[发明专利]一种基于建筑空间单元的并行冷负荷预测方法

说明书

本发明公开了一种基于建筑空间单元的并行冷负荷预测方法，根据目标建筑平面图与建筑空间布局，完成建筑空间单元划分，根据划分基础设计建筑空间单元分布式控制器DCN拓扑结构，完成DCN安装。建立了改进的自适应学习率深度信念网络‑偏最小二乘法ADBN‑PLSR冷负荷预测模型。各DCN下载该预测模型，用户可通过任意DCN发起预测指令，DCN执行指令任务并基于生成树和拓扑结构传递指令至整个DCN网络，各DCN并行独立完成所控区域的预测，最终经过预测结果加和指令，于发起节点出得到整个建筑的冷负荷预测结果。该空间单元独立预测的方法，高度提取建筑冷负荷波动特征，解决了因冷负荷数据的高维、非线性动态等特征导致的预测精度不高等问题。

技术领域

本发明属于建筑冷负荷预测技术领域，具体涉及一种基于建筑空间单元的并行冷负荷预测方法。

背景技术

能源问题日益严重，节能减排工作成为各国焦点，空调是建筑中最普遍的耗能设备之一，约占总电力和能源消耗的60％左右。针对空调节能降耗问题，冰蓄冷储能技术得以推广使用。冰蓄冷空调系统夜间电网低谷期制冷蓄冰，次日根据分时电价和冷负荷需求情况，合理规划冷机和冰槽的冷量分配。

因此，精确的冷负荷预测是冰蓄冷空调系统规划夜间蓄冰量、次日负荷分配和冷机工作策略的重要依据。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于建筑空间单元的并行冷负荷预测方法，解决现有技术中因负荷数据高维、非线性、动态原因，冷负荷预测模型不能很好地提取建筑冷负荷特征，提高预测精度的问题。

本发明采用以下技术方案：

一种基于建筑空间单元的并行冷负荷预测方法，包括以下步骤：

S1、结合建筑自身承重、维护结构，完成对目标建筑的空间单元划分；

S2、根据空间单元划分基础，每个空间单元安装分布式控制节点DCN，通过有线或无线通信的形式相互连接；所有建筑空间单元的分布式控制节点DCN节点映射相连空间单元驱动控制器并连接成群智能网络；DCN与驱动控制器、DCN之间基于标准数据集实现建筑空间单元信息的互通；

S3、针对步骤S2安装的分布式控制节点DCN，建立改进的自适应学习率深度信念网络- 偏最小二乘法ADBN-PLSR冷负荷预测模型；

S4、各分布式控制节点DCN下载步骤S3建立的预测模型，可由任意节点发起模型训练指令，各节点分别采集影响冷负荷因素的数据，进行数据预处理和归一化，选择相关性大的数据作为模型的输入变量，执行指令任务；并基于生成树将指令传递给其子节点，至指令传递到无子节点的叶子节点为止，对步骤S3建立的预测模型进行训练；

S5、各分布式控制节点DCN通过步骤S4训练后的预测模型，用户通过任意分布式控制节点DCN发起预测指令，分布式控制节点DCN执行指令任务并基于生成树和拓扑结构传递指令至整个DCN网络，各分布式控制节点DCN并行独立完成所控区域的预测；

S6、经过预测结果加和指令，于发起节点处得到整个建筑的冷负荷预测结果。

具体的，步骤S1中，建筑空间单元划分原则如下：

以建筑承重结构和围护结构作为边界进行初步划分；兼顾分布式控制节点DCN、驱动控制器的处理能力，细分空间单元；不同类别空间不应划分在同一空间单元，同一类别不同功能空间不在同一空间单元内；不同源类设备附属的室内末端不放入同一个空间单元中；对走廊进一步划分；单独对电梯进行划分；防火分区优先级高于各类设备功能的分区，不跨越防火分区，如图9所示。

具体的，步骤S2中，标准数据集包括建筑空间标准数据、室外气象标准数据和空调箱标准数据集。