基于移动人流数据的商业楼宇负荷用电预测

建筑能耗的准确预测为电网系统进行高效管理和合理分配电能资源奠定了重要基础,而结合外因数据预测商业楼宇的负荷用电量是一个难点问题。根据建筑内人流量对用电负荷的影响,提出一种将融合移动人流数据的多维时间序列预测模型LMO(Linear Model with Occupancy)。利用楼宇负荷用电和移动人流时间序列的耦合性,LMO融合了多维特征,提高楼宇用电量预测的准确性。实验结果表明,LMO能够引入更多的先验知识,减少不确定性。因此,相比于传统方法,该预测方法具有更高的预测精度。

楼宇用户基于移动人流量的需求响应管理模型

通过考虑建筑热储存的特性,可根据不同的价格对中央空调系统和新风系统进行需求响应调节,模拟考虑移动人流量的不确定性对楼宇需求响应的影响具有重要意义。对楼宇内所有系统以及移动人流量进行数学建模,该文对考虑移动人流量和不考虑移动人流量两种情况分别分析,采用YALMIP调用CPLEX进行优化求解。以某机场候车厅为例对所提的方法进行分析说明,通过对比两种结果得出移动人流量对楼宇内用电影响较大。得出在人流量较大的商业楼宇等公共场所内,因为人流量对空调制冷有一定的影响,所以考虑人流量并对负荷做出预测具有实际意义。