买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东电网有限责任公司;广东电网有限责任公司计量中心

摘要：本发明公开了一种基于模型的能效诊断方法、系统、设备和介质，所述方法包括：获取目标建筑的历史能耗数据，其中，所述能耗数据包括：目标建筑总电耗数据和空调电耗数据；根据诊断周期的长短和预设的规则在预设的能耗预测模型库中选择对应的能耗预测模型；将所述历史能耗数据输入到所述能耗预测模型进行训练与预测，预测获得目标建筑的基准能耗数据；获取目标建筑的实时能耗数据，并根据所述实时能耗数据和基准能耗数据，得出目标建筑的能效诊断结果。本发明能够解决因计量数据在深度上的不足造成诊断精度和范围受到限制的问题。

主权项：1.一种基于模型的能效诊断方法，其特征在于，包括：获取目标建筑的历史能耗数据，其中，所述能耗数据包括：目标建筑总电耗数据和空调电耗数据；根据诊断周期的长短和预设的规则在预设的能耗预测模型库中选择对应的能耗预测模型；其中，所述诊断周期包括逐周、逐天和逐时；根据目标建筑类型，选择诊断周期，并计算所述历史能耗数据的标准差变异系数；根据诊断周期和所述标准差变异系数在预设的能耗预测模型库中选择对应的能耗预测模型；所述能耗预测模型库包括回归模型、特征平均模型和上下限模型，其中，回归模型、特征平均模型和上下限模型包括：一个或多个对应的子模型；其中，所述回归模型包括：周回归模型和天回归模型；所述特征平均模型包括：周特征平均模型和天特征平均模型；其中，所述周回归模型对应的周耗能回归模型包括社会气象参数回归模型、将空调电耗作为自变量的回归模型；所述天回归模型对应的天耗能回归模型包括社会气象参数回归模型、不分工作日与休息日时将空调电耗作为自变量的回归模型和将工作日与休息日分开时将空调电耗作为自变量的回归模型；所述周特征平均模型对应的周耗能特征平均模型包括针对全年未分开的数据的第一周特征平均模型和针对按季节分开后的数据的第二周特征平均模型；所述天特征平均模型对应的天耗能特征平均模型包括针对工作日与休息日未分开的数据的第一天特征平均模型、针对工作日与休息日分开的数据的第二天特征平均模型、针对仅按季节分开的数据的第三天特征平均模型及针对仅按季节分开的数据的第四天特征平均模型；当所述诊断周期为逐时时对应的时能耗预测模型的计算公式如下： 其中，z表示逐时电耗数据；h表示时刻数；qm,w,h表示该月份该工作性质的天中该时刻的小时数；选择所述能耗预测模型的规则为：当所述诊断周期为逐周时，计算所述历史能耗数据的CVσ，若所述CVσ≤20％，则选用第一周特征平均模型作为其能耗预测模型；若所述CVσ20％,则判断所述历史能耗数据是否是总电耗数据或空调电耗数据；当所述历史能耗数据是所述总电耗数据或空调电耗数据时，将所述历史能耗数据划分为三个季节，并计算每一季节内数据对应的CVσ；若CVσ≤20％，则选用第二周特征平均模型作为当前季节内数据对应的能耗预测模型；若CVσ20％，则选用社会气象参数回归模型或上下限模型作为当前季节内数据对应的能耗预测模型；当所述历史能耗数据不是所述总电耗数据或空调电耗数据时，计算所述历史能耗数据与相应时间空调电耗的相关系数，当所述相关系数＞0.4时，选用将空调电耗作为自变量的回归模型或上下限模型作为所述能耗预测模型；当所述相关系数≤0.4时，选用所述上下限模型作为所述能耗预测模型；当所述诊断周期为逐日时，对所述历史能耗数据进行盒图剔异，得到剔异后的能耗数据，并计算所述剔异后的能耗数据与工作性质参数的相关系数的绝对值；当所述绝对值＜0.4时，计算所述剔异后的能耗数据的CVσ，若所述CVσ≤20％，则选用第一天特征平均模型作为其能耗预测模型；若所述CVσ20％，则判断所述剔异后的能耗数据的CVσ是否是总电耗数据或空调电耗数据；若不是所述总电耗数据或空调电耗数据，则判断所述剔异后的能耗数据的中值是否小于对应时间段内空调电耗的中值的10％；若小于或等于对应时间段内空调电耗的中值的10％，则选用第一天特征平均模型作为所述能耗预测模型；若大于对应时间段内空调电耗的中值的10％，则计算所述剔异后的能耗数据与相应时间空调电耗的相关系数；若所述相关系数≤0.4时，选用所述上下限模型作为所述能耗预测模型；若所述相关系数＞0.4时，则选用不分工作日与休息日时将空调电耗作为自变量的回归模型或上下限模型作为所述能耗预测模型；若是所述总电耗数据或空调电耗数据，则将所述历史能耗数据划分为三个数据集，并计算每一数据集内数据对应的CVσ；若CVσ≤20％，则选用第三天特征平均模型作为当前季节内数据对应的能耗预测模型；若CVσ20％，则选用社会气象参数回归模型或上下限模型作为当前数据集内对应的能耗预测模型；当所述历史能耗数据不是所述总电耗数据或空调电耗数据时，计算所述历史能耗数据与相应时间空调电耗的相关系数，当所述相关系数＞0.4时，选用将空调电耗作为自变量的回归模型或上下限模型作为所述能耗预测模型；当所述相关系数≤0.4时，选用所述上下限模型作为所述能耗预测模型；当所述绝对值≥0.4时，按照工作性质将所述历史能耗数据拆分为初始工作日能耗数据和初始休息日能耗数据，然后按照盒须图的方法剔除所述初始工作日能耗数据和初始休息日能耗数据中的异常值，得到工作日能耗数据和休息日能耗数据；分别计算所述工作日能耗数据和休息日能耗数据对应的CVσ，若所述CVσ≤20％，则选用第二天特征平均模型作为所述能耗预测模型；若所述CVσ20％，则判断所述工作日能耗数据和休息日能耗数据是否是总电耗数据或空调电耗数据；若不是所述总电耗数据或空调电耗数据，则判断所述工作日能耗数据和休息日能耗数据的中值是否小于对应时间段内空调电耗的中值的10％；若小于或等于对应时间段内空调电耗的中值的10％，则选用第二天特征平均模型作为所述能耗预测模型；若大于对应时间段内空调电耗的中值的10％，则计算所述工作日能耗数据与相应时间空调电耗的相关系数；若所述相关系数≤0.4时，选用所述上下限模型作为所述能耗预测模型；若所述相关系数＞0.4时，则选用将工作日与休息日分开时将空调电耗作为自变量的回归模型或上下限模型作为所述能耗预测模型；若是所述总电耗数据或空调电耗数据，则将所述工作日能耗数据和休息日能耗数据划分为三个数据集，并计算每一数据集内数据对应的CVσ；若CVσ≤20％，则选用第四天特征平均模型作为当前数据集内数据对应的能耗预测模型；若CVσ20％，则选用社会气象参数回归模型或上下限模型作为当前数据集内数据对应的能耗预测模型；将所述历史能耗数据输入到所述能耗预测模型进行训练与预测，预测获得目标建筑的基准能耗数据；获取目标建筑的实时能耗数据，并根据所述实时能耗数据和基准能耗数据，得出目标建筑的能效诊断结果。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司 广东电网有限责任公司计量中心 一种基于模型的能效诊断方法、系统、设备和介质