[发明专利]一种分布式供能的冷热电负荷预测模型系统及方法

权利要求书

1.一种分布式供能的冷热电负荷预测模型系统，其特征在于，包括：

物理层模块，设有多个传感器件并布置在能源中心供能区域的各个点位上，用于提供实时现场数据；

数据层模块，用于存储能源中心供能区域各个点位上检测到的数据；

计算层模块，用于对来自数据层模块的数据进行处理；

应用层模块，用于指导能源中心供能区域根据冷热电预测结果来选择蓄能设备的蓄能量。

2.根据权利要求1所述的一种分布式供能的冷热电负荷预测模型系统的方法，其特征在于，包括如下步骤：

步骤S1：物理层模块通过在能源中心供能区域的各个建筑物及各层和各层的用户的相应位置布置传感器件，检测电量的消耗、暖通设备冷却水的流量和用户所处环境的温度；

步骤S2：数据层模块通过数据传输协议接收来自能源中心供能区域的检测到的历史数据以及现场数据，并获取有关天气预报、法定节假日以及风俗习惯的外源数据，并存储在服务器和云端；

步骤S3：计算层模块对来自数据层模块的数据进行筛选、处理和预测；

步骤S4：应用层模块在得到计算层模块对冷热电负荷预测的结果后，应用到实际的能源管理和提高用户的服务体验，包括Web应用和二次开发。

3.根据权利要求2所述的一种分布式供能的冷热电负荷预测模型的方法，其特征在于，所述步骤S4中Web应用包括使用基于Web端的数据可视化技术向用户展示其冷热电消耗的历史数据，并根据当前采集到的现场数据预测接下来的冷热电消耗，同时向能源中心展示所用的冷热电负荷预测的数据和趋势图，便于相关人员制定决策。

4.根据权利要求2所述的一种分布式供能的冷热电负荷预测模型的方法，其特征在于，所述步骤S4中二次开发包括在准确预测冷热电负荷的前提下优化蓄能设备的运行策略，使其削峰填谷，降低生产成本，或者通过合理分配能源中心供能设备上加载的负荷来降低设备的维护成本和运营成本。

5.根据权利要求2所述的一种分布式供能的冷热电负荷预测模型的方法，其特征在于，所述步骤S2的数据处理过程包括如下步骤：

步骤S21：数据清洗，利用箱型图、高斯分布及聚类法筛选出异常值，分情况利用删除、保留、替代方法进行处理；找出空白、非数和0表示的缺失值，利用字符和统计值代替法进行处理，经过上述两步后，将数据转换为指定的格式；

步骤S22：特征工程，通过特征选择的方法，包括低方差特征选择、单变量特征选择、递归式特征消除和嵌入式方法来得到对预测结果重要的原特征集合的子集，也可以利用PCA和LDA特征提取的方法将原特征集合映射为另一个特征集合，达到降维的目的；

步骤S23：LSTM算法模型构建，将整理好的数据代入模型计算，并根据实际情况调整超参数；

步骤S24：模型评估，通过选择合适的评估指标衡量得到的负荷预测模型的性能优劣，针对分类问题可选的评估指标有准确率、召回率、F1值、ROC曲线和AUC曲线，针对回归问题的评估指标有最大误差、平均绝对值误差、均方差和R2分数，如果负荷预测模型的性能达到要求，就结束该步骤，若不符合要求，则执行步骤S23和下述步骤S25；

步骤S25：在步骤S24没有满足要求的前提下执行该步骤，通过交叉验证和网格搜索来优化模型，提升负荷预测模型的性能。

6.根据权利要求2所述的一种分布式供能的冷热电负荷预测模型的方法，其特征在于，所述步骤S2中数据层模块还可接收来自第三方平台的数据，包括气象台的天气预报和国家的法定节假日，针对不同的第三方平台，通过购买数据服务、共享数据服务以及开放数据接口接受其相关数据。