摘要
本发明提供一种建筑水蓄冷中央空调系统动态优化控制方法,本发明通过预训练的冷负荷预测模型预测建筑空调系统的历史冷负荷,并计算冷负荷预测误差率和不确定性分布;利用电力能耗预测模型进行电力能耗预测;利用蒙特卡洛法对未来24小时的冷负荷预测误差率进行采样;结合初始预测冷负荷和动态分时电价,以最小化日用电成本为目标,通过粒子群算法获得未来24小时水蓄冷装置逐时充冷或放冷量的优化控制信号。本发明通过将冷负荷预测的误差率的随机分布进行量化建模,通过蒙特卡罗法和粒子群算法优化水蓄冷装置的充冷或放冷量的控制信号,提升了冷负荷预测不确定情况下的优化控制稳健性,节约了水蓄冷中央空调系统在动态电价下的运行成本。
技术关键词
水蓄冷中央空调系统
动态优化控制方法
水蓄冷装置
能耗预测模型
负荷预测模型
蒙特卡洛
水蓄冷空调系统
动态分时电价
建筑空调系统
建筑冷负荷
电力
支持向量机回归
粒子群算法优化
空调系统能耗
数据
蒙特卡罗
系统为您推荐了相关专利信息
电力负荷预测方法
电力负荷预测模型
二维图像数据
序列
电力负荷预测系统
能耗预测模型
分布式模型
数字孪生模型
参数
强化学习环境
整数规划模型
调控策略
负荷预测模型
充电电动汽车
调控方法
负荷预测模型
非线性
多尺度特征提取
集成经验模态分解
特征金字塔
全局路径规划
拓扑地图
顶点
粒子群算法
巡检机器人