申请/专利权人：沈阳工业大学;国网辽宁省电力有限公司电力科学研究院;国网辽宁省电力有限公司

申请日：2020-06-22

公开（公告）日：2024-03-22

公开（公告）号：CN111898856B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/048;G06N3/0499;G06N3/08;G06F18/25;G06F18/211;G06F18/2135;G06F119/06

优先权：["20200402 CN 2020102534371"]

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.11.24#实质审查的生效;2020.11.06#公开

摘要：本发明涉及电力系统领域，具体涉及基于极限学习机的物理‑数据融合楼宇建模的分析方法。该方法先数据采集和预处理：通过搜集和预处理后的建筑数据、电气数据，基于总体测辩法构建楼宇物理模型；将楼宇物理模型与搜集和预处理后的用户数据、环境数据以及实际用电数据用极限学习机进行训练，得到物理‑数据融合模型；待分析的用电行为的静态参数通过物理模型，再与动态参数输入到物理‑数据融合模型中，得到分析结果。该系统包括数据采集和预处理模块、楼宇物理模块；物理‑数据融合模块。为解决目前楼宇模型精度低，需求侧响应较慢，负荷预测精度低的问题，本发明提出一种基于极限学习机的物理‑数据融合楼宇建模的分析方法。

主权项：1.基于极限学习机的物理-数据融合楼宇建模的分析方法，其特征在于：该方法包括如下步骤：步骤1，数据采集和预处理：步骤2，通过搜集和预处理后的建筑数据、电气数据，基于总体测辩法构建楼宇物理模型；步骤3，将楼宇物理模型与搜集和预处理后的用户数据、环境数据以及实际用电数据用极限学习机进行训练，得到物理-数据融合模型；待分析的用电行为的静态参数通过物理模型，再与动态参数输入到物理-数据融合模型中，得到分析结果；通过总体测辩法建立楼宇物理模型具体包括：通过机器学习法将物理模型与数据模型融合，利用反映物理关联关系的物理简化模型对楼宇的状态进行描述，生成具有高熵特性的数据，以此作为物理模型和数据模型输入；物理模型和数据模型的表达式为： 其中k表示时间状态标签，k+1表示未来时刻，Xk+1为k+1时刻预测的系统状态特征组成的向量；xk+1'为k+1时刻物理模型预处理的待预测状态特征向量；f和h分别反映物理模型和数据模型中测量数据与待预测数据特征的映射关系；u为数据模型计算中的随机误差向量；Xk和Yk为电力系统量测数据组成的向量，区别在于量测数据向量Xk经物理模型处理，而量测数据向量Yk经数据模型处理；物理简化模型具体步骤包括：首先建立楼宇物理模型；楼宇物理模型包括建筑物理模型和热泵物理模型；通过类比牛顿冷却定律与欧姆定律，将热量类比为电路中的电荷，温差类比为电压，传热速率类比为电流，热阻类比为电阻；同时为了进一步研究智能楼宇模型的暂态热行为，引入了热容即物体的储热能力；在RC网络模型中，墙体、室内以及室外空气作为该电路模型中的节点；智能楼宇模型为：假定供暖系统位于建筑物的技术室tr中；假设加热系统的所有部分对技术室的热量损失都是线性的；这些热量损失表示为热泵损失hp，空间供热储罐sh和生活热水储罐dw的热阻；一个通过传输和通风排入周围的空气amb，并排入假定为恒温的地面；由于假定地板和所有墙壁均使用重质材料建造，因此地板和外墙的热阻在集总热容量的任一侧均分为几部分Rw1、Rw2和Rf1、Rf2，Rw1、Rw2为外墙等效热阻，Rf1、Rf2为地板等效热阻；通风热损失建模为热阻Rve太阳能和内部收益建模为热量流向所有热容量；所以对建筑模型写成： 其中，Cin、Cwi、Cwe、Cf1、Ctr分别表示室内空气，内墙，外墙，地板，技术室温度等效电容，t表示时间变量，Qin表示室空气的加热能力，Qwi表示内墙加热能力，Qwe表示外墙加热能力，Qf1表示地板加热能力，Qhp,loss表示热泵损失热量；Tin、Tamb、Twi、Tf1、Tsh、Ttr分别表示表示室内空气，流入室内空气，内墙，地板，热水泵，技术室温度；在最优控制问题中，忽略了热泵对机房的热损失；方程被离散化为： 其中，Ti和Ti+1分别表示i时刻和i+1时刻的温度，Δt表示加热时间；建筑物的工作温度是线性化的： 其中Q表示热泵加热能力，P表示所需功率输入，lt，mt，ht分别表示低温，中温，高温；对热泵加热系统的加热系统建模如下；热泵为空间供暖或生活热水生产提供热量： 表示在i时刻热泵在低温时的加热能力，表示在i时刻热泵在低温时热泵的加热能力，表示在i时刻在低温时储水箱的加热能力，同理；表示在i时刻热泵在中温时的加热能力，表示在i时刻热泵在中温时加热器的加热能力，表示在i时刻在中温时储水箱的加热能力，表示在i时刻热泵在高温时的加热能力，表示在i时刻热泵在高温时加热器的加热能力，表示在i时刻在高温时储水箱的加热能力；热泵效率随环境温度，水温和压缩机调节而变化的原因如下： php表示热泵总功率，php,ht表示高温加热功率，php,lt表示低温加热功率，php,mt表示中温加热功率，ζl表示调制度，ζq为约束系数；辅助加热器效率假定为1： 为i时刻辅助加热器功率，为i时刻辅助加热器加热能力；空间热量存储状态由以下公式计算： 表示i时刻排放的热量，Tem,ret表示补偿的损失温度；有其他限制： ρ表示水的密度，损失热量中水的体积；表示热泵最大供应水的体积；εnom表示热泵加热效率；计算生活热水储罐状态： Cdw,lt表示低温时储水箱等效电容，Cdw,mt表示中温时储水箱等效电容，Cdw,ht表示高温时储水箱等效电容，Cdw,vht表示超高温时储水箱等效电容，表示在i时刻超高温时的加热能力，表示i时刻超高温时辅助加热器的加热能力；其他限制： 表示超高温时储水箱温度，表示高温时储水箱温度，表示低温时储水箱温度，示中温时储水箱温度；Tmains表示恒温混合阀将储存的水与来自水管的冷水混合后的温度；Tdw,dem表示储水箱需求温度；c表示水的比热容；所以所述多标准目标被写为： WEIE表示能源对环境影响的权重因素，j适用于所有发电厂的发电指数，pimpact,j为电厂发电的边际影响，表示由发电厂在一定发电指数在一段时间中产生的功率；对于热泵楼宇物理模型的控制策略定义不同的控制目标；先从个人消费者的角度来看，消费者希望最小化自己的用于提供热舒适性和生活热水的成本；如果保持了热舒适性，则通过在控制范围内将单个能源成本最小化来实现这一目标；不适的成本被添加到目标函数从作为软约束： 用表示电价在时间步骤i和和分别热泵电源和辅助加热器功率；通过将建筑物舒适温度边界之外的建筑物运行温度偏差乘以建筑物不舒适成本p来量化不舒适成本；其次，考虑能源使用的环境影响观点，将使用过的能源对环境的影响降到最低；由于每个代工厂的影响都不同，因此优化尝试尽可能地运行最环保的工厂；然后将目标函数写为： 选择发电对不同电厂的影响作为屋顶光伏发电、海上风能发电、核能发电、联合循环天然气发电和开式循环燃气轮机发电的单级影响；最后，考虑到发电对环境的影响，不仅能源的使用是重要的；对于许多发电厂来说，大量的排放是伴随着发电厂的建设和退役而来的； 表示热泵重载阈值，表示超载功率，表示剩余负载功率；由于这是一种近似值，将装机容量成本包括在目标函数中，这里指定的容量价格为pimpact；cap几乎没有物理意义；如果超载情况发生，其影响远远大于在刚好低于超载阈值的功率下发电的影响；将消费者成本、能源影响和产能影响这三种观点融合在一个单一的多目标函数中；将能源影响纳入消费者成本函数环境影响的权重因子能量介绍尺度的环境影响发电成本的消费者；当因素很小，控制器就会忽略发电的影响；因素很大，容量影响观点简单地添加到成本函数中；为了改变控制器的行为，为了尽量减量，重载阈值也会改变； lcap表示容量限制因素，表示最大剩余负荷功率。

全文数据：

权利要求：

百度查询： 沈阳工业大学;国网辽宁省电力有限公司电力科学研究院;国网辽宁省电力有限公司 基于极限学习机的物理-数据融合楼宇的分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD