[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

说明书

本发明公开了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，首先根据人行为模块得到室内人员信息，再将人员信息、气象局的气象数据，历史负荷数据作为负荷预测模块的输入参数，得到建筑未来某时刻的负荷预测值，通过相关气象参数输入可再生能源发电功率预测模块得到光伏风机的发电预测功率，然后运行调度模块根据可再生能源的预测功率以及建筑的负荷需求，制定运行策略，调整能源系统的供应，对负荷进行精确调整。本发明考虑室内人员行为对负荷的影响，提出了一种基于室内人行为的建筑可再生能源系统负荷预测方法，提高了负荷预测的准确性，有效提升了供需两侧的系统匹配性，并且考虑峰谷电价提出相应运行策略，提高系统的经济性。

技术领域

本发明涉及建筑物可再生能源系统的负荷预测方法，尤其涉及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。

背景技术

在发展和环境的双重压力下，能源系统清洁化促使建筑物能源系统呈现出新的特征，主要表现为太阳能、风能等可再生能源在建筑物能源系统的应用比例正逐步提高。太阳能资源分布广泛，就地可取，是最丰富的清洁能源，但其受阴雨等天气变化的影响，表现出不稳定和不连续的特点。风能对天气和气候较为敏感，同样存在不稳定和不连续的问题，这些问题限制了可再生能源的发展，同时给建筑物可再生能源系统的匹配性带来很大的影响。

负荷预测作为一种解决系统匹配性的重要技术，所起的作用日益突出，为了保证能源系统在运行时的安稳性，实现快速精确的负荷预测便尤为引人关注。现阶段常用的负荷预测技术通常是根据负荷预测影响因素和历史数据，建立负荷预测模型，得到未来某时间段的负荷预测值，并输入到运行调度平台，平台根据负荷预测结果对相关机组进行调控，优化系统运行。

而在负荷预测研究中，室内人员行为模型常常被过度简化，而实际中，室内人员行为具有高度随机性和复杂性，且对建筑物负荷具有重要影响，对其物理情景和数学模型、应用进行研究探索将促进负荷预测的精度，从而提高建筑物节能效果及系统匹配性。近年来，越来越多研究人员注意到室内人员行为对建筑物能耗产生的重要影响，利用传感器技术，结合智能算法等方法对建筑物中人员行为进行定量描述与建模，并开发室内人员行为建模工具。

发明内容

本发明的目的在于克服现有技术的不足，提供一种适用于可再生能源系统的基于室内人员行为的负荷预测方法。

针对以上问题，考虑室内人员行为对负荷的影响，提出了一种基于室内人行为的建筑物可再生能源系统及其负荷预测方法，提高了负荷预测的准确性，有效提升了供需两侧的系统匹配性，并且考虑峰谷电价提出相应运行策略，提高系统的经济性。

本发明的第一个技术方案是一种基于室内人员行为的可再生能源系统，所述的系统包括：市电电网、光伏电池板、风机、蓄电池、控制电路、逆变电路、建筑物、电动汽车充电电池，所述市电电网与控制电路连接，光伏电池板通过控制电路和逆变电路与建筑物连接，风机通过控制电路和逆变电路与建筑物连接。

本发明的第二个技术方案是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，包括如下模块：

人行为模块，根据建筑物类型、房间的特征，室内人员的类型、作息习惯等，通过设置人员的移动参数以及开关窗、照明、采暖、制冷等典型的动作参数，得到人员的在室行为数据以及用能数据等人员信息数据。

负荷预测模块，根据气象局发布的气象数据，历史负荷数据，和人员信息数据，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。通过一些相关参数，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，根据建筑物负荷需求以及可再生能源发电功率，考虑峰谷电价等政策信息，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。

所述系统的人行为模块具体为：