一种冷水机组用能运行特征模型
文献发布时间:2023-06-19 09:32:16
技术领域
本发明涉及建筑智能化监测能源数据分析领域,具体涉及一种办公建筑冷水机组用能运行特征模型。
背景技术
目前多数的建筑智能化监测平台处于“建而不用”的状态,部分被使用的也仅仅作为能耗宏观统计和决策、能耗标准限值的确定等方面的初步支撑,鲜有建筑将其建立的智能化监测平台真正应用于建筑本身用能系统的运行管理中,探究其主要原因:一是多数建筑用能管理人员专业知识局限性,二是缺少有效的大数据分析方法等。
暖通空调系统作为建筑耗能“大户”,始终是行业内重点研究和聚焦的对象,当前针对办公建筑冷水机用能运行方面的研究主要包括:测试和分析冷水机在典型工况下的运行参数、运用非侵入式负荷监测(NILM)等大数据技术预测和监测冷水机用电异常、评价冷水机整体用能能效等,但是尚无全面反映冷机运行特征变化规律方面的完整研究。因此,如何在基于办公建筑智能化平台的基础上实现对冷水机组运行的实时调整,优化空调冷水机组运行,减少整个空调冷源的用能浪费是目前亟待解决的问题。
发明内容
本发明要解决的技术问题是如何在基于办公建筑智能化平台的基础上实现对冷水机组运行的实时调整,优化空调冷水机组运行,减少整个空调冷源的用能浪费是目前亟待解决的问题,提供一种冷水机组用能运行特征模型。
本发明是通过下述技术方案来解决上述技术问题:
一种冷水机组用能运行特征模型,建立所述用能运行特征模型包括如下步骤:
根据所述冷水机组运行能耗特征选择关键影响因素;
确定基础用能特征向量
根据所述基础用能特征向量
根据所述基础用能特征向量
较佳地,所述关键影响因素包括:时类别因素,日类别因素,季节类别因素。
进一步地,所述时类别因素包括:运行时段因素和非运行时段因素;所述日类别因素包括:工作日因素和非工作日因素;所述季节类别因素包括:夏季因素,过渡季因素及冬季因素。
较佳地,根据所述基础用能特征向量
较佳地,根据典型非工作日逐时用能特征数据和所述基础用能特征向量
较佳地,根据季节典型工作日逐时用能特征数据和所述基础用能特征向量
较佳地,所述季节典型工作日逐时用能特征数据包括:过渡季典型工作日逐时用能特征数据和冬季典型工作日逐时用能特征数据;所述季节类别影响系数矩阵
较佳地,所述典型工作日为办公建筑正常上班日,所述典型非工作日为所述办公建筑正常休息日。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:及时发现办公建筑冷水机组运行过程中存在的用能问题并及时采取调整运行策略等措施,避免冷水机组用能的进一步浪费,减少建筑整体用能,促进建筑节能智能化发展。
附图说明
图1为本发明一种冷水机组用能运行特征模型的一实施例中的方法流程图;
图2为本发明一种冷水机组用能运行特征模型的一实施例中的能耗数据标准化后的典型周变化和典型日变化特征图;
图3为本发明一种冷水机组用能运行特征模型的一实施例中的基础用能特征向量;
图4为本发明一种冷水机组用能运行特征模型的一实施例中的小时类别影响系数矩阵;
图5为本发明一种冷水机组用能运行特征模型的一实施例中的日类别影响系数矩阵;
图6为本发明一种冷水机组用能运行特征模型的一实施例中的过渡季影响系数矩阵;
图7为本发明一种冷水机组用能运行特征模型的一实施例中的冬季影响系数矩阵。
图8为本发明一种冷水机组用能运行特征模型的一实施例中的冬季典型非工作日用能运行特征模型。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的首选实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本申请的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示为本发明用能运行特征模型的构建方法流程图,其中
S01:根据所述冷水机组运行能耗特征选择关键影响因素;
在一个示例中,如图2所示,上图为不同季节典型周冷机逐时用电图,可以看出办公建筑在不同季节用电数据相差很大,在夏季达到峰值,而在过渡季用电数据很小,在冬季的数据为几乎为0,并且在夏季,每天的用电数据在某一个时间段内达到峰值,其余时间的用电数据几乎为0;下图为不同季节典型工作日逐时冷机用电图,是对上图的进一步解释,可以看出在夏季办公建筑正常上班日从上午7点开始冷机用电数据陡增,至约上午9点左右达到峰值,然后一直持续该状态至下午6点,随后至下午7点用电数据从峰值很快降低至几乎为0。
在一个示例中,基于冷水机组运行能耗特征,判定冷水机组运行能耗的关键影响因素,遴选出关键影响因素包括:时类别因素,所述时类别因素包括:运行时段因素与非运行时段因素;日类别因素,所述日类别因素包括:工作日因素与非工作日因素;季节类别因素,所述季节类别因素包括:夏季因素、过渡季因素及冬季因素。其中,夏季温度范围为:Tsu∈[25℃,40℃];过渡节温度范围:T
S02:确定基础用能特征向量;
在一个示例中,如图3所示,以夏季冷水机组运行能耗标准数据为基础,确定典型夏季工作日逐时冷机用能特征向量
S03:根据所述基础用能特征向量确定关键影响系数矩阵;
在一个示例中,如图4所示,确定小时类别影响系数矩阵
在一个示例中,如图5所示,确定日时类别影响系数矩阵
在一个示例中,如图6和图7所示,确定季节类别影响系数矩阵
S04:获取所述用能运行特征模型;
在一个示例中,如图8所示,所述用能运行模型
其中:
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
- 一种冷水机组用能运行特征模型
- 基于功率特征模型的机床设备加工运行状态在线识别方法