况，并节省用电，系统包括数据实时监控采集模块、温度传感器、微控模块、显示模块、继电器、无线通讯模块、云计算预警分析模块、信息采集器模块、区块链信息管理模块、报警模块，本发明提供的方法及系统通过设置具有构建了异常检测模型云计算预警分析模块，并通过检测外部温度的温度传感器，实时监测外部空气温度，根据不同的外部温度所需要的供电进而供热的影响情况，构建影响构建不同的外部温度的不同的异常检测条件，进而在不同的电能节能标准要求情况下，进行电能节能预警判断，并在超出节能要求的时候发出警报，有效进行电能节能。

2、该现有技术仅仅解决了目前对电能质量数据的研究大多集中于扰动检测，缺少真正对电能质量指标分析预测的问题，未考虑到对供热进行节能管理预警时，需要考虑对供热数据进行处理，并在对热负荷进行预测时，需要考虑基于历史数据进行训练得到的预测结果通常不是最优的，难以实现有效节能，且在确定二次供水温度时，仅仅依据回水温度难以保证住户的舒适度体验。

技术实现思路

1、本发明的目的在于提供基于大数据的节能管理预警方法及系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于大数据的节能管理预警方法，包括以下步骤：

3、s1：以对基于大数据供热的节能管理预警方法为例，对换热站内的历史供热相关数据和实时供热相关数据进行获取，并对获取的历史供热相关数据和实时供热相关数据进行预处理，以消除错误数据对后期进行数据分析和预测过程带来的影响，并基于经过预处理的实时供热数据确定热负荷的实际供应量；

4、s2：构建热负荷预测模型，选择供热数据的相关特征变量，并基于实时供热数据的相关特征变量对历史供热数据进行相似数据选择操作，进而通过对选择的历史供热数据进行处理，以得到热负荷预测模型的训练标签，从而实现降低供热能耗，并通过热负荷预测模型进行热负荷预测；

5、s3：基于热负荷预测结果确定二次网供水温度，并在结合二次网回水温度以及不同住户室外温度的变化情况，对二次网后续的供水温度进行反馈调节，从而实现在保证住户舒适度体验的同时，降低供热能耗。

6、优选的，所述步骤s1还包括以对基于大数据供热的节能管理预警方法为例，对换热站内的历史供热相关数据和实时供热相关数据进行获取，包括通过温度传感器对二次网的供水温度和回水温度进行获取，通过压力传感器对二次网管道的流量大小进行获取，通过气象网站对换热站的气象数据进行获取，获取的气象数据类型包括室外温度、相对湿度、风力等级以及空气质量指数，并将获取的换热站内的历史供热相关数据和实时供热相关数据上传到部署的云服务器内进行储存。

7、优选的，所述步骤s1还包括对获取的历史供热相关数据和实时供热相关数据进行预处理，包括数据异常值处理、数据缺失值填补、数据聚合以及数据归一化处理四个方面，其中数据异常值处理具体操作为基于供热系统的惯性特征，对出现阶跃式突变的温度数据进行剔除，其中缺失值填补具体操作为通过线性差值法对经数据异常值处理后出现的缺失数据进行填补，其中数据聚合具体操作为基于二次网管道供水温度和回水温度以及气象数据的采集时间间隔，对数据进行处理以达到采集时间间隔统一，进而按照时间顺序将温度数据和气象数据整合，得到历史供热数据集和实时供热数据样本，其中数据归一化处理具体通过最大-最小归一化方法将数据归一化到[0,1]区间内，并基于经过预处理的供热数据通过供热算法确定热负荷的实际供应量，其具体计算公式如下：

8、

9、式中，表示实际热负荷，表示水的比热容，表示水的密度，表示二次网管道中水的流速，表示二次网的供水温度，表示二次网的回水温度。

10、优选的，所述步骤s2还包括选择室外温度、相对湿度、风力等级、空气质量指数以及前一天的热负荷作为供热数据的相关特征变量，通过xgboost模型输出各特征变量的重要性分数，从而分析各特征变量对供热数据的影响，并从历史供热数据集中选择样本数据，与实时供热数据样本通过差值计算得到各特征变量的差值，基于各特征变量的重要性分数以及相应特征变量的差值，进行相似程度计算，并基于计算结果选取相似程度前二的历史供热样本数据，分别构建两个相似样本数据集。

11、优选的，所述步骤s2还包括基于深度神经网络构建热负荷预测模型，并选取换热站当前一周内经过预处理后的供热数据作为样本数据构建模型训练数据集，基于相似程度的计算结果分别构建相似样本数据集一和相似样本数据集二，基于模型训练数据集、相似样本数据集一和相似样本数据集二内的样本数据，获取相应的实际热负荷值并分别构建热负荷值序列，且从三个热负荷值序列中选取出最小热负荷值，将其与模型训练数据集的实际热负荷值进行平均值求解，并将求解结果作为热负荷预测模型的训练标签，从而得到更加节能的热负荷预测曲线，实现降低供热能耗。

12、优选的，所述步骤s2还包括通过模型训练数据集对热负荷预测模型进行模型训练，并对训练完成的热负荷预测模型通过模型精度算法进行精度验证操作，其具体计算公式如下：

13、

14、式中，表示热负荷预测模型的精度值，表示预测正确的样本数据数量，表示预测错误的样本数据数量，当计算结果大于0.95时，表明热负荷预测模型的精度达到要求，当计算结果不大于0.95时，表明热负荷预测模型的精度不符合要求，需要对热负荷预测模型进行优化调整，并基于实时供热数据样本通过符合使用要求的热负荷预测模型进行热负荷预测，并获取预测结果。

15、优选的，所述s3还包括基于质量和能量守恒定律以及传热学原理，构建二次网各个部分的数学模型，并利用python和 simulink建立换热站、二次管网和住户端的仿真模型，从而构建仿真场景，并定义状态空间、动作空间以及奖励函数，其中状态空间主要包含当前时刻下住户端的室内温度、住户端的室外温度、二次网供水温度以及二次网回水温度，其中动作空间主要包含在当前时刻住户端室外温度的影响下，将住户端室内温度维持在需求值附近所需要的二次网供水温度的值，且设定有供水温度变化阈值，当前后时刻供水温度的变化值低于设定的供水温度变化阈值时，不记录该变化动作并保持变化前的供水温度，反之则记录该变化动作并保持变化后的供水温度，从而避免供水温度变化频繁，实现对变化动作的准确记录。

16、优选的，所述步骤s3还包括奖励函数随着当前时刻下住户端的室内温度与室内目标温度差值的变化而变化，其表达式如下：

17、

18、式中，表示设定的超参数，用于控制奖励函数变化幅度，表示当前时刻下住户端的室内温度，表示当前时刻下住户端的室内目标温度，并在定义好状态空间、动作空间以及奖励函数后，进行强化学习，且基于热负荷预测结果确定二次网供水温度，结合二次网回水温度以及不同住户的室外温度值，通过强化学习后的二次网对后续的供水温度进行智能反馈调节，从而实现在保证住户舒适度体验的同时，降低供热能耗。

19、基于大数据的节能管理预警系统，包括供热数据收集模块，所述供热数据收集模块用于对换热站内的历史供热相关数据和实时供热相关数据进行获取，并对获取的历史供热相关数据和实时供热相关数据进行预处理，并基于经过预处理的实时供热数据确定热负荷的实际供应量；

20、供热负荷预测模块，所述供热负荷预测模块用于构建热负荷预测模型，选择供热数据的相关特征变量，并基于实时供热数据的相关特征变量对历史供热数据进行相似数据选择操作，进而通过对选择的历史供热数据进行处理，以得到热负荷预测模型的训练标签，并通过热负荷预测模型进行热负荷预测；

21、供热调节模块，所述供热调节模块用于基于热负荷预测结果确定二次网供水温度，并在结合二次网回水温度以及不同住户室外温度的变化情况，对二次网后续的供水温度进行智能反馈调节。

22、与现有技术相比，本发明的有益效果至少包括：本发明提出了基于大数据的节能管理预警方法及系统，以对基于大数据供热的节能管理预警方法为例，通过对供热数据进行预处理，以消除错误数据对后期进行数据分析和预测过程带来的影响，构建热负荷预测模型，并通过基于实时供热数据的相关特征变量对历史供热数据进行相似数据选择操作，并对选择的历史供热数据进行处理，以得到热负荷预测模型的训练标签，进而得到更加节能的热负荷预测曲线，实现降低供热能耗，并通过强化学习的方式，在结合二次网回水温度以及不同住户室外温度的变化情况，对二次网后续的供水温度进行智能反馈调节，从而实现在保证住户舒适度体验的同时，降低供热能耗。