System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力负荷预测,特别涉及一种预测建筑电力负荷的方法、装置、设备及存储介质。
技术介绍
1、电能作为一种安全、高效的清洁能源,在国家现阶段的能源替代、环境保护等方面发挥着至关重要的作用。由于电能无法大规模储存,所以调度部门需要根据负荷侧的动态需求变化实时地改变发电量。如若不然,可能会导致电能质量下降,从而破坏电力系统的安全稳定运行。为了有效避免上述问题,需对电力负荷进行预测。在建筑领域,较高精度的预测建筑电力需求,对于建筑系统最优控制与降低建筑运行能耗具有重要意义,在预测方式上的微小改进都可产生巨大的经济效益。虽然现在拥有很多建筑能耗仿真软件,但现有的建筑能耗仿真软件仅依靠单一数据进行电力负荷预测,很难刻画出建筑的复杂用电行为,且预测精度有待提升。因此,如何更加高效、精准的对建筑电力负荷进行预测,成为了本领域技术人员亟需解决的技术问题。
技术实现思路
1、本专利技术的目的在于提供一种预测建筑电力负荷的方法、装置、设备及存储介质,不仅具有较高的实用性,还能更加高效、精准的预测出建筑电力负荷。
2、根据本专利技术的一个方面,提供了一种预测建筑电力负荷的方法,所述方法包括:
3、获取目标建筑对象在历史时间段内各个单位时间的历史建筑电力负荷值和附加特征数据;
4、分别将每个单位时间的历史建筑电力负荷值与预设阈值进行比较,并基于比较结果确定出每个单位时间的用于表征工作强度类型的工作特征值;
5、将所述历史时间段内各个单位时间的附加特征
6、可选的,所述附加特征数据至少包括以下之一:天气预报数据、假期安排数据和空调冷热负荷。
7、可选的,当所述附加特征数据包括空调冷热负荷时,所述方法还包括:
8、获取所述目标建筑对象在所述历史时间段内各个单位时间的建筑特征数据;其中,所述建筑特征数据至少包括以下之一:建筑结构数据、围护结构材料数据、供暖空调方式及系统分布数据、室内人员活动规律数据和建筑照明情况数据;
9、将所述历史时间段内各个单位时间的建筑特征数据和预设的室内温度值输入到耗能计算平台中,以通过所述耗能计算平台计算出所述目标建筑对象在所述历史时间段内各个单位时间的空调冷热负荷。
10、可选的,按照如下方式确定出所述预设阈值:
11、利用k-means聚类算法将所述历史时间段内各个单位时间的历史建筑电力负荷值聚类为两个子类;
12、分别确定出每个子类的中心点的大小值,并基于两个中心点的大小值确定出第一临界点和第二临界点;其中,第一临界点小于第二临界点;
13、将第一临界点和第二临界点设置为所述预设阈值。
14、可选的,所述分别将每个单位时间的历史建筑电力负荷值与预设阈值进行比较,并基于比较结果确定出每个单位时间的用于表征工作强度类型的工作特征值,包括:
15、依次遍历各个单位时间的历史建筑电力负荷值,若当前遍历到的历史建筑电力负荷值小于第一临界点、则为当前遍历到的单位时间设置用于表征弱工作强度的第一特征值,若当前遍历到的历史建筑电力负荷值大于第一临界点且小于第二临界点、则为当前遍历到的单位时间设置用于表征中工作强度的第二特征值,若当前遍历到的历史建筑电力负荷值大于第二临界点、则为当前遍历到的单位时间设置用于表征高工作强度的第三特征值;
16、其中,第一特征值小于第二特征值、且第二特征值小于第三特征值。
17、可选的,所述预设模型为tcn-gru模型。
18、可选的,在所述对预设模型进行训练,得到用于预测建筑电力负荷的预测模型之后,所述方法还包括:
19、将所述目标建筑对象在待预测时间的附加特征数据和工作特征值输入所述预测模型,并将所述预测模型的输出作为预测建筑电力负荷值。
20、可选的,当所述附加特征数据包括天气预报数据时,所述将所述目标建筑对象在待预测时间的附加特征数据和工作特征值输入所述预测模型,并将所述预测模型的输出作为预测建筑电力负荷值,包括:
21、在所述待预测时间的天气预报数据的基础上,基于预设的天气预报误差范围,形成天气范围值;
22、利用蒙特卡洛算法在所述天气范围值内选取多个蒙特卡洛样本值;
23、依次将每个蒙特卡洛样本值替换所述附加特征数据中的天气预报数据后并与所述待预测时间的工作特征值输入到所述预测模型,以得到对应的预测建筑电力负荷值;
24、基于得到的所有预测建筑电力负荷值形成预测建筑电力负荷区间。
25、为了实现上述目的,本专利技术还提供一种预测建筑电力负荷的装置,所述装置包括:
26、获取模块,用于获取目标建筑对象在历史时间段内各个单位时间的历史建筑电力负荷值和附加特征数据;
27、确定模块,用于分别将每个单位时间的历史建筑电力负荷值与预设阈值进行比较,并基于比较结果确定出每个单位时间的用于表征工作强度类型的工作特征值;
28、训练模块,用于将所述历史时间段内各个单位时间的附加特征数据和工作特征值作为模型输入,并将所述历史时间段内各个单位时间的历史建筑电力负荷值作为模型输出,对预设模型进行训练,得到用于预测建筑电力负荷的预测模型。
29、为了实现上述目的,本专利技术还提供一种计算机设备,该计算机设备具体包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述介绍的预测建筑电力负荷的方法的步骤。
30、为了实现上述目的,本专利技术还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述介绍的预测建筑电力负荷的方法的步骤。
31、本专利技术提供的预测建筑电力负荷的方法、装置、设备及存储介质,综合考虑了员工工作强度、天气因素、建筑空调设备等对建筑电力负荷的影响,设计了一种基于物理计算软件和数据驱动相结合的建筑电力负荷预测方式,不仅具有较高的实用性,还能更加高效、精准的预测出建筑电力负荷。
本文档来自技高网...【技术保护点】
1.一种预测建筑电力负荷的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的预测建筑电力负荷的方法,其特征在于,所述附加特征数据至少包括以下之一:天气预报数据、假期安排数据和空调冷热负荷。
3.根据权利要求2所述的预测建筑电力负荷的方法,其特征在于,当所述附加特征数据包括空调冷热负荷时,所述方法还包括:
4.根据权利要求1所述的预测建筑电力负荷的方法,其特征在于,按照如下方式确定出所述预设阈值:
5.根据权利要求4所述的预测建筑电力负荷的方法,其特征在于,所述分别将每个单位时间的历史建筑电力负荷值与预设阈值进行比较,并基于比较结果确定出每个单位时间的用于表征工作强度类型的工作特征值,包括:
6.根据权利要求1所述的预测建筑电力负荷的方法,其特征在于,所述预设模型为TCN-GRU模型。
7.根据权利要求2所述的预测建筑电力负荷的方法,其特征在于,在所述对预设模型进行训练,得到用于预测建筑电力负荷的预测模型之后,所述方法还包括:
8.根据权利要求7所述的预测建筑电力负荷的方法,其特征在于,当所
9.一种预测建筑电力负荷的装置,其特征在于,所述装置包括:
10.一种计算机设备,所述计算机设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
...【技术特征摘要】
1.一种预测建筑电力负荷的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的预测建筑电力负荷的方法,其特征在于,所述附加特征数据至少包括以下之一:天气预报数据、假期安排数据和空调冷热负荷。
3.根据权利要求2所述的预测建筑电力负荷的方法,其特征在于,当所述附加特征数据包括空调冷热负荷时,所述方法还包括:
4.根据权利要求1所述的预测建筑电力负荷的方法,其特征在于,按照如下方式确定出所述预设阈值:
5.根据权利要求4所述的预测建筑电力负荷的方法,其特征在于,所述分别将每个单位时间的历史建筑电力负荷值与预设阈值进行比较,并基于比较结果确定出每个单位时间的用于表征工作强度类型的工作特征值,包括:
6.根据权利要求1所述的预测建筑电力负荷的方法,其特征在于,所述预设模型为tcn-gru模型。
7.根据权利要求2所述...
【专利技术属性】
技术研发人员:董先洲,罗勇强,武晓影,刘保宾,张立茂,田志勇,韩敬昌,杨舜鹏,刘刚,
申请(专利权)人:广联达科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。