本發(fā)明涉及熱能調(diào)控，尤其涉及一種室內(nèi)熱負荷實時預測模型構建方法及裝置。

背景技術：

1、在供暖系統(tǒng)中，熱負荷指需要維持房間熱平衡單位時間所需供給的熱量。熱負荷的精準預測是實現(xiàn)建筑系統(tǒng)高效調(diào)控的前提。預測性調(diào)控能通過預測建筑實時的熱負荷，為建筑供暖系統(tǒng)調(diào)控提供最優(yōu)方案。

2、目前，建筑熱負荷預測方法以白箱法為主。白箱法是研究物理機理的方法，給予大量建筑基本信息(如尺寸、窗墻比、構造等)，運用傳熱基本理論分析熱負荷、室內(nèi)溫度、建筑本體、室外環(huán)境狀態(tài)之間的耦合關系，繼而實現(xiàn)建筑熱負荷預測。

3、但是，由于白箱法的輸入變量納入了太多建筑本體信息，白箱法建立的建筑熱負荷預測模型的普適性略顯不足。

4、基于此，需要提供一種室內(nèi)熱負荷實時預測模型構建方法，以解決現(xiàn)有技術中存在的問題。

技術實現(xiàn)思路

1、本發(fā)明實施例提供了一種室內(nèi)熱負荷實時預測模型構建方法及裝置，以解決白箱法建立的建筑熱負荷預測模型的普適性略顯不足的問題。

2、第一方面，本發(fā)明實施例提供了一種室內(nèi)熱負荷實時預測模型構建方法，包括：

3、獲取溫度數(shù)據(jù)集以及多個監(jiān)測數(shù)據(jù)集，其中，所述多個監(jiān)測數(shù)據(jù)集分別與所述溫度數(shù)據(jù)集同期獲取，所述溫度數(shù)據(jù)集表征室內(nèi)溫度隨時間變化的趨勢，監(jiān)測數(shù)據(jù)集表征基于監(jiān)測對象隨時間變化的趨勢；

4、根據(jù)所述溫度數(shù)據(jù)集以及所述多個監(jiān)測數(shù)據(jù)集，確定多個因素對象，其中因素對象影響室內(nèi)熱負荷；

5、根據(jù)所述多個因素對象，構建描述模型，其中，所述描述模型表征所述多個因素對象與室內(nèi)熱負荷之間的關系，所述描述模型具有多個待定參數(shù)；

6、根據(jù)所述溫度數(shù)據(jù)集、所述多個因素對象以及所述多個監(jiān)測數(shù)據(jù)集，確定所述描述模型的多個待定參數(shù)，從而獲得熱負荷實時預測模型。

7、在一種可能的實現(xiàn)方式中，所述獲取溫度數(shù)據(jù)集以及多個監(jiān)測數(shù)據(jù)集，包括：

8、獲取多個溫度數(shù)據(jù)，其中，多個溫度數(shù)據(jù)基于多個連續(xù)的時間節(jié)點獲??；

9、根據(jù)預設時長，從所述多個溫度數(shù)據(jù)中找出多個目標溫度數(shù)據(jù)，其中，所述多個目標溫度數(shù)據(jù)的波動性周期與所述預設時長相等；

10、基于所述多個目標溫度數(shù)據(jù)構建所述溫度數(shù)據(jù)集；

11、對每個監(jiān)測對象，分別根據(jù)所述多個目標溫度數(shù)據(jù)的起止時間節(jié)點，獲取多個監(jiān)測數(shù)據(jù)，并基于多個監(jiān)測數(shù)據(jù)構建監(jiān)測數(shù)據(jù)集。

12、在一種可能的實現(xiàn)方式中，所述根據(jù)預設時長，從所述多個溫度數(shù)據(jù)中找出多個目標溫度數(shù)據(jù)，包括：

13、獲取并初始化位置索引；

14、根據(jù)所述位置索引，從所述多個溫度數(shù)據(jù)中取出第一數(shù)據(jù)段以及第二數(shù)據(jù)段，其中，所述第一數(shù)據(jù)段以及所述第二數(shù)據(jù)段對應的時長分別與所述預設時長相等，所述第二數(shù)據(jù)段銜接于所述第一數(shù)據(jù)段；

15、根據(jù)所述第一數(shù)據(jù)段以及所述第二數(shù)據(jù)段構建向量，并將所述第一數(shù)據(jù)段向量的單位向量以及所述第二數(shù)據(jù)段向量的單位向量分別作為第一向量以及第二向量；

16、計算所述第一向量與所述第二向量的內(nèi)積；

17、若所述內(nèi)積小于內(nèi)積閾值，則按照預設的順序調(diào)整所述位置索引，并跳轉至所述根據(jù)所述位置索引，從所述多個溫度數(shù)據(jù)中取出第一數(shù)據(jù)段以及第二數(shù)據(jù)段的步驟；

18、否則，計算所述第一數(shù)據(jù)段與所述第二數(shù)據(jù)段的位置差，若所述位置差小于位置差閾值，則按照預設的位置順序從所述多個溫度數(shù)據(jù)中取出數(shù)據(jù)段，作為第二數(shù)據(jù)段，根據(jù)所述第二數(shù)據(jù)段構建向量，將所述第二數(shù)據(jù)段向量的單位向量作為第二向量，并跳轉至所述計算所述第一向量與所述第二向量的內(nèi)積的步驟。

19、在一種可能的實現(xiàn)方式中，根據(jù)所述溫度數(shù)據(jù)集以及所述多個監(jiān)測數(shù)據(jù)集，確定多個因素對象，包括：

20、獲取所述溫度數(shù)據(jù)集的基本波動周期；

21、根據(jù)所述基本波動周期，對所述溫度數(shù)據(jù)集以及所述多個監(jiān)測數(shù)據(jù)集分別提取頻域特征，獲得溫度頻域特征數(shù)據(jù)集以及多個監(jiān)測頻域特征數(shù)據(jù)集；

22、根據(jù)所述溫度頻域特征數(shù)據(jù)集以及所述多個監(jiān)測頻域特征數(shù)據(jù)集，進行關聯(lián)性分析，確定多個關聯(lián)指數(shù)，其中，關聯(lián)指數(shù)表征監(jiān)測數(shù)據(jù)集與所述溫度數(shù)據(jù)集的關聯(lián)性；

23、根據(jù)所述多個關聯(lián)指數(shù)以及關聯(lián)閾值，確定所述多個因素對象，其中，因素對象所對應的關聯(lián)指數(shù)的絕對值大于所述關聯(lián)閾值。

24、在一種可能的實現(xiàn)方式中，所述根據(jù)所述基本波動周期，對所述溫度數(shù)據(jù)集以及所述多個監(jiān)測數(shù)據(jù)集分別提取頻域特征，獲得溫度頻域特征數(shù)據(jù)集以及多個監(jiān)測頻域特征數(shù)據(jù)集，包括：

25、對于所述溫度數(shù)據(jù)集以及所述多個監(jiān)測數(shù)據(jù)集中的每個數(shù)據(jù)集，分別執(zhí)行如下步驟：

26、對數(shù)據(jù)集進行歸一化處理；

27、根據(jù)歸一化處理后的數(shù)據(jù)集以及第一公式，提取多個頻域特征，其中，所述第一公式為：

28、

29、式中，df(k)為第k次頻域特征，data(dn)為歸一化處理后的數(shù)據(jù)集的第dn個數(shù)據(jù)，dn為歸一化處理后的數(shù)據(jù)集中數(shù)據(jù)的總數(shù)量，e為自然常數(shù)，j為虛數(shù)單位，n為在基本波動周期內(nèi)獲得的溫度數(shù)據(jù)的數(shù)量，ω0為溫度的波動頻率；

30、根據(jù)所述多個頻域特征構建頻域特征數(shù)據(jù)集。

31、在一種可能的實現(xiàn)方式中，所述根據(jù)所述溫度頻域特征數(shù)據(jù)集以及多個監(jiān)測頻域特征數(shù)據(jù)集，進行關聯(lián)性分析，確定多個關聯(lián)指數(shù)，包括：

32、對于所述溫度頻域特征數(shù)據(jù)集以及所述多個監(jiān)測頻域特征數(shù)據(jù)集中的每個數(shù)據(jù)集，根據(jù)值的大小對數(shù)據(jù)集中的多個數(shù)據(jù)進行位次排列，獲得數(shù)據(jù)集中多個數(shù)據(jù)的位次；

33、根據(jù)第二公式、所述數(shù)據(jù)集中多個數(shù)據(jù)的位次、所述溫度頻域特征數(shù)據(jù)集以及所述多個監(jiān)測頻域特征數(shù)據(jù)集，確定所述多個關聯(lián)指數(shù)，其中，所述第二公式為：

34、

35、式中，rf為監(jiān)測頻域特征數(shù)據(jù)集與所述溫度頻域特征數(shù)據(jù)集的關聯(lián)指數(shù)，dfdk為監(jiān)測頻域特征數(shù)據(jù)集中第k個數(shù)據(jù)與溫度頻域特征數(shù)據(jù)集中第k個數(shù)據(jù)的位次差，k為監(jiān)測頻域特征數(shù)據(jù)集中數(shù)據(jù)的總數(shù)量。

36、在一種可能的實現(xiàn)方式中，所述描述模型為：

37、

38、式中，hld為室內(nèi)熱負荷預測值，wmn為第m·n個待定參數(shù)，fectorm為第m個因素對象，m為個因素對象的總數(shù)量，n為總次數(shù)，c為偏置常數(shù)。

39、在一種可能的實現(xiàn)方式中，所述根據(jù)所述溫度數(shù)據(jù)集、所述多個因素對象以及所述多個監(jiān)測數(shù)據(jù)集，確定所述描述模型的多個待定參數(shù)，從而獲得熱負荷實時預測模型，包括：

40、獲取所述溫度數(shù)據(jù)集中數(shù)據(jù)的總數(shù)量；

41、根據(jù)所述溫度數(shù)據(jù)集中數(shù)據(jù)的總數(shù)量以及所述多個因素對象的總數(shù)量，確定總次數(shù)，以使得待定參數(shù)與偏置常數(shù)的總數(shù)量不超過所述溫度數(shù)據(jù)集中數(shù)據(jù)的總數(shù)量；

42、根據(jù)所述多個因素對象，將所述溫度數(shù)據(jù)集以及所述多個監(jiān)測數(shù)據(jù)集代入到所述描述模型中，獲得關于所述多個待定參數(shù)和所述偏置常數(shù)的方程組；

43、根據(jù)所述方程組對所述多個待定參數(shù)和所述偏置常數(shù)進行求解，從而獲得所述熱負荷實時預測模型。

44、在一種可能的實現(xiàn)方式中，所述根據(jù)所述多個因素對象，將所述溫度數(shù)據(jù)集以及所述多個監(jiān)測數(shù)據(jù)集代入到所述描述模型中，獲得關于所述多個待定參數(shù)和所述偏置常數(shù)的方程組，包括：

45、根據(jù)所述多個因素對象從所述多個監(jiān)測數(shù)據(jù)集中選出多個目標監(jiān)測數(shù)據(jù)集，其中，目標監(jiān)測數(shù)據(jù)集基于因素對象獲??；

46、對于多個時間節(jié)點中的每個時間節(jié)點，從所述多個目標監(jiān)測數(shù)據(jù)集以及所述溫度數(shù)據(jù)集中提取數(shù)據(jù)構建輸入數(shù)組，從而獲得多個輸入數(shù)組；

47、將所述多個輸入數(shù)組分別代入到所述描述模型中，獲得關于所述多個待定參數(shù)和所述偏置常數(shù)的多個方程；

48、將所述多個方程聯(lián)立，獲得關于所述多個待定參數(shù)和所述偏置常數(shù)的方程組。

49、第二方面，本發(fā)明實施例提供了一種室內(nèi)熱負荷實時預測模型構建裝置，包括：

50、數(shù)據(jù)獲取模塊，用于獲取溫度數(shù)據(jù)集以及多個監(jiān)測數(shù)據(jù)集，其中，所述多個監(jiān)測數(shù)據(jù)集分別與所述溫度數(shù)據(jù)集同期獲取，所述溫度數(shù)據(jù)集表征室內(nèi)溫度隨時間變化的趨勢，監(jiān)測數(shù)據(jù)集表征基于監(jiān)測對象隨時間變化的趨勢；

51、因素分析模塊，用于根據(jù)所述溫度數(shù)據(jù)集以及所述多個監(jiān)測數(shù)據(jù)集，確定多個因素對象，其中因素對象影響室內(nèi)熱負荷；

52、基本模型構建模塊，用于根據(jù)所述多個因素對象，構建描述模型，其中，所述描述模型表征所述多個因素對象與室內(nèi)熱負荷之間的關系，所述描述模型具有多個待定參數(shù)；

53、以及，

54、模型構建模塊，用于根據(jù)所述溫度數(shù)據(jù)集、所述多個因素對象以及所述多個監(jiān)測數(shù)據(jù)集，確定所述描述模型的多個待定參數(shù)，從而獲得熱負荷實時預測模型。

55、本發(fā)明實施例提供一種室內(nèi)熱負荷實時預測模型構建方法及裝置，首先獲取溫度數(shù)據(jù)集以及多個監(jiān)測數(shù)據(jù)集，其中，所述多個監(jiān)測數(shù)據(jù)集分別與所述溫度數(shù)據(jù)集同期獲取，所述溫度數(shù)據(jù)集表征室內(nèi)溫度隨時間變化的趨勢，監(jiān)測數(shù)據(jù)集表征基于監(jiān)測對象隨時間變化的趨勢；然后根據(jù)所述溫度數(shù)據(jù)集以及所述多個監(jiān)測數(shù)據(jù)集，確定多個因素對象，其中，因素對象影響室內(nèi)熱負荷；接著根據(jù)所述多個因素對象，構建描述模型，其中，所述描述模型表征所述多個因素對象與室內(nèi)熱負荷之間的關系，所述描述模型具有多個待定參數(shù)；最后根據(jù)所述溫度數(shù)據(jù)集、所述多個因素對象以及所述多個監(jiān)測數(shù)據(jù)集，確定所述描述模型的多個待定參數(shù)，從而獲得熱負荷實時預測模型。本發(fā)明實施方式基于監(jiān)測數(shù)據(jù)與溫度數(shù)據(jù)進行關聯(lián)性分析，并根據(jù)關聯(lián)性分析的結果，構建描述模型，并對模型的參數(shù)求解，因此，本發(fā)明實施方式對于建筑模型本體信息需求小，普適性高，達到較好的預測效果。