本发明实施例涉及时序数据的预测领域，尤其涉及一种基于负荷预测的楼宇通风空调控制方法及装置。
背景技术：
在暖通空调节能领域中，提高节能率是一项重要的技术。目前的节能率提高碰到瓶颈，主要是由于不能提前预知负荷，滞后紧急调节，电能浪费严重，就像汽车总是紧急启停，油耗就会比较高。
随着暖通空调优化控制技术的快速发展，负荷预测技术被逐渐引入到暖通空调控制系统中。然而，现有暖通空调控制技术所采用的负荷预测仍不能针对周期性、节假日等情况进行准确预测，预测准确率较低，负荷预测引入暖通空调后的使用性也较差，进而导致暖通空调系统的温度调节不及时并造成能源浪费。
综上，亟需一种基于负荷预测的楼宇通风空调控制方法，用以解决暖通空调负荷预测不准确、温度调节不及时以及能源浪费的问题。
技术实现要素：
本发明实施例提供了一种基于负荷预测的楼宇通风空调控制方法及装置，用以解决暖通空调负荷预测不准确、温度调节不及时以及能源浪费的问题。
第一方面，本发明实施例提供了一种基于负荷预测的楼宇通风空调控制方法，包括：
获取楼宇的当前信息数据；
根据所述楼宇的当前信息数据和负荷预测模型，确定所述楼宇的当前负荷；所述负荷预测模型是对所述楼宇的历史信息数据进行训练得到的；
将能耗模型的多组变量组合分别输入至所述能耗模型中，得到每组变量组合对应的总能耗；所述能耗模型的多组变量组合是根据所述能耗模型和历史能耗数据确定的；
根据所述每组变量组合对应的总能耗和所述楼宇的当前负荷，确定出所述楼宇通风空调系统中各设备的最佳运行参数；
根据所述楼宇通风空调系统中各设备的最佳运行参数，对所述楼宇通风空调系统中各设备进行控制。
上述技术方案中，通过根据楼宇的当前信息数据和负荷预测模型，可以确定楼宇的当前负荷，将能耗模型的多组变量组合分别输入至能耗模型中，得到每组变量组合对应的总能耗，并根据每组变量组合对应的总能耗和楼宇的当前负荷，可以确定出楼宇通风空调系统中各设备的最佳运行参数，根据楼宇通风空调系统中各设备的最佳运行参数，对楼宇通风空调系统中各设备进行控制。由于根据楼宇通风空调系统中各设备的最佳运行参数，可以对楼宇通风空调系统中各设备进行调控，以使各设备在满足楼宇当前负荷的条件下处于最优运行状态，有助于解决暖通空调负荷预测不准确、温度调节不及时以及能源浪费的问题，从而实现精准控制室温，提高楼宇的人体舒适度，并达到节能效果。
可选地，所述楼宇的信息数据包括时间段、室外温度、耗电量和人流量；
对所述楼宇的历史信息数据进行训练得到所述负荷预测模型，包括：
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设趋势模型进行训练，得到训练后的趋势模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设周期模型进行训练，得到训练后的周期模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设节假日模型进行训练，得到训练后的节假日模型；
将所述训练后的趋势模型、周期模型以及节假日模型进行拟合，确定出所述负荷预测模型。
上述技术方案中，通过对预设趋势模型、预设周期模型以及预设节假日模型进行训练，并对训练后的趋势模型、周期模型以及节假日模型进行拟合，确定出负荷预测模型。由于负荷预测将时间序列进行分解，把时间序列分成趋势项、周期项、节假日项等部分，利用楼宇的历史信息数据对每个部分进行训练建立对应的模型，并对各个模型进行拟合建立统一的负荷预测模型，该负荷预测模型综合考虑数据的趋势性、周期性以及节假日的影响，可以提高楼宇负荷预测的准确性。
可选地，所述楼宇通风空调系统的能耗模型包括冷水机组能耗模型、冷却塔能耗模型和空调箱能耗模型；
根据所述能耗模型和历史能耗数据确定所述能耗模型的多组变量组合，包括：
将空调箱历史能耗数据中的制冷量和送风处理量输入到所述空调箱能耗模型，得到所述空调箱的冷冻水水量；所述制冷量和所述送风处理量是根据所述空调箱的送风量检测值、送风湿度检测值和设定值确定的；
将所述空调箱历史能耗数据中的制冷量以及冷水机组历史能耗数据中的冷冻水供水温度和冷却水进水温度输入到所述冷水机组能耗模型，得到所述冷水机组的机组总能耗；
将冷凝热负荷以及所述冷水机组历史能耗数据中的冷却水进水温度和冷却水进出水温差输入到所述冷却塔能耗模型，得到所述冷却塔的风机风量，并确定出所述冷却塔的冷却水水量；所述冷凝热负荷是根据所述机组总能耗和所述制冷量确定的；
将所述冷冻水供水温度、冷冻水水量、冷却水进水温度、冷却水水量以及风机风量进行组合，确定出所述楼宇通风空调系统的能耗模型的多组变量组合。
上述技术方案中，通过将楼宇通风空调系统的历史能耗数据分别输入到各自对应的能耗模型中，可以得到各自模型对应的变量，将各自模型对应的变量进行组合以确定楼宇通风空调系统的能耗模型的多组变量组合，可以为确定最低能耗的变量组合提供数据支持，以使达到全局优化节能控制的效果。
可选地，所述根据所述每组变量组合对应的总能耗和所述楼宇的当前负荷，确定出所述楼宇通风空调系统中各设备的最佳运行参数，包括：
根据所述楼宇的当前负荷，将所述多组变量组合的每组变量组合输入到所述楼宇通风空调系统的能耗模型中，得到所述每组变量组合对应的总能耗；
将所述每组变量组合对应的总能耗进行对比，确定出总能耗最低对应的变量组合；
将总能耗最低对应的变量组合确定为所述楼宇通风空调系统中各设备的最佳运行参数。
上述技术方案中，通过将每组变量组合对应的总能耗进行对比，确定出总能耗最低对应的变量组合，即楼宇通风空调系统中各设备的最佳运行参数。由于空调水系统调节的滞后性，将负荷预测和实时反馈相结合，基于当前负荷提前给出楼宇空调系统优化运行参数的指导值，同时结合楼宇负荷变化的反馈，可以使楼宇空调系统在满足当前负荷需求的条件下处于最佳运行状态，以达到最优的节能效果。
可选地，所述根据所述楼宇通风空调系统中各设备的最佳运行参数，对所述楼宇通风空调系统中各设备进行控制，包括：
将所述楼宇通风空调系统中各设备的控制页面中的运行参数更新为对应的所述楼宇通风空调系统中各设备的最佳运行参数，以使所述楼宇通风空调系统中各设备被调控至最优运行状态。
上述技术方案中，通过根据楼宇通风空调系统中各设备的最佳运行参数将楼宇通风空调系统中各设备的控制页面中的运行参数进行对应更新，可以使楼宇空调系统在满足当前负荷需求的条件下处于最佳运行状态，从而实现精准控制室温，提高楼宇的人体舒适度，并达到最优的节能效果。
第二方面，本发明实施例还提供了一种基于负荷预测的楼宇通风空调控制装置，包括：获取单元，用于获取楼宇的当前信息数据；
处理单元，用于根据所述楼宇的当前信息数据和负荷预测模型，确定所述楼宇的当前负荷；所述负荷预测模型是对所述楼宇的历史信息数据进行训练得到的；将能耗模型的多组变量组合分别输入至所述能耗模型中，得到每组变量组合对应的总能耗；所述能耗模型的多组变量组合是根据所述能耗模型和历史能耗数据确定的；根据所述每组变量组合对应的总能耗和所述楼宇的当前负荷，确定出所述楼宇通风空调系统中各设备的最佳运行参数；根据所述楼宇通风空调系统中各设备的最佳运行参数，对所述楼宇通风空调系统中各设备进行控制。
可选地，所述楼宇的信息数据包括时间段、室外温度、耗电量和人流量；
所述处理单元具体用于：
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设趋势模型进行训练，得到训练后的趋势模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设周期模型进行训练，得到训练后的周期模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设节假日模型进行训练，得到训练后的节假日模型；
将所述训练后的趋势模型、周期模型以及节假日模型进行拟合，确定出所述负荷预测模型。
可选地，所述楼宇通风空调系统的能耗模型包括冷水机组能耗模型、冷却塔能耗模型和空调箱能耗模型；
所述处理单元具体用于：
将空调箱历史能耗数据中的制冷量和送风处理量输入到所述空调箱能耗模型，得到所述空调箱的冷冻水水量；所述制冷量和所述送风处理量是根据所述空调箱的送风量检测值、送风湿度检测值和设定值确定的；
将所述空调箱历史能耗数据中的制冷量以及冷水机组历史能耗数据中的冷冻水供水温度和冷却水进水温度输入到所述冷水机组能耗模型，得到所述冷水机组的机组总能耗；
将冷凝热负荷以及所述冷水机组历史能耗数据中的冷却水进水温度和冷却水进出水温差输入到所述冷却塔能耗模型，得到所述冷却塔的风机风量，并确定出所述冷却塔的冷却水水量；所述冷凝热负荷是根据所述机组总能耗和所述制冷量确定的；
将所述冷冻水供水温度、冷冻水水量、冷却水进水温度、冷却水水量以及风机风量进行组合，确定出所述楼宇通风空调系统的能耗模型的多组变量组合。
可选地，所述处理单元具体用于：
根据所述楼宇的当前负荷，将所述多组变量组合的每组变量组合输入到所述楼宇通风空调系统的能耗模型中，得到所述每组变量组合对应的总能耗；
将所述每组变量组合对应的总能耗进行对比，确定出总能耗最低对应的变量组合；
将总能耗最低对应的变量组合确定为所述楼宇通风空调系统中各设备的最佳运行参数。
可选地，所述处理单元具体用于：
将所述楼宇通风空调系统中各设备的控制页面中的运行参数更新为对应的所述楼宇通风空调系统中各设备的最佳运行参数，以使所述楼宇通风空调系统中各设备被调控至最优运行状态。
第三方面，本发明实施例提供一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行基于负荷预测的楼宇通风空调控制方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行基于负荷预测的楼宇通风空调控制方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种系统架构的示意图；
图2为本发明实施例提供的一种基于负荷预测的楼宇通风空调控制方法的流程示意图；
图3为本发明实施例提供的一种对楼宇负荷进行预测的流程图；
图4为本发明实施例提供的一种楼宇负荷预测中趋势模型的变化点示意图；
图5为本发明实施例提供的一种基于负荷预测的楼宇通风空调控制装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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它实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种系统架构。如图1所示，该系统架构可以包括采集模块100、存储模块101、预测模块102、决策模块103、控制模块104和人机交互模块105。
其中，采集模块100用于采集楼宇各区域的温度、湿度和天气数据，并将实时采集楼宇各处的实际温度实时反馈给决策模块103，决策模块103在生成控制参数时结合当前的实际温度进行调整。
存储模块101用于存储采集模块100采集的各类数据。
预测模块102用于根据存储模块101存储的历史数据建立负荷预测模型，并基于当前的数据进行负荷预测。其中，预测模块102会不断从存储模块101中读取历史数据对预测模型进行优化训练。
决策模块103用于基于预测模块102预测的当前负荷和整个楼宇通风空调系统的能耗模型，并结合采集模块100实时采集的实际温度，生成各设备的控制参数，之后将各设备的运行参数传递给控制模块104。
控制模块104用于接收决策模块103的控制参数，对楼宇通风空调系统中各设备进行控制。
人机交互模块105用于展示室外温度、湿度以及当前控制参数和耗电等数据。
需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。
基于上述描述，图2示例性的示出了本发明实施例提供的一种基于负荷预测的楼宇通风空调控制方法的流程，该流程可以由基于负荷预测的楼宇通风空调控制装置执行。
如图2所示，该流程具体步骤包括：
步骤201，获取楼宇的当前信息数据。
在本发明实施例中，该楼宇的当前信息数据可以包括时间段、室外温度、耗电量和人流量。楼宇的当前信息数据可以通过采集模块100采集获得，并存储在存储模块101中。
步骤202，根据所述楼宇的当前信息数据和负荷预测模型，确定所述楼宇的当前负荷。
在本发明实施例中，负荷预测模型是对楼宇的历史信息数据进行训练得到的。负荷预测是将时间序列进行分解，把时间序列分成趋势项、周期项、节假日项等部分，利用楼宇的历史信息数据对每个部分进行训练建立对应的模型，并对各个模型进行拟合建立统一的负荷预测模型。具体地，将楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设趋势模型进行训练，得到训练后的趋势模型；将楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设周期模型进行训练，得到训练后的周期模型；将楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设节假日模型进行训练，得到训练后的节假日模型；将训练后的趋势模型、周期模型以及节假日模型进行拟合，确定出负荷预测模型，该负荷预测模型综合考虑数据的趋势性、周期性以及，节假日的影响。
举例来说，该楼宇的负荷预测是基于时间序列模型prophet进行预测，prophet适合用于具有明显内在规律的数据，特别适合于具有明显的趋势性、周期性和受节假日影响的数据。基于时间序列分级和机器学习的拟合来实现。在历史数据的基础上进行数据模型的训练，能够较好的实现楼宇负荷的预测。历史数据分为输入变量(对负荷影响的关键因素)和输出变量(楼宇负荷)。基于分析计算可以发现，楼宇照明负荷和渗透风负荷基本处于稳定状态，而影响负荷的主要为人员数量和室外的天气气象参数，得出prophet的输入变量为干湿球温度、预测时段和人流量，输出变量为楼宇负荷。具体地，如图3所示。该分析方法是通过时间序列的分解，把时间序列分成几个部分，一般来说，在时序数据预测中，除了季节项、趋势项和剩余项之外，通常还有节假日的效应。因此在算法里面，同时考虑了以上四项，也就形成如下公式：
y(t)＝g(t) s(t) h(t) ε(t)………………………………………………(1)
其中，g(t)表示趋势项，它表示时间序列在非周期上面的变化趋势；s(t)表示周期项，或者称为季节项，一般来说是以周或者年为单位；h(t)表示节假日项，表示在当天是否存在节假日；ε(t)表示误差项或者剩余项，算法通过拟合这几项，最后把它们累加起来就得到了时间序列的预测值。
a)、趋势模型g(t)：
趋势模型中有两个函数，一个是基于逻辑回归的函数，另一个是基于分段线性函数。本发明使用逻辑回归函数构建趋势模型。逻辑回归的函数模型如下：
f(x)＝c/(1 e-k(x-m))………………………………………………(2)
其中，c称为曲线的最大渐进值，k表示曲线的增长率，m表示曲线的中点，但在实际情况中，这三个参数不可能都是常数，而很有可能是随着时间的迁移而变化的，因此，在prophet的这种模型中，把这三个参数全部换成了随着时间而变化的函数，也就是c＝c(t)，k＝k(t)，m＝m(t)。
除此之外，趋势的走势不会一直不变，在某些特定的时刻或潜在的周期曲线，会发生变化，例如图4的t1，t2就是时间序列的两个变点。
b)、周期模型s(t)：
时间序列通常会随着天、周、月、年等季节性的变化而呈现季节性的变化，也称为周期性的变化，在周期模型中，使用傅立叶级数来模拟时间序列的周期性。具体公式如下：
其中，l表示周期，以年为周期的序列，n＝10；以周为周期时，n＝3。其中β是正态分布，标准差σ的值越大，表示季节的效应越明显；标准差越小，表示季节的效应越不明显。
c)、节假日模型h(t)：
除了周末，同样有很多节假日，每个节假日对时间序列的影响程度不一样，因此，不同的节假日可以看成相互独立的模型，可以为不同的节假日设置不同的函数，表示节假日的影响范围。具体公式如下：
其中，di表示该节假日的前后一段时间，m表示有m各节假日，参数ki表示节假日的影响范围，是一个正态函数。v表示节假日对模型的影响大小，值越大时，表示对模型的影响越大，值越小时表示对模型的影响越小。正态函数公式如下：
步骤203，将能耗模型的多组变量组合分别输入至所述能耗模型中，得到每组变量组合对应的总能耗。
在本发明实施例中，楼宇通风空调系统的能耗模型包括冷水机组能耗模型、水泵能耗模型、冷却塔能耗模型和空调箱能耗模型，将空调箱历史能耗数据中的制冷量和送风处理量输入到空调箱能耗模型，得到空调箱的冷冻水水量，制冷量和送风处理量是根据空调箱的送风量检测值、送风湿度检测值和设定值确定的，将空调箱历史能耗数据中的制冷量以及冷水机组历史能耗数据中的冷冻水供水温度和冷却水进水温度输入到冷水机组能耗模型，得到冷水机组的机组总能耗，将冷凝热负荷以及冷水机组历史能耗数据中的冷却水进水温度和冷却水进出水温差输入到冷却塔能耗模型，得到冷却塔的风机风量，并确定出冷却塔的冷却水水量，冷凝热负荷是根据机组总能耗和制冷量确定的，将冷冻水供水温度、冷冻水水量、冷却水进水温度、冷却水水量以及风机风量进行组合，确定出楼宇通风空调系统的能耗模型的多组变量组合。
具体地，根据如下能耗模型确定出楼宇通风空调系统的能耗模型的多组变量组合：
1)、冷水机组能耗模型和运行优化：
影响冷水机组能耗的因素众多，《ashareapplicationhandbook》指出冷水机组能耗和冷凝温度、蒸发温度及机组负荷有关。而在冷水机组中冷凝湿度主要受冷却水进水温度的影响，蒸发温度与冷冻水供水温度有关，据此提出冷水机组关于冷冻水供水温度、冷却水进水温度及机组负荷的能耗模型，其表达式如下：
cop＝β0 β1*qe β2*tldg β3*tlqj β4*qe2 β5*qe*tldg β6*qe*tlqj β7*tldg*tlqj……………………………………………………………(6)
其中，β0：β7为能耗模型系数，tlqj为冷却水进水温度，tldg为冷冻水供水温度，qe为冷水机组负荷，结合机组实际运行数据可以对冷水机组能耗模型进行辨识，得到其中能耗模型系数。
首先利用实际运行参数对冷水机组能耗模型进行参数辨识，得出其中未知的模型系数，建立起部分负荷下的冷水机组能耗模型。然后基于罚函数法的优化算法。可以对等额定制冷量冷水机组联合运行时进行负荷分配，能够得到负荷率在不同范围时的冷水机组开启台数和所承担的冷负荷。在多台冷水机组并联运行的系统中，最常用的负荷分配控制法是等冷冻水供水温度法，即对于冷水机组额定制冷量相同的系统，使得负荷在每台运行的机组间平均分配；对于机组额定制冷量不同的系统，每台运行的冷水机组按照其额定制冷量占机组总额定制冷量的比例来承担系统的冷量，这种控制方法被认为是接近最优的。
2)、水泵能耗模型和运行优化：
建立n台水泵并联运行的水泵性能模型表达式如下：
h＝a1*q2 a2*q a3…………………………………………………………………(7)
多台水泵并联，水泵的扬程不变，流量相加，根据空调水系统设计工况，管网特性曲线。得到各个调速范围的分界点，通过分界点找出在某一流量下的水泵并联台数n，得到单台水泵的流量和扬程，由流量和扬程可以获得等效的管网特性曲线，最后计算出在qx流量下，n台水泵并联的总功耗为：
首先根据水泵实际运行参数辨识出水泵运行扬程与流量的关系和水泵效率与流量的关系。根据水系统设计工况，即设计流量和扬程，得出管网特性曲线。结合多台水泵并联运行使扬程不变，流量叠加的原则，将管网特性曲线分别与1，2，3…台水泵运行的h-q方程联立，得出不同水泵并联时的各个调速范围的分界点，再根据实际流量属于由分界点构成的流量范围内，判断此时所需开启的水泵台数，进而可以得出单台水泵所需承担的流量。并通过计算该流量下的扬程(扬程按总流量的管网特性曲线公式进行计算)，结合单台水泵承担的流量，可以得出过该运行点的等效的管网特性曲线。将其与单台水泵的h-q曲线方程联立得出该运行点的相似工况点(q，h)，将相似工况点流量代入单台水泵的水泵效率公式，得出该运行点的水泵效率。将该运行点的流量与相似工况点的流量之比作为变速比，通过变速比求出水泵运行电机效率和变频器效率。结合水泵能耗计算公式计算单台水泵在该运行点时的运行能耗，单台能耗乘以台数得出多台水泵并联运行时的总能耗。
3)、冷却塔换热能耗模型和运行优化：
已知冷却塔进水温度，环境湿球温度，冷却水质量流量和冷却塔散热量可得冷却塔风机风量。此时要考虑冷却塔台数的限制，虽然多台冷却塔并联同步运行有一定的节能效果，但对于并联台数还是有一定的限制，因为低频下风机变频器功耗占总功耗(风机功耗 变频器功耗)比例较大，达不到节能效果。根据文献表述当频率处于30hz-50hz(高效运行频率范围)时，变频节能效果明显，因此计算单台冷却塔风量时，要考虑此时的冷却塔台数，要保证该散热量下对应的冷却塔风量所对应的频率处于高效运行频率范围可根据如下公式判断：
其中，med为冷却塔风机的额定风量，fed为冷却塔风机的额定频率，fa为该风量下对应的频率。另外，风量的计算公式如下：
其中，mc1为单台冷却塔流量，d1，d2，d3为待辨识参数；twb为此时环境湿球温度；tco为冷却塔进水温度。
进一步地，单台冷却塔风机的能耗模型的计算公式如下：
p＝c1*fa2 c2*fa c3…………………………………………………………(12)
其中，fa＝3600ma/ρ(空气体积流量m3/h)。
4)、空调箱能耗和换热模型：
空调箱是实现风系统和水系统热交换的关键设备，由冷冻水带走空调箱进风的显热和潜热，因此有必要对于空调箱的换热过程进行计算。
空调箱的换热模型的计算公式如下：
其中，qt，qt，ed分别为空调箱实际工况和标准工况下的供冷量；g，ged分别为空调箱实际工况和标准工况下的冷冻水水量；v，ved分别为空调箱实际工况和标准工况下的风量；ts1，ts1，ed分别为空调箱实际工况和标准工况下的空气进口湿球温度；tw1，tw1，ed分别为空调箱实际工况和标准工况下的冷冻水进口温度；a，b为换热模型系数，需要根据实际参数进行辨识。利用该换热模型能够在已知冷负荷，送风量及送风状态的条件下，计算出所需的冷冻水水量。
对于空调箱风机的模型考虑成功率与送风量的多项式关系：
p＝c1*va3 c2*va2 c3*va c4……………………………………………………(14)
其中，va为风机风量，c1：c4为风机能耗模型系数，需根据实际运行参数进行辨识。
5)、对于楼宇通风空调系统的节能优化步骤：
step1：结合空调箱送风量检测值，送风温湿度检测值和设定值，可以获取此时空调箱所需的制冷量和空调箱所需的送风处理量，在已知冷冻水供水温度的条件下将其值输入空调箱换热模型计算此时所需的冷冻水水量。
step2：将空调箱所需冷量(即冷机所需提供的制冷量)和冷冻水供水温度，冷却水进水温度输入冷水机组的能耗模型，利用罚函数法进行分析得出此时的两台冷水机组所需承担的负荷率、开启台数及机组总能耗，并结合冷冻水水量得出冷冻水回水温度。
step3：根据机组总能耗和制冷量可以得出冷却塔所需承担的冷凝热负荷，将冷凝热负荷和冷却水进水温度，冷却水进出水温差输入冷却塔换热模型，结合此时的室外干湿球温度，可以得出冷却塔风机的风量。同时根据冷却水进水温度和进出水温差计算出冷却水水量。
step4：基于以上风量和水量，以及冷水机组能耗可以得出中央空调系统总能耗值，并结合变冷冻水供水温度、变冷却水进水温度以及变水流量的方式，可以将多组冷冻水供水温度、水流量，冷却水进水温度、水流量以及冷却塔风量输入能耗模型进行计算，并结合当前采集的实际温度，以总能耗最低为目标选取可以使系统能耗最低的那组变量组合作为优化参数输出。其中，针对楼宇通风空调系统能耗模型的全局优化，实现变流量和变水温协调优化，楼宇通风空调系统中各参数之间相互影响，对楼宇通风空调系统的可控变量进行全局优化，综合考虑变流量、变温度和变风量的多变量全局优化节能控制，来达到全局最优的节能效果。
步骤204，根据所述每组变量组合对应的总能耗和所述楼宇的当前负荷，确定出所述楼宇通风空调系统中各设备的最佳运行参数。
在本发明实施例中，根据楼宇的当前负荷，将多组变量组合的每组变量组合输入到楼宇通风空调系统的能耗模型中，得到每组变量组合对应的总能耗，将每组变量组合对应的总能耗进行对比，确定出总能耗最低对应的变量组合，将总能耗最低对应的变量组合确定为楼宇通风空调系统中各设备的最佳运行参数。具体地，使用遗传算法基于历史数据建立中央空调系统能耗模型，对可调控变量进行分析，得到可控制的变量组合(如冷冻水供水温度，冷冻水流量，冷却水进水温度，冷却水流量，风机风量的一个组合)。在满足负荷的同时，将每一组变量组合输入能耗模型能够得出一个系统能耗值。但对于每个变量都有自己的合理变化范围，假设将每个变量的合理变化范围分成5份，对于5个变量则会形成3125个变量组合，其中任一个变量组合都会对应一个系统的能耗值。利用遗传算法能够找出满足负荷的前提下且能使系统能耗最低的这一组变量的组合以对楼宇通风空调系统中的各设备进行控制。
步骤205，根据所述楼宇通风空调系统中各设备的最佳运行参数，对所述楼宇通风空调系统中各设备进行控制。
在本发明实施例中，将楼宇通风空调系统中各设备的控制页面中的运行参数更新为对应的楼宇通风空调系统中各设备的最佳运行参数，以使楼宇通风空调系统中各设备被调控至最优运行状态。
上述实施例表明，通过获取楼宇的当前信息数据，根据楼宇的当前信息数据和负荷预测模型，可以确定楼宇的当前负荷，将能耗模型的多组变量组合分别输入至能耗模型中，得到每组变量组合对应的总能耗，并根据每组变量组合对应的总能耗和楼宇的当前负荷，可以确定出楼宇通风空调系统中各设备的最佳运行参数，根据楼宇通风空调系统中各设备的最佳运行参数，对楼宇通风空调系统中各设备进行控制。由于通过分解时间序列，建立负荷预测模型，并可人为设置节假日信息，实现准确预测负荷，并结合全局能耗模型进行优化控制，以使各设备在满足楼宇当前负荷的条件下处于最优运行状态，有助于解决暖通空调负荷预测不准确、温度调节不及时以及能源浪费的问题，从而实现精准控制室温，提高楼宇的人体舒适度，并帮助楼宇运营者实现节能减排的目的，有助于降低运用成本，建设绿色节能建筑。
基于相同的技术构思，图5示例性的示出了本发明实施例提供的一种基于负荷预测的楼宇通风空调控制装置，该装置可以执行基于负荷预测的楼宇通风空调控制方法的流程。
如图5所示，该装置包括：
获取单元501，用于获取楼宇的当前信息数据；
处理单元502，用于根据所述楼宇的当前信息数据和负荷预测模型，确定所述楼宇的当前负荷；所述负荷预测模型是对所述楼宇的历史信息数据进行训练得到的；将能耗模型的多组变量组合分别输入至所述能耗模型中，得到每组变量组合对应的总能耗；所述能耗模型的多组变量组合是根据所述能耗模型和历史能耗数据确定的；根据所述每组变量组合对应的总能耗和所述楼宇的当前负荷，确定出所述楼宇通风空调系统中各设备的最佳运行参数；根据所述楼宇通风空调系统中各设备的最佳运行参数，对所述楼宇通风空调系统中各设备进行控制。
可选地，所述楼宇的信息数据包括时间段、室外温度、耗电量和人流量；
所述处理单元502具体用于：
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设趋势模型进行训练，得到训练后的趋势模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设周期模型进行训练，得到训练后的周期模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设节假日模型进行训练，得到训练后的节假日模型；
将所述训练后的趋势模型、周期模型以及节假日模型进行拟合，确定出所述负荷预测模型。
可选地，所述楼宇通风空调系统的能耗模型包括冷水机组能耗模型、冷却塔能耗模型和空调箱能耗模型；
所述处理单元502具体用于：
将空调箱历史能耗数据中的制冷量和送风处理量输入到所述空调箱能耗模型，得到所述空调箱的冷冻水水量；所述制冷量和所述送风处理量是根据所述空调箱的送风量检测值、送风湿度检测值和设定值确定的；
将所述空调箱历史能耗数据中的制冷量以及冷水机组历史能耗数据中的冷冻水供水温度和冷却水进水温度输入到所述冷水机组能耗模型，得到所述冷水机组的机组总能耗；
将冷凝热负荷以及所述冷水机组历史能耗数据中的冷却水进水温度和冷却水进出水温差输入到所述冷却塔能耗模型，得到所述冷却塔的风机风量，并确定出所述冷却塔的冷却水水量；所述冷凝热负荷是根据所述机组总能耗和所述制冷量确定的；
将所述冷冻水供水温度、冷冻水水量、冷却水进水温度、冷却水水量以及风机风量进行组合，确定出所述楼宇通风空调系统的能耗模型的多组变量组合。
可选地，所述处理单元502具体用于：
根据所述楼宇的当前负荷，将所述多组变量组合的每组变量组合输入到所述楼宇通风空调系统的能耗模型中，得到所述每组变量组合对应的总能耗；
将所述每组变量组合对应的总能耗进行对比，确定出总能耗最低对应的变量组合；
将总能耗最低对应的变量组合确定为所述楼宇通风空调系统中各设备的最佳运行参数。
可选地，所述处理单元502具体用于：
将所述楼宇通风空调系统中各设备的控制页面中的运行参数更新为对应的所述楼宇通风空调系统中各设备的最佳运行参数，以使所述楼宇通风空调系统中各设备被调控至最优运行状态。
基于相同的技术构思，本发明实施例提供一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行基于负荷预测的楼宇通风空调控制方法。
基于相同的技术构思，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行基于负荷预测的楼宇通风空调控制方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
1.一种基于负荷预测的楼宇通风空调控制方法，其特征在于，包括：
获取楼宇的当前信息数据；
根据所述楼宇的当前信息数据和负荷预测模型，确定所述楼宇的当前负荷；所述负荷预测模型是对所述楼宇的历史信息数据进行训练得到的；
将能耗模型的多组变量组合分别输入至所述能耗模型中，得到每组变量组合对应的总能耗；所述能耗模型的多组变量组合是根据所述能耗模型和历史能耗数据确定的；
根据所述每组变量组合对应的总能耗和所述楼宇的当前负荷，确定出所述楼宇通风空调系统中各设备的最佳运行参数；
根据所述楼宇通风空调系统中各设备的最佳运行参数，对所述楼宇通风空调系统中各设备进行控制。
2.如权利要求1所述的方法，其特征在于，所述楼宇的信息数据包括时间段、室外温度、耗电量和人流量；
对所述楼宇的历史信息数据进行训练得到所述负荷预测模型，包括：
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设趋势模型进行训练，得到训练后的趋势模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设周期模型进行训练，得到训练后的周期模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设节假日模型进行训练，得到训练后的节假日模型；
将所述训练后的趋势模型、周期模型以及节假日模型进行拟合，确定出所述负荷预测模型。
3.如权利要求1所述的方法，其特征在于，所述楼宇通风空调系统的能耗模型包括冷水机组能耗模型、冷却塔能耗模型和空调箱能耗模型；
根据所述能耗模型和历史能耗数据确定所述能耗模型的多组变量组合，包括：
将空调箱历史能耗数据中的制冷量和送风处理量输入到所述空调箱能耗模型，得到所述空调箱的冷冻水水量；所述制冷量和所述送风处理量是根据所述空调箱的送风量检测值、送风湿度检测值和设定值确定的；
将所述空调箱历史能耗数据中的制冷量以及冷水机组历史能耗数据中的冷冻水供水温度和冷却水进水温度输入到所述冷水机组能耗模型，得到所述冷水机组的机组总能耗；
将冷凝热负荷以及所述冷水机组历史能耗数据中的冷却水进水温度和冷却水进出水温差输入到所述冷却塔能耗模型，得到所述冷却塔的风机风量，并确定出所述冷却塔的冷却水水量；所述冷凝热负荷是根据所述机组总能耗和所述制冷量确定的；
将所述冷冻水供水温度、冷冻水水量、冷却水进水温度、冷却水水量以及风机风量进行组合，确定出所述楼宇通风空调系统的能耗模型的多组变量组合。
4.如权利要求1所述的方法，其特征在于，所述根据所述每组变量组合对应的总能耗和所述楼宇的当前负荷，确定出所述楼宇通风空调系统中各设备的最佳运行参数，包括：
根据所述楼宇的当前负荷，将所述多组变量组合的每组变量组合输入到所述楼宇通风空调系统的能耗模型中，得到所述每组变量组合对应的总能耗；
将所述每组变量组合对应的总能耗进行对比，确定出总能耗最低对应的变量组合；
将总能耗最低对应的变量组合确定为所述楼宇通风空调系统中各设备的最佳运行参数。
5.如权利要求1至4任一项所述的方法，其特征在于，所述根据所述楼宇通风空调系统中各设备的最佳运行参数，对所述楼宇通风空调系统中各设备进行控制，包括：
将所述楼宇通风空调系统中各设备的控制页面中的运行参数更新为对应的所述楼宇通风空调系统中各设备的最佳运行参数，以使所述楼宇通风空调系统中各设备被调控至最优运行状态。
6.一种基于负荷预测的楼宇通风空调控制装置，其特征在于，包括：
获取单元，用于获取楼宇的当前信息数据；
处理单元，用于根据所述楼宇的当前信息数据和负荷预测模型，确定所述楼宇的当前负荷；所述负荷预测模型是对所述楼宇的历史信息数据进行训练得到的；将能耗模型的多组变量组合分别输入至所述能耗模型中，得到每组变量组合对应的总能耗；所述能耗模型的多组变量组合是根据所述能耗模型和历史能耗数据确定的；根据所述每组变量组合对应的总能耗和所述楼宇的当前负荷，确定出所述楼宇通风空调系统中各设备的最佳运行参数；根据所述楼宇通风空调系统中各设备的最佳运行参数，对所述楼宇通风空调系统中各设备进行控制。
7.如权利要求6所述的装置，其特征在于，所述楼宇的信息数据包括时间段、室外温度、耗电量和人流量；
所述处理单元具体用于：
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设趋势模型进行训练，得到训练后的趋势模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设周期模型进行训练，得到训练后的周期模型；
将所述楼宇的历史信息数据中的时间段、室外温度、耗电量和人流量输入到预设节假日模型进行训练，得到训练后的节假日模型；
将所述训练后的趋势模型、周期模型以及节假日模型进行拟合，确定出所述负荷预测模型。
8.如权利要求6所述的装置，其特征在于，所述楼宇通风空调系统的能耗模型包括冷水机组能耗模型、冷却塔能耗模型和空调箱能耗模型；
所述处理单元具体用于：
将空调箱历史能耗数据中的制冷量和送风处理量输入到所述空调箱能耗模型，得到所述空调箱的冷冻水水量；所述制冷量和所述送风处理量是根据所述空调箱的送风量检测值、送风湿度检测值和设定值确定的；
将所述空调箱历史能耗数据中的制冷量以及冷水机组历史能耗数据中的冷冻水供水温度和冷却水进水温度输入到所述冷水机组能耗模型，得到所述冷水机组的机组总能耗；
将冷凝热负荷以及所述冷水机组历史能耗数据中的冷却水进水温度和冷却水进出水温差输入到所述冷却塔能耗模型，得到所述冷却塔的风机风量，并确定出所述冷却塔的冷却水水量；所述冷凝热负荷是根据所述机组总能耗和所述制冷量确定的；
将所述冷冻水供水温度、冷冻水水量、冷却水进水温度、冷却水水量以及风机风量进行组合，确定出所述楼宇通风空调系统的能耗模型的多组变量组合。
9.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至5任一项所述的方法。
10.一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存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1至5任一项所述的方法。
技术总结