一种基于冷冻水出回水温度差的电力系统削峰方法及系统与流程

1.本发明涉及电力系统削峰技术领域，特别涉及一种基于冷冻水出回水温度差的电力系统削峰方法及系统。


背景技术：

2.中央空调用电在城市总体电力系统中占比很高，导致在用电高峰期(例如夏天)电力系统用电峰值过高。用电的高峰值对电网的负荷有较高的压力。因此，在用电高峰期对中央空调运行调控进行削峰有重大意义。
3.目前大多数基于中央空调运行状态的调控以达到削峰目的的手段多为通过检测室外温度室内温度和功率，并以此来反应室内外温度和功率等运行参数的关联性，以对中央空调进行调控以达到削峰的效果。专利cn202211633429.5名称为空调节能控制与调峰管理系统及控制终端，通过分析负荷变化与不同房间、不同方位、不同时间、不同天气及不同室外温度之间的相关性规律，实现对建筑楼宇里空调设备的集中智能化控制及负荷测算，从而可以在高负荷时段利用远程控制模块来适当提高空调的运行温度，从而可以达到削峰效果。但是，该专利在分析负荷与运行参数的关系时并未考虑空调冷冻水出回水温度差与其他运行参数件的关联性。中央空调回水的温度的改变主要用于为环境提供制冷，也就是说，回水温度的高低反映了机组在制冷量是否充足，出回水温度差的大小更是反映了中央空调削峰调控潜力的大小，冷冻水出回水温度差越小表示其对应的中央空调有更多的削峰调控潜力。
4.鉴于此，需要一种基于冷冻水出回水温度差的电力系统削峰方法及系统。


技术实现要素：

5.针对现有技术中分析负荷与运行参数的关系时并未考虑空调冷冻水出回水温度差与其他运行参数件的关联性。而中央空调回水的温度的改变主要用于为环境提供制冷，也就是说，回水温度的高低反映了机组在制冷量是否充足，出回水温度差的大小更是反映了中央空调削峰调控潜力的大小，冷冻水出回水温度差越小表示其对应的中央空调有更多的削峰调控潜力，所以分析出中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性并基于此预测出回水温度差并基于此对中央空调削峰调控潜力进行评估且实施调控很有必要的问题，本发明提供了一种基于冷冻水出回水温度差的电力系统削峰方法及系统，能够分析出中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性并基于此预测出回水温度差并基于此对中央空调削峰调控潜力进行评估且实施调控。具体技术方案如下：
6.一种基于冷冻水出回水温度差的电力系统削峰方法，其特征在于，包括以下步骤：
7.s1：记录中央空调的运行参数并对其进行归一化操作，所述运行参数至少包括冷冻水出水温度、冷冻水回水温度、电流值、室外温度、室外湿度、室内温度；
8.s2：将运行参数划分为样本特征与样本标签，得到特征集和标签集以供后续模型
训练；
9.s3：经过训练获得最优参数的神经网络模型，得到中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性；
10.s4：应用训练好的神经网络模型预测未来区域内的中央空调出回水温度差的预测值，并对得到的同一时刻的所有预测值t进行从小到大排序；
11.s6：给定某区域的的削峰阈值为s，对t中的n个预测值求平均值，并将t中所有的值都减去平均值，得到新的预测值集合t＝{v1,v2,...,vn}，然后去除t中小于0的值，并将剩余的值从小到大排列为新的集合x＝{v1,v2,...,vs},求出x集合中值的和sum＝v1+v2+...+vs，求出每个值占总数的比，即w＝{v1/sum,...,vs/sum}，随后，将w中的各值乘以s，求出w中每台空调分配的削峰调控量；
12.s7：对于w中的某一台空调所求得的分配量为wi，用wi除以该空调的电机功率，得到该空调需要调控的时长mi，按照计算的调控时长，在该时刻关闭空调主机mi时长。
13.优选的，所述步骤1所述的记录中央空调的运行参数为按照一分钟一次的频率记录所有传感器的数据。
14.优选的，所述步骤s2具体为：将n条数据按照连续30条记录作为一个样本，样本1与样本2为相隔1条记录的两个样本，经过对数据的划分后，可以得到n-30个样本，接着再对每个样本划分为特征和标签，前29条记录作为特征，以最后一条记录作为标签，按照该方式对所有的样本进行特征和标签的划分，得到所有的特征值x，和所有的标签值y。
15.优选的，所述步骤s3具体如下：
16.s301：构建一个5层的bp神经网络，以所有的特征值x作为神经网络模型的输入，所有的标签值y作为神经网络的真实标签值；
17.s302：通过计算神经网络的输出值与真实标签值之间的损失值，依据反向传播原理更新神经网络模型各神经元的参数；
18.s303：经过多轮训练，获得最优参数的神经网络模型ξ。
19.优选的，所述步骤s4具体为：
20.s401：记中央空调当下运行时刻为t，从数据库中调取从当下时刻往前29条的运行参数记录，形成当前时刻的待预测特征xt；
21.s402：将xt的每列进行归一化操作，随后把xt作为输入送入到训练好的神经网络ξ，得到一个预测值yt，所述预测值为冷冻水出回水温度差；
22.s403：对所述步骤s402中得出的预测出每台中央空调在运行时下一时刻的冷冻水出回水温度差t＝{t1,t2,...,tn}进行从小到大排序。
23.优选的，所述步骤1所述的归一化操作具体如下：采集待归一化数据集，形成参数数据集t∈rn×d,表示一共有n条样本，每条样本包含d个特征，然后计算出所有参数的均值μ和标准差σ，标准化之后的数据集通过以下公式得到：
[0024][0025]
其中，t为参数数据，μ为均值，σ为标准差。
[0026]
一种基于冷冻水出回水温度差的电力系统削峰系统，应用于如上所述的基于冷冻水出回水温度差的电力系统削峰方法，包括中央空调运行参数采集模块、中央空调运行参
数挖掘分析预处理模块、中央空调调控潜力分析模块、区域多主机协同调控削峰模块和主机用电调节模块，所述中央空调运行参数采集模块用于采集中央空调运行参数并对运行参数作归一化处理，所述中央空调运行参数挖掘分析预处理模块用于划分训练集以便后续进行模型训练，所述中央空调调控潜力分析模块用于通过训练生成可以反映中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性神经网络模型，所述区域多主机协同调控削峰模块用于应用神经网络模型输出的预测值进一步求出每台空调分配的削峰调控量，所述主机用电调节模块用于得出空调主机在某时刻应关闭的时长。
[0027]
一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行如上所述的基于冷冻水出回水温度差的电力系统削峰方法。
[0028]
一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行如上所述的基于冷冻水出回水温度差的电力系统削峰方法。
[0029]
与现有技术相比，本发明的有益效果为：
[0030]
本发明主要通过对中央空调在未来时刻的冷冻水出回水温度差的预测值作为参考条件，将城市某区域中的多台空调作为调节对象，在给定电力削峰要求的前提下，通过对中央空调运行参数采集并训练模型以得到体现中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性的神经网络模型，通过神经网络模型对冷冻水出回水温度差进行预测，并且基于此制定合理的调节方案，达到电力系统用电高峰期电力削峰的效果。
附图说明
[0031]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0032]
图1为本发明一种基于冷冻水出回水温度差的电力系统削峰方法流程图。
具体实施方式
[0033]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0034]
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0035]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0036]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0037]
结合图1，本发明实施例提供一种基于冷冻水出回水温度差的电力系统削峰方法，其特征在于，包括以下步骤：
[0038]
s1：记录中央空调的运行参数并对其进行归一化操作，所述运行参数至少包括冷冻水出水温度、冷冻水回水温度、电流值、室外温度、室外湿度、室内温度；
[0039]
针对某区域中电力系统中的n台中央空调，每台中央空调的运行参数通过传感器记录下来，包括冷冻水出水温度、冷冻水回水温度、电流值、室外温度、室外湿度、室内温度等。按照一分钟一次的频率记录所有传感器的数据，并传送到数据采集系统，形成数据集。并且形成参数数据集t∈rn×d,表示一共有n条样本，每条样本包含d个特征。该步骤主要是对所采集的参数进行标准化处理，保证在后续的机器学习步骤中表现最佳。首先计算出所有参数的均值μ和标准差σ，则标准化之后的数据集通过公式(1)得到。
[0040][0041]
s2：将运行参数划分为样本特征与样本标签，得到特征集和标签集以供后续模型训练；
[0042]
经过步骤s1的操作，数据x中的所有值都归一化成了均值为0标准差为1的数据。接下来划分数据x为样本特征与样本标签，以便于机器学习模型的训练。将n条数据按照连续30条记录作为一个样本x。样本1与样本2为相隔1条记录的两个样本。经过对数据x的划分后，可以得到n-30个样本。接着再对每个样本划分为特征和标签。以样本1为例，其中包含了30条记录。将其中的前29条记录的所有参数按照时间先后顺序排列作为样本1的特征值x1，将最后1条记录中的冷冻水出回水温度差作为样本1的标签值y1。按照该方式对所有的样本进行特征和标签的划分，得到所有的特征值x，和所有的标签值y。
[0043]
s3：经过训练获得最优参数的神经网络模型，得到中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性；
[0044]
经过步骤s2可以得到特征集x和标签集y。接着，通过构建的特征集和标签集可以分析出中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性。构建一个5层的bp神经网络，以x作为神经网络模型的输入，y作为神经网络的真实标签值。通过计算神经网络的输出值与真实标签值之间的损失值，依据反向传播原理更新神经网络模型各神经元的参数。经过多轮训练，可以获得最优参数的神经网络模型ξ。
[0045]
s4：应用训练好的神经网络模型预测未来区域内的中央空调出回水温度差的预测值，并对得到的同一时刻的所有预测值t进行从小到大排序；
[0046]
在获得最优的神经网络模型后，中央空调的冷冻水出回水温度差与其他运行参数之间的时序关联性被有效挖掘。接着将训练好的神经网络模型用于中央空调未来时段出回水温度差预测模块。记中央空调当下运行时刻为t，从数据库中调取从当下时刻往前29条的运行参数记录，形成当前时刻的待预测特征xt。将xt的每列按公式(1)进行归一化操作。随后把xt作为输入送入到训练好的神经网络ξ，得到一个预测值yt。yt则是当下时刻对未来中央空调出回水温度差的预测值。冷冻水出回水温度差很大程度上反映了中央空调运行过程中制冷量是否存在盈余。差值越小，说明中央空调制冷量存在盈余，造成中央空调多做无用功，其调控潜力则越大。
[0047]
设某区域内有n台可调控的中央空调，通过训练好的神经网络可以预测出每台中
央空调在运行时下一时刻的冷冻水出回水温度差t＝{t1,t2,...,tn}，其中ti表示第i台中央空调预测出的冷冻水出回水温度差。对t中的所有预测值进行从小到大排序，越小的预测值表示其对应的中央空调有更多的削峰调控潜力。
[0048]
s6：给定某区域的的削峰阈值为s，对t中的n个预测值求平均值，并将t中所有的值都减去平均值，得到新的预测值集合t＝{v1,v2,...,vn}，然后去除t中小于0的值，并将剩余的值从小到大排列为新的集合x＝{v1,v2,...,vs},求出x集合中值的和sum＝v1+v2+...+vs，求出每个值占总数的比，即w＝{v1/sum,...,vs/sum}，随后，将w中的各值乘以s，求出w中每台空调分配的削峰调控量；
[0049]
s7：对于w中的某一台空调所求得的分配量为wi，用wi除以该空调的电机功率，得到该空调需要调控的时长mi，按照计算的调控时长，在该时刻关闭空调主机mi时长。
[0050]
本发明实施例还提供一种基于冷冻水出回水温度差的电力系统削峰系统，应用于如上所述的基于冷冻水出回水温度差的电力系统削峰方法，包括中央空调运行参数采集模块、中央空调运行参数挖掘分析预处理模块、中央空调调控潜力分析模块、区域多主机协同调控削峰模块和主机用电调节模块，所述中央空调运行参数采集模块用于采集中央空调运行参数并对运行参数作归一化处理，所述中央空调运行参数挖掘分析预处理模块用于划分训练集以便后续进行模型训练，所述中央空调调控潜力分析模块用于通过训练生成可以反映中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性神经网络模型，所述区域多主机协同调控削峰模块用于应用神经网络模型输出的预测值进一步求出每台空调分配的削峰调控量，所述主机用电调节模块用于得出空调主机在某时刻应关闭的时长。
[0051]
综上所述，本发明主要通过对中央空调在未来时刻的冷冻水出回水温度差的预测值作为参考条件，将城市某区域中的多台空调作为调节对象，在给定电力削峰要求的前提下，通过对中央空调运行参数采集并训练模型以得到体现中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性的神经网络模型，通过神经网络模型对冷冻水出回水温度差进行预测，并且基于此制定合理的调节方案，达到电力系统用电高峰期电力削峰的效果，解决了背景技术中提出的问题。
[0052]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0053]
在本发明所提供的实施例中，应该理解到，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可结合为一个模块，一个模块可拆分为多个模块，或一些特征可以忽略等。
[0054]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0055]
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用
时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom,read-0nlymemory)、随机存取存储器(ram,randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0056]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

技术特征：
1.一种基于冷冻水出回水温度差的电力系统削峰方法，其特征在于，包括以下步骤：s1：记录中央空调的运行参数并对其进行归一化操作，所述运行参数至少包括冷冻水出水温度、冷冻水回水温度、电流值、室外温度、室外湿度、室内温度；s2：将运行参数划分为样本特征与样本标签，得到特征集和标签集以供后续模型训练；s3：经过训练获得最优参数的神经网络模型，得到中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性；s4：应用训练好的神经网络模型预测未来区域内的中央空调出回水温度差的预测值，并对得到的同一时刻的所有预测值t进行从小到大排序；s6：给定某区域的的削峰阈值为s，对t中的n个预测值求平均值，并将t中所有的值都减去平均值，得到新的预测值集合t＝{v1,v2,...,vn}，然后去除t中小于0的值，并将剩余的值从小到大排列为新的集合x＝{v1,v2,...,vs},求出x集合中值的和sum＝v1+v2+...+vs，求出每个值占总数的比，即w＝{v1/sum,...,vs/sum}，随后，将w中的各值乘以s，求出w中每台空调分配的削峰调控量；s7：对于w中的某一台空调所求得的分配量为wi，用wi除以该空调的电机功率，得到该空调需要调控的时长mi，按照计算的调控时长，在该时刻关闭空调主机mi时长。2.根据权利要求1所述的一种基于冷冻水出回水温度差的电力系统削峰方法，其特征在于，所述步骤1所述的记录中央空调的运行参数为按照一分钟一次的频率记录所有传感器的数据。3.根据权利要求1所述的一种基于冷冻水出回水温度差的电力系统削峰方法，其特征在于，所述步骤s2具体为：将n条数据按照连续30条记录作为一个样本，样本1与样本2为相隔1条记录的两个样本，经过对数据的划分后，可以得到n-30个样本，接着再对每个样本划分为特征和标签，前29条记录作为特征，以最后一条记录作为标签，按照该方式对所有的样本进行特征和标签的划分，得到所有的特征值x，和所有的标签值y。4.根据权利要求1所述的一种基于冷冻水出回水温度差的电力系统削峰方法，其特征在于，所述步骤s3具体如下：s301：构建一个5层的bp神经网络，以所有的特征值x作为神经网络模型的输入，所有的标签值y作为神经网络的真实标签值；s302：通过计算神经网络的输出值与真实标签值之间的损失值，依据反向传播原理更新神经网络模型各神经元的参数；s303：经过多轮训练，获得最优参数的神经网络模型ξ。5.根据权利要求1所述的一种基于冷冻水出回水温度差的电力系统削峰方法，其特征在于，所述步骤s4具体为：s401：记中央空调当下运行时刻为t，从数据库中调取从当下时刻往前29条的运行参数记录，形成当前时刻的待预测特征xt；s402：将xt的每列进行归一化操作，随后把xt作为输入送入到训练好的神经网络ξ，得到一个预测值yt，所述预测值为冷冻水出回水温度差；s403：对所述步骤s402中得出的预测出每台中央空调在运行时下一时刻的冷冻水出回水温度差t＝{t1,t2,...,tn}进行从小到大排序。6.根据权利要求1所述的一种基于冷冻水出回水温度差的电力系统削峰方法，其特征
在于，所述步骤1所述的归一化操作具体如下：采集待归一化数据集，形成参数数据集t∈r
n
×
d
,表示一共有n条样本，每条样本包含d个特征，然后计算出所有参数的均值μ和标准差σ，标准化之后的数据集通过以下公式得到：其中，t为参数数据，μ为均值，σ为标准差。7.一种基于冷冻水出回水温度差的电力系统削峰系统，其特征在于，应用于权利要求1至6任一所述的基于冷冻水出回水温度差的电力系统削峰方法，包括中央空调运行参数采集模块、中央空调运行参数挖掘分析预处理模块、中央空调调控潜力分析模块、区域多主机协同调控削峰模块和主机用电调节模块，所述中央空调运行参数采集模块用于采集中央空调运行参数并对运行参数作归一化处理，所述中央空调运行参数挖掘分析预处理模块用于划分训练集以便后续进行模型训练，所述中央空调调控潜力分析模块用于通过训练生成可以反映中央空调运行过程中的冷冻水出回水温度差和其他运行参数之间的非线性关联性神经网络模型，所述区域多主机协同调控削峰模块用于应用神经网络模型输出的预测值进一步求出每台空调分配的削峰调控量，所述主机用电调节模块用于得出空调主机在某时刻应关闭的时长。8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的基于冷冻水出回水温度差的电力系统削峰方法。9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的基于冷冻水出回水温度差的电力系统削峰方法。

技术总结
本发明公开了一种基于冷冻水出回水温度差的电力系统削峰方法，涉及电力系统削峰技术领域，包括以下步骤：记录中央空调的运行参数并对其进行归一化操作；将运行参数划分得到特征集和标签集；经过训练获得最优参数的神经网络模型；预测未来区域内的中央空调出回水温度差的预测值，并对所有预测值T进行从小到大排序；求出每台空调分配的削峰调控量；求出该空调需要调控的时长mi，在该时刻关闭空调主机mi时长。本发明主要通过对中央空调在未来时刻的冷冻水出回水温度差的预测值作为参考条件，在给定电力削峰要求的前提下，通过神经网络模型对冷冻水出回水温度差进行预测，并且基于此制定合理的调节方案，达到电力系统用电高峰期电力削峰的效果。力削峰的效果。力削峰的效果。


技术研发人员：韩帅 卢健斌 吴宁 孙乐平 莫宇鸿 阮诗雅 郭小璇 陈卫东 肖静 卓浩泽 杨霞琴 吴晓锐
受保护的技术使用者：广西电网有限责任公司电力科学研究院
技术研发日：2023.06.09
技术公布日：2023/8/1