本發(fā)明涉及建筑能源管理，具體涉及一種建筑物電力負荷削峰潛力估算方法及裝置。

背景技術：

1、隨著人口增長和城市化進程加快，建筑物的電力需求不斷增加，給國家電網帶來了巨大的壓力，可能導致電力供應不足。需求響應(demand?response，dr)程序通過激勵終端用戶在特定時間段減少用電需求，提供了一種比建設更多發(fā)電廠更經濟的替代方案。然而，當前大規(guī)模準確估算建筑物的電力需求削峰潛力仍然面臨挑戰(zhàn)，主要由于缺乏詳細的建筑和設備信息,因此傳統(tǒng)數(shù)數(shù)據(jù)驅動方法評估準確度較低。

2、當前的互聯(lián)網環(huán)境中，用戶活躍度是衡量平臺健康度的重要指標之一。為了提高用戶活躍度，增強用戶粘性。急需一種技術手段，針對長期未活躍的用戶進行精準的信息推送，以激發(fā)其重新使用平臺的興趣。

3、因此，為了滿足實際需求，現(xiàn)提供一種建筑物電力負荷削峰潛力估算技術。

技術實現(xiàn)思路

1、針對現(xiàn)有技術中存在的缺陷，本發(fā)明的目的在于提供一種建筑物電力負荷削峰潛力估算方法及裝置，在缺乏詳細建筑和設備信息的情況下，估算大規(guī)模建筑物的電力需求削峰潛力，有助于提高電力系統(tǒng)的運行效率和可靠性。

2、為達到以上目的，本發(fā)明采取的技術方案是：

3、第一方面，本申請?zhí)峁┮环N建筑物電力負荷削峰潛力估算方法，所述方法包括以下步驟：

4、獲取參考建筑以及目標建筑的歷史數(shù)據(jù)，對應構建數(shù)據(jù)集a和數(shù)據(jù)集b；

5、基于xgboost算法構建機器學習削峰潛力預測模型，并基于所述數(shù)據(jù)集a對所述機器學習削峰潛力預測模型進行訓練調優(yōu)；

6、利用k-means聚類方法提取所述數(shù)據(jù)集a在歷史需求響應事件期間的負荷特性曲線；

7、基于所述負荷特性曲線對應的需求響應負荷特征，分析所述數(shù)據(jù)集b對應的所述目標建筑的建筑物電力負荷削峰潛力。

8、在上述技術方案的基礎上，所述獲取參考建筑以及目標建筑的歷史數(shù)據(jù)，對應構建數(shù)據(jù)集a和數(shù)據(jù)集b中，包括以下步驟：

9、獲取所述參考建筑的所述歷史數(shù)據(jù)中的建筑物樓層數(shù)、建筑物建成年份、建筑面積、建筑主要用途、歷史需求響應計劃、冷卻系統(tǒng)功率削減能力、通風系統(tǒng)功率削減能力、歷史需求響應事件發(fā)生時間，構建所述數(shù)據(jù)集a；

10、獲取所述目標建筑的所述歷史數(shù)據(jù)中的建筑物樓層數(shù)、建筑物建成年份、建筑面積以及無歷史需求響應事件的年度能耗信息，構建所述數(shù)據(jù)集b。

11、在上述技術方案的基礎上，所述方法還包括以下步驟：

12、計算所述數(shù)據(jù)集a中不同參考建筑對應的建筑物dr特性；

13、基于所述數(shù)據(jù)集a中不同參考建筑對應的建筑物dr特性，計算獲得聚類dr特性分數(shù)指標。

14、在上述技術方案的基礎上，所述方法配置有建筑物dr特性系數(shù)計算公式，所述建筑物dr特性系數(shù)計算公式為：

15、其中，

16、pbl為建筑物在不參與需求響應時的基線功率，pdr為建筑物在需求響應事件期間的功率消耗，drprofile為建筑物dr特性系數(shù)。

17、在上述技術方案的基礎上，所述方法配置有dr特性計算公式，所述dr特性計算公式為：

18、其中，

19、x代表數(shù)據(jù)點，c表示簇，μj表示簇ci內的點的平均值，k表示簇的數(shù)量。

20、在上述技術方案的基礎上，所述方法配置有聚類dr特性分數(shù)指標計算公式，所述聚類dr特性分數(shù)指標計算公式：

21、其中，

22、din(x)表示點x與同一簇內的其他點之間的平均距離，dout(x)表示點x與其他簇的點的最小平均距離，s(x)為聚類dr特性分數(shù)指標。

23、第二方面，本申請?zhí)峁┮环N建筑物電力負荷削峰潛力估算裝置，所述裝置包括：

24、數(shù)據(jù)集獲取模塊，其用于獲取參考建筑以及目標建筑的歷史數(shù)據(jù)，對應構建數(shù)據(jù)集a和數(shù)據(jù)集b；

25、模型優(yōu)化模塊，其用于基于xgboost算法構建機器學習削峰潛力預測模型，并基于所述數(shù)據(jù)集a對所述機器學習削峰潛力預測模型進行訓練調優(yōu)；

26、曲線獲取模塊，其用于利用k-means聚類方法提取所述數(shù)據(jù)集a在歷史需求響應事件期間的負荷特性曲線；

27、潛力估算模塊，其用于基于所述負荷特性曲線對應的需求響應負荷特征，分析所述數(shù)據(jù)集b對應的所述目標建筑的建筑物電力負荷削峰潛力。

28、在上述技術方案的基礎上，所述數(shù)據(jù)集獲取模塊還用于獲取所述參考建筑的所述歷史數(shù)據(jù)中的建筑物樓層數(shù)、建筑物建成年份、建筑面積、建筑主要用途、歷史需求響應計劃、冷卻系統(tǒng)功率削減能力、通風系統(tǒng)功率削減能力、歷史需求響應事件發(fā)生時間，構建所述數(shù)據(jù)集a；

29、所述數(shù)據(jù)集獲取模塊還用于獲取所述目標建筑的所述歷史數(shù)據(jù)中的建筑物樓層數(shù)、建筑物建成年份、建筑面積以及無歷史需求響應事件的年度能耗信息，構建所述數(shù)據(jù)集b。

30、在上述技術方案的基礎上，所述潛力估算模塊還用于計算所述數(shù)據(jù)集a中不同參考建筑對應的建筑物dr特性；

31、所述潛力估算模塊還用于基于所述數(shù)據(jù)集a中不同參考建筑對應的建筑物dr特性，計算獲得聚類dr特性分數(shù)指標。

32、在上述技術方案的基礎上，所述裝置配置有建筑物dr特性系數(shù)計算公式，所述建筑物dr特性系數(shù)計算公式為：

33、其中，

34、pbl為建筑物在不參與需求響應時的基線功率，pdr為建筑物在需求響應事件期間的功率消耗，drprofile為建筑物dr特性系數(shù)。

35、在上述技術方案的基礎上，所述裝置配置有dr特性計算公式，所述dr特性計算公式為：

36、其中，

37、x代表數(shù)據(jù)點，c表示簇，μj表示簇ci內的點的平均值，k表示簇的數(shù)量。

38、在上述技術方案的基礎上，所述裝置配置有聚類dr特性分數(shù)指標計算公式，所述聚類dr特性分數(shù)指標計算公式：

39、其中，

40、din(x)表示點x與同一簇內的其他點之間的平均距離，dout(x)表示點x與其他簇的點的最小平均距離，s(x)為聚類dr特性分數(shù)指標。

41、與現(xiàn)有技術相比，本發(fā)明的優(yōu)點在于：

42、本發(fā)明在缺乏詳細建筑和設備信息的情況下，估算大規(guī)模建筑物的電力需求削峰潛力，有助于提高電力系統(tǒng)的運行效率和可靠性。

技術特征：

1.一種建筑物電力負荷削峰潛力估算方法，其特征在于，所述方法包括以下步驟：

2.如權利要求1所述的建筑物電力負荷削峰潛力估算方法，其特征在于，所述獲取參考建筑以及目標建筑的歷史數(shù)據(jù)，對應構建數(shù)據(jù)集a和數(shù)據(jù)集b中，包括以下步驟：

3.如權利要求1所述的建筑物電力負荷削峰潛力估算方法，其特征在于，所述方法還包括以下步驟：

4.如權利要求3所述的建筑物電力負荷削峰潛力估算方法，其特征在于，所述方法配置有建筑物dr特性系數(shù)計算公式，所述建筑物dr特性系數(shù)計算公式為：

5.如權利要求4所述的建筑物電力負荷削峰潛力估算方法，其特征在于，所述方法配置有dr特性計算公式，所述dr特性計算公式為：

6.如權利要求5所述的建筑物電力負荷削峰潛力估算方法，其特征在于，所述方法配置有聚類dr特性分數(shù)指標計算公式，所述聚類dr特性分數(shù)指標計算公式：

7.一種建筑物電力負荷削峰潛力估算裝置，其特征在于，所述裝置包括：

8.如權利要求7所述的建筑物電力負荷削峰潛力估算裝置，其特征在于：

9.如權利要求7所述的建筑物電力負荷削峰潛力估算裝置，其特征在于：

10.如權利要求7所述的建筑物電力負荷削峰潛力估算裝置，其特征在于，所述裝置配置有建筑物dr特性系數(shù)計算公式，所述建筑物dr特性系數(shù)計算公式為：

技術總結
本發(fā)明公開了一種建筑物電力負荷削峰潛力估算方法及裝置，涉及建筑能源管理技術領域，該方法包括以下步驟：獲取參考建筑以及目標建筑的歷史數(shù)據(jù)，對應構建數(shù)據(jù)集A和數(shù)據(jù)集B；基于XGboost算法構建機器學習削峰潛力預測模型，并基于數(shù)據(jù)集A對機器學習削峰潛力預測模型進行訓練調優(yōu)；利用K?means聚類方法提取數(shù)據(jù)集A在歷史需求響應事件期間的負荷特性曲線；基于負荷特性曲線對應的需求響應負荷特征，分析數(shù)據(jù)集B對應的目標建筑的建筑物電力負荷削峰潛力。本申請在缺乏詳細建筑和設備信息的情況下，估算大規(guī)模建筑物的電力需求削峰潛力，有助于提高電力系統(tǒng)的運行效率和可靠性。

技術研發(fā)人員：曹曉慶,程少靖,楊軒,李林,馬文杰,楊榮欣,楊青瑞
受保護的技術使用者：武漢華源電力設計院有限公司
技術研發(fā)日：
技術公布日：2024/12/19