基于混合模型的建筑负荷预测及地源热泵启停系统及方法与流程
本发明涉及建筑节能与暖通空调智能控制,特别涉及一种基于混合模型的建筑负荷预测及地源热泵启停系统及方法。
背景技术:
1、建筑能耗在我国能源消费总量中占据重要比重,其中暖通空调系统作为建筑能耗的主要组成部分,其能耗约占建筑总能耗的40%-60%。地源热泵系统因高效节能、绿色环保的特点,在公共建筑中得到广泛应用。然而,地源热泵系统的运行效率与建筑负荷的精准预测密切相关,精准的负荷预测是实现地源热泵系统智能化机组启停及降低运行能耗的关键前提。
2、目前,建筑负荷预测方法主要包括传统模型和机器学习模型两类。传统模型如线性回归(lr)、时间序列(tsm)模型计算简单,但存在难以有效处理负荷数据中的非平稳性和非线性特征等问题。单一的机器学习模型如支持向量机(svm)、随机森林(rf)等,在处理复杂时序关系方面存在一定局限;而长短期记忆神经网络(lstm)虽然能较好地捕捉时间序列中的长期依赖关系,但对非平稳数据的分解处理能力不足。
3、对于机组启停控制,现有技术多采用固定阈值或人工经验进行调度,缺乏与负荷预测有效联动的动态优化策略。一是负荷预测精度不足,导致机组启停频繁或响应滞后;二是启停策略未考虑设备累计运行时间的均衡性,导致部分机组长期高负荷运行、磨损加剧,而其他机组闲置,设备寿命与系统稳定性受到严重影响。
4、因此,亟需一种能够同时解决负荷预测精度问题和机组启停优化问题的集成化技术方案,实现预测-决策-控制的闭环协同。
技术实现思路
1、本发明的目的在于,针对上述不足之处提供一种基于混合模型的建筑负荷预测及地源热泵启停系统及方法,解决了建筑冷热负荷数据具有显著的非平稳性和非线性特征,单一预测模型难以同时有效处理这两种特性,导致预测精度不足;同时解决了现有特征筛选方法多基于单一指标,容易遗漏重要特征或引入冗余特征,影响模型泛化性能;同时还解决了现有地源热泵机组启停策略缺乏与负荷预测的有效联动,无法实现多机组协同运行与设备均衡保护。
2、本发明是通过下述方案来实现的:
3、一种基于混合模型的建筑负荷预测及地源热泵启停系统,包括数据获取模块,用于采集气象环境参数及建筑历史冷热负荷数据,并进行预处理;
4、特征筛选模块,用于采用pearson相关系数法、xgboost特征重要性分析及随机森林特征重要性分析进行交叉验证,确定冷热负荷预测模型的最优输入特征;
5、混合预测模块,包括vmd分解单元、lstm时序特征提取单元、rf非线性映射单元及加权融合单元,用于输出下一时刻的建筑冷热负荷预测值;
6、启停决策模块,用于根据所述负荷预测值按低、中、高三级负荷区间执行分级启停策略,并结合累计运行时间优先调度辅助机组;
7、均衡保护模块,用于监测机组连续运行时间及负荷率,在满足轮换条件时自动切换同类辅助机组的运行状态。
8、基于上述一种基于混合模型的建筑负荷预测及地源热泵启停系统,所述混合预测模块中,vmd分解单元将原始非平稳负荷序列分解为k=4个imf分量;lstm时序特征提取单元采用两层64神经元结构,dropout率为0.2;rf非线性映射单元及加权融合单元采用n_estimators=700、max_depth=25的随机森林模型。
9、基于上述一种基于混合模型的建筑负荷预测及地源热泵启停系统,所述启停决策模块中,供冷侧配置地源热泵机组与磁悬浮离心冷水机组,供热侧配置地源热泵机组与风冷热泵机组,各机组均支持0%、25%、50%、75%、100%五档变频运行。
10、基于上述一种基于混合模型的建筑负荷预测及地源热泵启停系统,所述均衡保护模块的轮换条件为:辅助机组连续运行时间>24h且当前负荷率≥75%,且同类另一台辅助机组处于停机状态。
11、基于上述一种基于混合模型的建筑负荷预测及地源热泵启停系统,所述预测模型的评估指标包括决定系数r2、均方根误差rmse和平均绝对误差mae;冷负荷预测模型验证集r2≥0.90,热负荷预测模型验证集r2≥0.97。
12、本方案还公开一种基于混合模型的建筑负荷预测及地源热泵启停方法,包括以下步骤:
13、s1.数据采集与预处理:采集建筑气象环境参数及历史冷热负荷数据,对采集数据进行缺失值线性插补、异常值识别修正及min-max归一化处理;将其缩放到[0,1]范围;
14、s2.多方法交叉验证特征筛选:采用pearson相关系数法、xgboost特征重要性分析及rf特征重要性分析三种方法,对气象参数与建筑冷热负荷之间的关联性进行交叉验证;综合三种方法的筛选结果,确定冷负荷预测模型和热负荷预测模型的输入特征;
15、s3.构建vmd-lstm-rf混合预测模型:将历史负荷序列输入变分模态分解vmd模块,设置分解模态数k=4,得到多个具有特定稀疏特性的本征模态函数imf分量;将各imf分量及筛选后的气象特征分别输入lstm网络进行时序特征提取,同时输入rf模型进行非线性映射;采用加权融合策略将lstm与rf的输出进行融合,并输出下一时刻的建筑冷热负荷预测值q;
16、s4.机组启停优化决策;基于所述冷热负荷预测值q,按系统运行模式执行分级启停策略:供冷模式和供热模式下分别划分为低负荷、中负荷和高负荷三个区间;在不同区间内按预设逻辑启停地源热泵机组、磁悬浮离心冷水机组或风冷热泵机组,并调节变频档位;
17、s5.设备均衡保护;设置机组轮换运行保护机制,当任意一台辅助机组连续运行时间超过24小时且当前负荷率不低于75%,而同类另一台辅助机组处于停机状态时,系统自动切换运行机组,实现设备轮换;地源热泵机组作为基础调峰设备,不参与均衡轮换。
18、步骤s2中所述交叉验证的具体方法为:分别计算各气象参数与冷热负荷的pearson相关系数,选取|r|阈值排名前三的特征;利用xgboost模型计算各特征基于增益的重要性得分;利用随机森林模型计算各特征基于不纯度减少的平均重要性;对三种方法的筛选结果进行一致性验证,取交集特征作为模型输入。
19、步骤s3中所述vmd分解的参数设置包括:分解模态数k=4,惩罚因子α=2000。
20、步骤s3中所述lstm网络的训练参数包括:优化器选用adam,初始学习率为0.001,采用早停法earlystopping策略,耐心值patience=15,最大训练轮次为80轮。
21、步骤s3中所述加权融合策略的权重系数通过在验证集上测试不同权重组合,以最小化均方根误差rmse为优化目标确定。
22、综上所述,由于采用了上述技术方案,本发明的有益效果是:
23、(1)预测精度显著提升:通过vmd分解实现数据平稳化预处理,结合lstm时序特征提取与rf非线性映射,并采用加权融合策略实现优势互补,冷负荷预测模型验证集r2达0.907,热负荷预测模型验证集r2达0.978,均优于单一模型及现有组合模型;
24、(2)特征筛选更加可靠:采用三种不同原理的方法进行交叉验证,避免了单一方法的局限性,有效降低了输入冗余,提高了模型泛化能力;
25、(3)机组调度更加智能:基于精准负荷预测的分级启停策略,实现了多机组协同运行与负荷精准匹配,避免了机组频繁启停和无效运行,有效降低系统能耗;
26、(4)设备运行更加均衡:引入累计运行时间优先调度与设备轮换保护机制,有效均衡了同类辅助机组的运行时间,延长了设备整体寿命,降低了运维成本。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com