[发明专利]一种基于室内人员行为的可再生能源系统及其负荷预测方法

权利要求书

1.一种基于室内人员行为的可再生能源系统，其特征在于，包括：市电电网(1)、光伏电池板(2)、风机(3)、蓄电池(4)、控制电路(5)、逆变电路(6)、建筑物(7)、电动汽车充电电池(8)，所述市电电网(1)与控制电路(5)连接，所述光伏电池板(2)通过控制电路(5)和逆变电路(6)与建筑物(7)连接，所述风机(3)通过控制电路(5)和逆变电路(6)与建筑物(7)相连。

2.根据权利要求1所述的一种基于室内人员行为的可再生能源系统的负荷预测方法，其特征在于，包括如下模块：

人行为模块：根据建筑物类型、房间的特征，室内人员的职业类型、作息习惯，通过设置人员的移动参数以及开关窗、照明、采暖、制冷的动作参数，得到人员的在室行为数据以及用能数据；

负荷预测模块：根据气象局发布的气象数据，历史负荷数据以及所述人行为模块的人员信息数据，建立建筑物负荷预测BP神经网络模型，对建筑物未来某时刻的负荷进行预测；

可再生能源发电预测模块：包括光伏发电预测模型和风机发电负荷预测模型，通过气象参数、历史发电量数据，作为神经网络模型的输入参数，得到光伏和风机的预测发电功率；

运行调度模块：根据所述负荷预测模块给出的建筑物负荷需求以及所述可再生能源发电预测模块给出的可再生能源发电功率，考虑峰谷电价，制定最佳运行策略，调整能源系统的供应，对负荷进行精确调整。

3.根据权利要求2所述的一种基于室内人员行为的可再生能源系统的负荷预测方法，其特征在于，所述人行为模块采用能耗模拟软件DeST中的用能行为模块进行计算；

其中人员位移计算是采用基于马尔可夫链的离散随机过程模型，以人员所在房间位置为随机变量，以建筑物内所有房间及外界为状态空间(即人员移动范围)，通过用马尔科夫链的形式进行位移刻画与模拟计算，最终生成全年逐时刻的室内人员作息；

人员移动的马尔科夫移动模型:设随机状态变量X(t)为t时刻人员房间位置，建筑物房间数量为n+1(包含室外)，Pt为马氏链的转移概率矩阵:

式(1)中，pi_j＝p{X_t+1＝j|X_t＝i}表示—人员在时刻t处于位置i时，在时刻t+1处于位置j的概率；

式(2)中，为人员t+1时刻的房间位置模型:

而人员动作模型中的动作处理采用了一套条件触发的控制动作随机模型，计算出每个时刻人员操控设备的概率，进而模拟计算出基于人行为影响的建筑物负荷及能耗，其数学模型为：(1)由瞬时事件引发的动作，采用引发动作的概率值描述；

(2)受连续环境因素影响的动作，采用三参数概率函数描述，即式(3)

其中，P为动作发生的概率，x为环境因素变量；

u为阈值，L为尺度，k为形状，表示动作随环境变化的敏感性；

Δτ为时间步长。

4.根据权利要求1所述的一种基于室内人员行为的可再生能源系统的负荷预测方法，其特征在于，所述负荷预测模块具体为：

采集到的数据包括气象数据，历史负荷数据，人员信息数据经过数据探索、数据预处理、然后进行挖掘建模，之后将当下的参数数据作为输入量输入到将训练好的BP神经网络模型中，输出量即为该建筑未来某时刻的负荷预测值。

5.根据权利要求2所述的一种基于室内人员行为的可再生能源系统的负荷预测方法，其特征在于，所述系统的可再生能源发电预测模块具体为：

可再生能源发电预测模块，包括光伏发电预测模型和风机发电负荷预测模型；

通过气象参数、历史发电量数据，作为BP神经网络的输入参数，得到光伏和风机的预测发电功率；

对于光伏发电预测模型，选取温度、风速、太阳辐射强度、历史发电量作为神经网络的输入参数，建立晴天、阴天、雨天三类天气条件下的神经网络光伏发电预测模型；

对于风机发电负荷预测模型，选取风速、风向、气压、温度、历史发电量作为神经网络输入参数，建立风机发电神经网络预测模型。

6.根据权利要求2所述的一种基于室内人员行为的可再生能源系统的负荷预测方法，其特征在于，所述运行调度模块为：根据建筑物负荷需求以及可再生能源发电量预测值，考虑峰谷电价，制定最佳运行策略，调整能源系统的供应，对负荷进行精确调整。具体的运行策略如下：

当电价高峰时，若可再生能源发电量预测值G_ren,pre(即光伏发电量预测值与风机发电量预测值之和)大于建筑物负荷耗电量预测值L_bldg,pre，则采用模式一，即可再生能源发电量供负荷耗电量，多余电量充蓄电池，蓄满后，充电动汽车充电电池；

若可再生能源发电量预测值G_ren,pre小于建筑物负荷耗电量预测值L_bldg,pre，则采用模式二，即可再生能源发电量供负荷耗电量，蓄电池、市电补充；

当处于低于电价时，无论可再生能源发电量预测值G_ren,pre与建筑物负荷耗电量预测值L_bldg,pre大小关系如何，均采用模式三，即市电供负荷耗电量，可再生能源发电量充蓄电池，蓄满后，充电动汽车充电电池。