[发明专利]一种建筑能源供应设备的能耗预测参数优化方法

说明书

技术领域

本发明涉及一种预测参数优化方法，尤其是涉及一种建筑能源供应设备的能耗预测参数优化方法。

背景技术

建筑用能巨大，尤其是在大型商场，实验室，写字楼等。目前对于建筑内能源供应设备的能耗数据分项采集是了解建筑能耗大小，寻找能耗浪费点前提。而随着国家节能减排政策的落实，各地区对很多建筑的能耗数据进行了采集，但主要为实现能耗的分项计量和分项能耗数据的统计展示。同时，目前的数据采集方法多集中在对能耗数据本身进行采集，对能耗影响因素数据采集较少。此外，这些能耗数据采集设备多为定时对设备各项数据进行测量，读取，并没有注重某些设备从一个状态过度到另一个状态消耗的时间以及能耗。而了解可这些信息，才能对不同设备的开启时间，开启状态顺序进行规划，寻找最优调度方案。

同时，在大型商场、酒店、写字楼等的全年能耗中，大约50～60％消耗于空调系统，节能潜力巨大。夏季空调冷负荷高峰与城市用电高峰几乎同步，加剧了峰谷供电的不平衡，使峰期供电不足的矛盾更加突出。空调系统能耗的准确预测，对于优化空调系统运行模式，实现空调系统的综合节能运行具有重要理论指导意义和现实意义。目前的空调能耗预测方法以多元回归分析法，时间序列分析法，人工神经网络分析法为主。这些预测方法都需要大量的历史能耗数据作为支撑。若对建筑空调能耗进行预测则需要进一步搜集影响空调能耗的参数数据。因此，确定影响空调能耗的影响参数是准确预测空调能耗的基础。而根据建筑地理位置，结构，使用方式的不同，影响建筑空调能耗的因素也会有所差别。识别及确定影响建筑能耗的关键因素对空调能耗的准确预测影响较大。而盲目搜集较多的影响因素数据不仅会增加大量的工作量，也会使得预测结果失真。目前确定空调能耗影响因素的计算方法主要有以下几种：能耗模拟软件(Dest-h，Doe-2，EnergyPlus等)分析法，正交分析法，主成分分析法等。这些方法需要多次实验，并对实验结果进行分析对比从而得出结论。这些方法专业性较强，计算量大，对于不同建筑没有通用性，需重新进行模拟计算。而大多数情况下，一些研究人员在确定空调能耗影响因素时会根据经验进行判断，对影响因素考虑的过细过多，使得能耗预测程序输入数据庞大，占用内存较多，计算缓慢。除此之外，影响因素选择不当，也会对预测结果产生不良影响。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种建筑能源供应设备的能耗预测参数优化方法，该方法能够记录设备能耗，相关影响因素以及设备状态改变的信息，并能够根据建筑特性的不同选择适当的影响设备能耗的参数，同时能够消除使用参数不当对建筑能源供应设备能耗预测的影响。

本发明的目的可以通过以下技术方案来实现：

一种建筑能源供应设备的能耗预测参数优化方法，该方法通过由传感器、模式探测器、数据库、SCADA系统、建模器、预测器、分析器、补偿器和搜索引擎组成的系统实现，其特征在于，所述的方法包括以下步骤：

1)SCADA系统从数据库中获取现有的设备预测模型；

2)根据用户指令进行数据采集或数据分析，若进行数据采集，则执行步骤3)，若进行数据分析，则进行步骤7)；

3)通过传感器采集建筑内能源供应设备的基本参数，通过模式探测器检测能源供应设备的状态信息及状态改变时间，进行处理后保存在数据库中；

4)根据用户指令判断是否生成设备运行计划，若为是，则输入设备运行的目标状态，并执行步骤5)；若为否，则返回步骤3)；

5)搜索引擎和预测器根据数据库中数据生成设备状态转移矩阵，结合步骤4)中输入的设备运行的目标状态，计算并输出该设备运行计划及其所需的操作时间、设备能耗和污染排放等信息；

6)根据用户指令选择设备运行计划，选择完毕后执行步骤10)；

7)通过分析器执行数据分析，搜索设备运行计划中可改进的影响参数；

8)根据用户指令选择是否对设备运行计划进行参数改进；若为是，则执行步骤9)，若为否，则执行步骤11)；

9)对设备运行计划的中可改进的影响参数进行参数改进，并执行步骤10)；

10)执行设备运行计划，并执行步骤11)；

11)判断是否完成操作，若为否，则返回步骤2)，若为是，则结束能耗预测参数优化。

步骤1)中所述的设备预测模型包括设备能耗模型，能量流动模型，输出环境模型，由建模器建立，由补偿器进行优化修改。

步骤3)的具体包括以下步骤：

31)传感器测量能源供应设备的基本参数，包括电压、电流、消耗电能、温度、湿度和空调风速；