基于決策樹(shù)和線性回歸插值實(shí)現(xiàn)ems負(fù)荷預(yù)測(cè)的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及EMS負(fù)荷預(yù)測(cè)實(shí)現(xiàn)技術(shù)，尤其的涉及基于決策樹(shù)和線性回歸插值實(shí)現(xiàn)EMS負(fù)荷預(yù)測(cè)的方法。
【背景技術(shù)】
[0002]當(dāng)前我國(guó)經(jīng)濟(jì)運(yùn)行已經(jīng)進(jìn)入新常態(tài)的方式，那種依靠大量的消耗資源，最終導(dǎo)致環(huán)境被破壞的粗放式增長(zhǎng)已經(jīng)成為過(guò)去。根據(jù)國(guó)務(wù)院《2014-2015年節(jié)能減排低碳發(fā)展行動(dòng)方案》的工作目標(biāo):2014-2015年，單位GDP能耗、化學(xué)需氧量、二氧化硫、氨氮、氮氧化物排放量分別逐年下降3.9%、2%、2%、2%、5%以上，單位⑶P 二氧化碳排放量?jī)赡攴謩e下降4%、3.5%以上。所以今后企業(yè)的發(fā)展方向應(yīng)該是環(huán)境友好型加資源節(jié)約型。
[0003]能源管理系統(tǒng)(EMS)應(yīng)用領(lǐng)域很廣，可以應(yīng)用于電力、智能建筑、機(jī)場(chǎng)、商業(yè)綜合體等領(lǐng)域的能耗采集與監(jiān)控。由于用能規(guī)劃以及調(diào)峰平谷等需求的存在，負(fù)荷預(yù)測(cè)已經(jīng)成為能源管理系統(tǒng)(EMS)不可或缺的功能，是能源管理系統(tǒng)發(fā)展的必然趨勢(shì)。一般的負(fù)荷預(yù)測(cè)方法，由于方法模型復(fù)雜，實(shí)時(shí)性差、預(yù)測(cè)誤差大，在實(shí)際應(yīng)用中很難滿足用戶的要求。基于決策樹(shù)的預(yù)測(cè)方法分類精度高、生成的模式簡(jiǎn)單與線性回歸插值邏輯簡(jiǎn)單，在負(fù)荷預(yù)測(cè)方面有著強(qiáng)大的優(yōu)勢(shì)。
[0004]為了得到相對(duì)準(zhǔn)確的預(yù)測(cè)值首先要解決的問(wèn)題是找到與能耗強(qiáng)相關(guān)的變量，根據(jù)實(shí)施的能耗監(jiān)測(cè)項(xiàng)目積累的數(shù)據(jù)統(tǒng)計(jì)分析:對(duì)于辦公建筑的能耗，休息日會(huì)比工作日少37.8%，對(duì)于商業(yè)綜合體，休息日會(huì)比工作日多28.5%。所以，作息日與建筑能耗具有強(qiáng)相關(guān)性。另外據(jù)統(tǒng)計(jì)在建筑能耗中，空調(diào)能耗占建筑能耗的50%以上，而根據(jù)常識(shí)空調(diào)能耗和氣溫具有相關(guān)性:在夏天，氣溫較高時(shí)能耗也較高；在冬天氣溫較低時(shí)能耗也較高。所以在決策樹(shù)算法中，將作息日作為第一分支條件，將溫度作為第二分支條件。
[0005]由于建筑用能設(shè)備會(huì)隨著時(shí)間變化，比如某些地方會(huì)增加用能設(shè)備，某些地方會(huì)減少用能設(shè)備，所以簡(jiǎn)單的對(duì)所有歷史數(shù)據(jù)進(jìn)行決策樹(shù)分析顯然是不妥的，從概率上來(lái)說(shuō)，與當(dāng)前日期越近的數(shù)據(jù)有效性越高，反之則越低。這就需要作一個(gè)平衡，既要保證數(shù)據(jù)有足夠的數(shù)據(jù)進(jìn)行決策樹(shù)分析，又要保證數(shù)據(jù)的有效性。所以歷史數(shù)據(jù)的時(shí)間跨度的選擇成為預(yù)測(cè)準(zhǔn)確度的一個(gè)相當(dāng)重要的因素。為了選擇的時(shí)間跨度能夠切合預(yù)測(cè)的需要，采用了自然選擇的思想，在每個(gè)月的月初進(jìn)行一次時(shí)間跨度選擇，具體方法是通過(guò)前期積累的歷史數(shù)據(jù)，選擇多個(gè)時(shí)間跨度代入算法，將前面N到前一個(gè)月的數(shù)據(jù)用來(lái)訓(xùn)練預(yù)測(cè)模型，將最后一個(gè)月的數(shù)據(jù)用來(lái)驗(yàn)證預(yù)測(cè)結(jié)果，當(dāng)預(yù)測(cè)值和實(shí)際值差值最小時(shí)，得出最佳時(shí)間跨度。
[0006]該方法的優(yōu)點(diǎn)是通過(guò)與建筑能耗強(qiáng)相關(guān)的兩個(gè)變量訓(xùn)練數(shù)據(jù)模型，在歷史數(shù)據(jù)中根據(jù)自然選擇的思想選取最佳時(shí)間跨度的數(shù)據(jù)，既保證了數(shù)據(jù)的有效性，有有利于提高數(shù)據(jù)查詢的速度(有效數(shù)據(jù)只是全部歷史數(shù)據(jù)的一部分)，有效保證了負(fù)荷預(yù)測(cè)的準(zhǔn)確性和實(shí)時(shí)性。

【發(fā)明內(nèi)容】

[0007]本發(fā)明提供一種HMS負(fù)荷預(yù)測(cè)的實(shí)現(xiàn)方法，決策樹(shù)算法分類精度高、生成的模式簡(jiǎn)單與線性回歸插值邏輯簡(jiǎn)單，減少模型訓(xùn)練時(shí)間，實(shí)時(shí)生成預(yù)測(cè)模型，能夠?qū)τ媚軉挝欢唐诤椭虚L(zhǎng)期的用能需求做出不同精度的預(yù)測(cè)。
[0008]本發(fā)明的核心思想為:
在程序中每天定時(shí)將某個(gè)能耗節(jié)點(diǎn)的能耗值前一天的能耗值、以及作息日(周一到周日)和溫度，在數(shù)據(jù)庫(kù)中形成歷史數(shù)據(jù)。歷史數(shù)據(jù)通過(guò)決策樹(shù)和線性回歸插值生成負(fù)荷預(yù)測(cè)模型。將能耗模型節(jié)點(diǎn)、溫度及作息日作為輸入變量代入模型，就可以輸出能耗預(yù)測(cè)值。因此本發(fā)明的的核心技術(shù)特征在于上述負(fù)荷預(yù)測(cè)模型的生成。
[0009]本發(fā)明采用以下解決方案解決上述問(wèn)題:
基于決策樹(shù)和線性回歸插值實(shí)現(xiàn)EMS負(fù)荷預(yù)測(cè)的方法，包括以下步驟，
系統(tǒng)中加入每天定時(shí)記錄某個(gè)能耗節(jié)點(diǎn)前一天的能耗值、以及作息日(周一到周日)和溫度，在數(shù)據(jù)庫(kù)中形成歷史數(shù)據(jù)。使用與建筑能耗強(qiáng)相關(guān)的作息日作為決策樹(shù)第一分支條件，將氣溫作為決策樹(shù)第二分支條件；當(dāng)歷史數(shù)據(jù)積累到一定程度(一個(gè)月以上)，將歷史數(shù)據(jù)通過(guò)決策樹(shù)和線性回歸插值算法生成能耗預(yù)測(cè)模型(Decis1n Linear Model縮略DLM)。將通過(guò)外網(wǎng)接口獲取的未來(lái)N天的溫度預(yù)報(bào)值，以及未來(lái)N天的所屬的作息日(周一到周日)作為輸入量，代入能耗預(yù)測(cè)模型，然后輸出量就是該節(jié)點(diǎn)的能耗負(fù)荷預(yù)測(cè)值。
所述能耗預(yù)測(cè)模型創(chuàng)建步驟包括:
步驟10:在系統(tǒng)中開(kāi)啟一個(gè)定時(shí)任務(wù)，記錄前一天某個(gè)能耗節(jié)點(diǎn)的能耗值，以及氣溫、作息日。氣溫的獲得通過(guò)在程序中調(diào)用外網(wǎng)天氣預(yù)報(bào)WebService接口(外網(wǎng)上這種服務(wù)很多)；
步驟11:根據(jù)時(shí)間跨度篩選程序，利用歷史數(shù)據(jù)篩選出最佳時(shí)間跨度，然后將該時(shí)間跨度內(nèi)的歷史數(shù)據(jù)讀入內(nèi)存；
步驟12:通過(guò)能耗節(jié)點(diǎn)和作息日篩選得出不同溫度的能耗列表，由能耗列表得出線性插值函數(shù)；
所述根據(jù)作息日和溫度進(jìn)行負(fù)荷預(yù)測(cè)的實(shí)現(xiàn)步驟包括:
步驟20:判斷需要進(jìn)行負(fù)荷預(yù)測(cè)的那一天能否取得氣溫預(yù)報(bào)值；
步驟21:如果可以獲得氣溫預(yù)報(bào)值，那么將這一天的作息日和氣溫預(yù)報(bào)值代入預(yù)測(cè)模型，得出預(yù)測(cè)值；
步驟22:如果不可以獲得氣溫預(yù)報(bào)值，那么只將這一天的作息日代入預(yù)測(cè)模型，得出預(yù)測(cè)值。
[0010]與現(xiàn)有技術(shù)相比，本方法充分利用了作息日、氣溫與能耗的強(qiáng)相關(guān)性，自然選擇最佳時(shí)間跨度以減少數(shù)據(jù)負(fù)載、提升查詢速度，以及決策樹(shù)算法分類精度高、生成的模式簡(jiǎn)單與線性回歸插值邏輯簡(jiǎn)單，減少模型訓(xùn)練時(shí)間，有效提高了預(yù)測(cè)模型的實(shí)時(shí)性和預(yù)測(cè)精度。
[0011]
【附圖說(shuō)明】
[0012]圖1是系統(tǒng)架構(gòu)圖。
[0013]圖2是程序流程圖。
【具體實(shí)施方式】
[0014]下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的描述:
創(chuàng)建負(fù)荷預(yù)測(cè)模型的第一步是獲取歷史數(shù)據(jù)(根據(jù)最佳時(shí)間跨度獲得)，然后將歷史數(shù)據(jù)組織到包含溫度和能耗值的結(jié)構(gòu)體內(nèi)；然后通過(guò)對(duì)歷史數(shù)據(jù)的處理，得到線性回歸方程的回歸系數(shù)和常量。
[0015]預(yù)測(cè)模型創(chuàng)建的實(shí)施描述:
//線性回歸方程計(jì)算temp與energy關(guān)系//energy=temp*b+a;decimal avetemp = O,
aveenergy = 0，sumtemp = 0，sumenergy = 0，sumtemp2 = 0，
sumtempEnergy = 0; foreach (var list in lists) { sumtemp +=list, temp; sumenergy += list, value; sumtemp2 += list, temp * list, temp;sumtempEnergy += list.temp 氺 list.value;}avetemp
=sumtemp / lists.Count;aveenergy = sumenergy / lists.Count;