CN112215474B - 一种冷水机组用能运行特征模型 - Google Patents
一种冷水机组用能运行特征模型 Download PDFInfo
- Publication number
- CN112215474B CN112215474B CN202010988999.0A CN202010988999A CN112215474B CN 112215474 B CN112215474 B CN 112215474B CN 202010988999 A CN202010988999 A CN 202010988999A CN 112215474 B CN112215474 B CN 112215474B
- Authority
- CN
- China
- Prior art keywords
- time
- coefficient matrix
- influence coefficient
- energy
- category
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 239000013598 vector Substances 0.000 claims abstract description 30
- 238000005265 energy consumption Methods 0.000 claims abstract description 25
- 230000001932 seasonal effect Effects 0.000 claims abstract description 15
- 230000007704 transition Effects 0.000 claims description 8
- 238000012512 characterization method Methods 0.000 claims 2
- 230000005611 electricity Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 6
- 238000004378 air conditioning Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种冷水机组用能运行特征模型，建立所述用能运行特征模型包括如下步骤：根据所述冷水机组运行能耗特征选择关键影响因素；确定基础用能特征向量所述基础用能特征向量为所述冷水机组典型工作日逐时用能特征向量；根据所述基础用能特征向量确定关键影响系数矩阵，所述关键影响系数矩阵包括：小时类别影响系数矩阵日时类别影响系数矩阵季节类别影响系数矩阵根据所述基础用能特征向量所述小时类别影响系数矩阵所述日时类别影响系数矩阵所述季节类别影响系数矩阵获取所述用能运行特征模型
Description
技术领域
本发明涉及建筑智能化监测能源数据分析领域，具体涉及一种办公建筑冷水机组用能运行特征模型。
背景技术
目前多数的建筑智能化监测平台处于“建而不用”的状态，部分被使用的也仅仅作为能耗宏观统计和决策、能耗标准限值的确定等方面的初步支撑，鲜有建筑将其建立的智能化监测平台真正应用于建筑本身用能***的运行管理中，探究其主要原因：一是多数建筑用能管理人员专业知识局限性，二是缺少有效的大数据分析方法等。
暖通空调***作为建筑耗能“大户”，始终是行业内重点研究和聚焦的对象，当前针对办公建筑冷水机用能运行方面的研究主要包括：测试和分析冷水机在典型工况下的运行参数、运用非侵入式负荷监测(NILM)等大数据技术预测和监测冷水机用电异常、评价冷水机整体用能能效等，但是尚无全面反映冷机运行特征变化规律方面的完整研究。因此，如何在基于办公建筑智能化平台的基础上实现对冷水机组运行的实时调整，优化空调冷水机组运行，减少整个空调冷源的用能浪费是目前亟待解决的问题。
发明内容
本发明要解决的技术问题是如何在基于办公建筑智能化平台的基础上实现对冷水机组运行的实时调整，优化空调冷水机组运行，减少整个空调冷源的用能浪费是目前亟待解决的问题，提供一种冷水机组用能运行特征模型。
本发明是通过下述技术方案来解决上述技术问题：
一种冷水机组用能运行特征模型，建立所述用能运行特征模型包括如下步骤：
根据所述冷水机组运行能耗特征选择关键影响因素；
确定基础用能特征向量所述基础用能特征向量/>为所述冷水机组典型工作日逐时用能特征向量；
根据所述基础用能特征向量确定关键影响系数矩阵，所述关键影响系数矩阵包括：小时类别影响系数矩阵/>日时类别影响系数矩阵/>季节类别影响系数矩阵/>
根据所述基础用能特征向量所述小时类别影响系数矩阵/>所述日时类别影响系数矩阵/>所述季节类别影响系数矩阵/>获取所述用能运行特征模型/>
较佳地，所述关键影响因素包括：时类别因素，日类别因素，季节类别因素。
进一步地，所述时类别因素包括：运行时段因素和非运行时段因素；所述日类别因素包括：工作日因素和非工作日因素；所述季节类别因素包括：夏季因素，过渡季因素及冬季因素。
较佳地，根据所述基础用能特征向量确定所述小时类别影响系数矩阵/>的逐时影响系数，行列数及对角线和其它部分元素值。
较佳地，根据典型非工作日逐时用能特征数据和所述基础用能特征向量确定所述日时类别影响系数矩阵/>
较佳地，根据季节典型工作日逐时用能特征数据和所述基础用能特征向量确定所述季节类别影响系数矩阵/>
较佳地，所述季节典型工作日逐时用能特征数据包括：过渡季典型工作日逐时用能特征数据和冬季典型工作日逐时用能特征数据；所述季节类别影响系数矩阵包括：过渡季影响系数矩阵/>和冬季影响系数矩阵/>
较佳地，所述典型工作日为办公建筑正常上班日，所述典型非工作日为所述办公建筑正常休息日。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：及时发现办公建筑冷水机组运行过程中存在的用能问题并及时采取调整运行策略等措施，避免冷水机组用能的进一步浪费，减少建筑整体用能，促进建筑节能智能化发展。
附图说明
图1为本发明一种冷水机组用能运行特征模型的一实施例中的方法流程图；
图2为本发明一种冷水机组用能运行特征模型的一实施例中的能耗数据标准化后的典型周变化和典型日变化特征图；
图3为本发明一种冷水机组用能运行特征模型的一实施例中的基础用能特征向量；
图4为本发明一种冷水机组用能运行特征模型的一实施例中的小时类别影响系数矩阵；
图5为本发明一种冷水机组用能运行特征模型的一实施例中的日类别影响系数矩阵；
图6为本发明一种冷水机组用能运行特征模型的一实施例中的过渡季影响系数矩阵；
图7为本发明一种冷水机组用能运行特征模型的一实施例中的冬季影响系数矩阵。
图8为本发明一种冷水机组用能运行特征模型的一实施例中的冬季典型非工作日用能运行特征模型。
具体实施方式
为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的首选实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本申请的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示为本发明用能运行特征模型的构建方法流程图，其中
S01：根据所述冷水机组运行能耗特征选择关键影响因素；
在一个示例中，如图2所示，上图为不同季节典型周冷机逐时用电图，可以看出办公建筑在不同季节用电数据相差很大，在夏季达到峰值，而在过渡季用电数据很小，在冬季的数据为几乎为0，并且在夏季，每天的用电数据在某一个时间段内达到峰值，其余时间的用电数据几乎为0；下图为不同季节典型工作日逐时冷机用电图，是对上图的进一步解释，可以看出在夏季办公建筑正常上班日从上午7点开始冷机用电数据陡增，至约上午9点左右达到峰值，然后一直持续该状态至下午6点，随后至下午7点用电数据从峰值很快降低至几乎为0。
在一个示例中，基于冷水机组运行能耗特征，判定冷水机组运行能耗的关键影响因素，遴选出关键影响因素包括：时类别因素，所述时类别因素包括：运行时段因素与非运行时段因素；日类别因素，所述日类别因素包括：工作日因素与非工作日因素；季节类别因素，所述季节类别因素包括：夏季因素、过渡季因素及冬季因素。其中，夏季温度范围为：Tsu∈[25℃，40℃]；过渡节温度范围：Ttr∈[10℃，25℃]；冬季温度范围：Twi∈[-5℃，10℃]。
S02:确定基础用能特征向量；
在一个示例中，如图3所示，以夏季冷水机组运行能耗标准数据为基础，确定典型夏季工作日逐时冷机用能特征向量向量/>为1列×24行的形式，24行分别对应典型工作日24个小时，其中/>分别表示夏季工作日每个小时的能耗数据。
S03：根据所述基础用能特征向量确定关键影响系数矩阵；
在一个示例中，如图4所示，确定小时类别影响系数矩阵鉴于基础用能特征向量/>是基于夏季典型工作日逐时用能数据确定，所以定义小时类别影响系数矩阵/>为逐时影响系数为1，小时类别影响系数矩阵/>表示为24列×24行、对角线上数值为1，其余全部为0的对称矩阵。
在一个示例中，如图5所示，确定日时类别影响系数矩阵分析典型非工作日逐时用能特征变化，并与典型夏季工作日逐时基础用能特征数据进行比对，从而确定日类别影响系数矩阵/>
在一个示例中，如图6和图7所示，确定季节类别影响系数矩阵分析过渡季和冬季典型工作日逐时用能特征数据，并与典型夏季工作日逐时基础用能特征数据进行比对，从而确定季节类别影响系数矩阵/>季节类别影响系数矩阵分为过渡季影响系数矩阵/>如图6所示和冬季影响系数矩阵/>如图7所示。
S04：获取所述用能运行特征模型；
在一个示例中，如图8所示，所述用能运行模型可表示如下：
其中：冷水机组的用能运行特征模型的数学表示符号；/>冷水机组的基础用能特征向量；/>小时类别影响系数矩阵；/>日类别影响系数矩阵；/>季节类别影响系数矩阵，在图8中季节类别影响系数矩阵为冬季影响系数矩阵/>
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。
Claims (5)
1.一种冷水机组用能运行特征模型，其特征在于，建立所述用能运行特征模型包括如下步骤：
根据所述冷水机组运行能耗特征选择关键影响因素；
确定基础用能特征向量所述基础用能特征向量/>为所述冷水机组典型工作日逐时用能特征向量；
所述基础用能特征向量为1列×24行的形式，24行分别对应典型工作日24个小时；
根据所述基础用能特征向量确定关键影响系数矩阵，所述关键影响系数矩阵包括：小时类别影响系数矩阵/>日时类别影响系数矩阵/>季节类别影响系数矩阵/>
小时类别影响系数矩阵为，逐时影响系数为1，24列×24行，对角线上数值为1，其余全部为0，的对称矩阵；
根据所述基础用能特征向量所述小时类别影响系数矩阵/>所述日时类别影响系数矩阵/>所述季节类别影响系数矩阵/>获取所述用能运行特征模型/>
所述用能运行模型表示为：
其中：冷水机组的用能运行特征模型的数学表示符号；/>冷水机组的基础用能特征向量；/>小时类别影响系数矩阵；/>日类别影响系数矩阵；/>季节类别影响系数矩阵；
根据所述基础用能特征向量确定所述小时类别影响系数矩阵/>的逐时影响系数，行列数及对角线和其它部分元素值；
根据典型非工作日逐时用能特征数据和所述基础用能特征向量确定所述日时类别影响系数矩阵/>
根据季节典型工作日逐时用能特征数据和所述基础用能特征向量确定所述季节类别影响系数矩阵/>
2.如权利要求1所述的一种冷水机组用能运行特征模型，其特征在于，所述关键影响因素包括：时类别因素，日类别因素，季节类别因素。
3.如权利要求2所述的一种冷水机组用能运行特征模型，其特征在于，所述时类别因素包括：运行时段因素和非运行时段因素；所述日类别因素包括：工作日因素和非工作日因素；所述季节类别因素包括：夏季因素，过渡季因素及冬季因素。
4.如权利要求1所述的一种冷水机组用能运行特征模型，其特征在于，所述季节典型工作日逐时用能特征数据包括：过渡季典型工作日逐时用能特征数据和冬季典型工作日逐时用能特征数据；所述季节类别影响系数矩阵包括：过渡季影响系数矩阵/>和冬季影响系数矩阵/>
5.如权利要求1所述的一种冷水机组用能运行特征模型，其特征在于，所述典型工作日为办公建筑正常上班日，所述典型非工作日为所述办公建筑正常休息日。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010988999.0A CN112215474B (zh) | 2020-09-18 | 2020-09-18 | 一种冷水机组用能运行特征模型 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010988999.0A CN112215474B (zh) | 2020-09-18 | 2020-09-18 | 一种冷水机组用能运行特征模型 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112215474A CN112215474A (zh) | 2021-01-12 |
| CN112215474B true CN112215474B (zh) | 2024-06-21 |
Family
ID=74050614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010988999.0A Active CN112215474B (zh) | 2020-09-18 | 2020-09-18 | 一种冷水机组用能运行特征模型 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112215474B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318073A (zh) * | 2014-10-08 | 2015-01-28 | 中国建筑设计院有限公司 | 单栋居住建筑的电气能耗模拟及节能的方法 |
| CN104573851A (zh) * | 2014-12-19 | 2015-04-29 | 天津大学 | 一种基于气象温度预报的建筑逐时负荷预测方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100830095B1 (ko) * | 2007-11-12 | 2008-05-20 | 충남대학교산학협력단 | 냉방부하 예측방법 |
| US8738334B2 (en) * | 2011-04-29 | 2014-05-27 | International Business Machines Corporation | Anomaly detection, forecasting and root cause analysis of energy consumption for a portfolio of buildings using multi-step statistical modeling |
| CN105528660A (zh) * | 2016-03-09 | 2016-04-27 | 湖南大学 | 一种基于日负荷曲线的变电站负荷模型参数预测方法 |
| CN106874581B (zh) * | 2016-12-30 | 2021-03-30 | 浙江大学 | 一种基于bp神经网络模型的建筑空调能耗预测方法 |
| CN108898248B (zh) * | 2018-06-22 | 2021-08-03 | 南方电网科学研究院有限责任公司 | 电力负荷影响因素量化分析方法、装置、设备及介质 |
| CN109447107B (zh) * | 2018-09-14 | 2021-08-10 | 华南理工大学 | 基于信息熵的办公建筑空调日用能模式异常在线检测方法 |
| CN109670670B (zh) * | 2018-11-13 | 2022-12-27 | 上海电器科学研究所（集团）有限公司 | 一种划分季节属性的电力负荷拆分方法 |
| CN110458340B (zh) * | 2019-07-25 | 2023-06-02 | 天津大学 | 基于模式分类的建筑空调冷负荷自回归预测方法 |
-
2020
- 2020-09-18 CN CN202010988999.0A patent/CN112215474B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318073A (zh) * | 2014-10-08 | 2015-01-28 | 中国建筑设计院有限公司 | 单栋居住建筑的电气能耗模拟及节能的方法 |
| CN104573851A (zh) * | 2014-12-19 | 2015-04-29 | 天津大学 | 一种基于气象温度预报的建筑逐时负荷预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112215474A (zh) | 2021-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101782258B (zh) | 空调节能方法 | |
| Chang et al. | Optimal chiller sequencing by branch and bound method for saving energy | |
| CN104374052B (zh) | 基于神经网络的中央空调节能控制方法及*** | |
| CN110460040B (zh) | 一种考虑智能建筑热平衡特性的微电网运行调度方法 | |
| CN103017290A (zh) | 空调电能控制装置及空调电能管理方法 | |
| CN113902582A (zh) | 一种楼宇综合能源负荷预测方法及*** | |
| CN109059195A (zh) | 用于削减电网负荷峰值的中央空调的控制方法及控制*** | |
| CN110848895B (zh) | 一种非工空调柔性负荷控制方法和*** | |
| CN101929721A (zh) | 中央空调节能控制ar模型负荷预测***的预测方法 | |
| CN106910144A (zh) | 基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法 | |
| CN111998505B (zh) | 基于RSM-Kriging-GA算法的泛园区空调***能耗优化方法及*** | |
| CN111680880A (zh) | 基于冷热电三联供及地源热泵的建筑负荷特性分析方法 | |
| CN112215474B (zh) | 一种冷水机组用能运行特征模型 | |
| CN111968008B (zh) | 基于多能协作的综合能源监控***及方法 | |
| CN113128844A (zh) | 一种基于供电设备容量限制下分布式电源规划方法 | |
| Gong et al. | Analysis of electricity consumption behavior of air conditioning based on the perspective of power demand response | |
| CN112781184A (zh) | 一种空调***智能降耗方法和*** | |
| CN115271168A (zh) | 用电负荷响应潜力的预测方法、装置及存储介质 | |
| Chen et al. | Research on energy-saving optimization model based on building energy consumption data | |
| CN105184408A (zh) | 基于电器用电效用分级和用户用电行为识别的节能方法 | |
| CN115540216A (zh) | 一种分体式空调的基于因果推理集群调度实现节能的方法 | |
| CN115392684A (zh) | 一种基于带外方式的数据机房碳排放监控***及方法 | |
| CN113983659A (zh) | 一种新风***控制方法及其控制装置 | |
| Kamildjonovna et al. | Modern approaches to the management of energy resources of the industrial enterprises | |
| Zhou et al. | Optimization method for the chiller plant of central air-conditioning system parameters on association rules analysis for energy conservation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |