[发明专利]基于大数据和人工智能的民用建筑负荷计算方法及系统

说明书

本发明为一种基于大数据和人工智能的民用建筑负荷计算方法及系统，方法包括T10匹配建筑能耗数据库，T20负荷计算，T30确定变压器，其中T10为系统设计输入，T20为系统计算过程，T30为系统输出。民用建筑负荷计算的输入包括4个部分，分别为建筑能耗数据库、总建筑面积和分项建筑面积、建筑类型、建筑物所在地区；负荷计算输出为变压器配置。建筑能耗数据库是经过大数据统计和人工智能聚类的全国各类建筑能耗数据库。本发明将现有技术中靠工程师个人经验估计关键参数的方式，改为由人工智能获取类似项目实际大数据作为新项目设计指标的依据。避免民用建筑中变压器的错误选择，节约了运行成本和初装费用。

技术领域

本发明属于建筑供配电设计领域，尤其涉及一种基于大数据和人工智能的民用建筑负荷计算方法及系统。

背景技术

负荷计算是建筑电气设计的基础，是工业与民用电气设备选择的依据，在建筑电气领域具有举足轻重的作用。

为了应对民用建筑负荷计算不准确的问题，国网浙江公司的专利CN202111658345.2采用了人工智能思路来预测用户的短期负荷，以提高节假日负荷预测精度；国网山东公司的专利CN201810470018.6提出了主动配电网的控制方式，能够实现负荷的精准预测；国网湖南公司的专利 CN202011295076.3提出了一种电力行业负荷分类计算方法，实现了可靠性高、准确性好、使用范围广的电网负荷预测效果。

目前设计手册《工业与民用供配电设计手册》正在采用的负荷计算方式，主要存在3点不足之处：

第一，计算过程适用单一。现行需要系数法计算负荷容量，采用从末端设备倒推计算变压器的方法，即先统计末端设备计算末端配电箱，再算出楼层配电箱，最后计算变压器容量；该计算方法中，规范根据设备数量和类型提供了每次计算的需要系数、同时系数、分散系数等各类参数。然而该方法未考虑建筑类型和地域的差异。比如，同样的办公建筑，位于热带地区和寒带地区，虽然设备配置相似，但用户使用习惯却存在很大差异，因此二者如果得到相同负荷计算结果则不合理。

第二，关键参数不准确。现行负荷计算方法，建立在人工统计基础上；在工业建筑中，设备和工序明确，沿用该方法尚较准确。民用建筑的空间使用功能非常灵活，无法通过人工统计方法提供有效的需要系数等参数。目前民用建筑负荷计算方法中，由于新的建筑空间类型的出现，多数负荷指标、需要系数等关键参数缺乏依据，电气工程师只能自行提供数据；很多参数还采用区间数据的方式，比如电热设备需要系数取值0.3～0.5，没有经验的电气工程师不确定应该就高还是就低选择数据。这些由电气工程师靠经验估计完成的设计，计算结果不够客观。

第三，变压器选用偏保守。由于计算方法适用单一和关键参数无法准确选择，电气工程师往往偏向保守选择，以规避设备故障风险；经过层层加码，变压器的选择便更加保守。笔者经过大规模调研，了解到民用建筑变压器负载率通常仅40％～50％，距离75％～85％的最佳使用区间差距很大，不仅造成了没有必要的浪费，还使业主付出了过高的初装费用。

近些年出现的民用建筑负荷计算研究中，尚存在不足之处需要解决，主要有2点：

第一，缺少供配电系统研究。各类负荷统计研究通常由电网公司发起，即为输电端的研究；这些研究对建筑供配电系统具有参考价值，但无法直接应用。

第二，缺少设备选择研究。供配电系统的研究，关键在于变压器设备的选择；而当前各类负荷计算研究偏重于负荷预测，而无设备选择参考。

发明内容

为克服现有技术中存在的缺陷，本发明提出了一种基于大数据和人工智能的民用建筑负荷计算方法及系统，将现有技术中靠工程师个人经验估计关键参数的方式，改为由人工智能获取类似项目实际大数据作为新项目设计指标的依据，避免民用建筑中变压器的错误选择，节约了运行成本和初装费用。

本发明通过以下技术方案来实现：

一种基于大数据和人工智能的民用建筑负荷计算方法，其包括步骤：