气候变化下的建筑能耗预测

该文梳理并讨论4种产生未来逐时气象数据的方法:度日法、补偿法、随机气象模型法及全球气候模型法,并着重阐述补偿法中变形法的原理和计算过程;使用西安的历史观测数据及IPCC月尺度预测数据,产生2050年的逐时气象数据;应用Energy Plus对西安高层住宅及办公建筑进行气候变化下的建筑能耗动态模拟。建筑能耗模拟用未来逐时气象数据的精细化研究是进行建筑节能设计和可持续发展的基础工作。     

基于自注意力的非侵入式家庭电力负荷分解模型

非侵入式负荷分解可将家庭总电表监测的数据分解为单台用电器的状态、能耗等信息。针对目前神经网络模型对长激活且周期运行的电器分解效果较差的缺点，本研究提出1种基于自注意力的非侵入式负荷分解模型(Attention-BO模型)。Attention-BO模型以稳态有功功率变化为负荷特征，利用卷积神经网络进行特征提取，通过自注意力增强对输入序列中远距离相关性的建模，获得与各点最相关的特征。之后，使用贝叶斯优化对模型中的超参数进行调节以提高精度。最后，在UK-dale数据集上对模型进行训练和测试，实验结果表明模型具有较小的误差，并且在新环境下的泛化性能较好。     

基于户间调度的青海农村家庭光储容量配置优化

针对青海农村地区家庭新能源系统光储容量配置优化问题，提出一种基于户间调度与用户分类的全寿命周期光储容量配置方法。首先，以用户是否包含牧民为依据建立用户分类配置模型。其次，建立了包含微网用户间能量调度策略的系统运行方式。最后，以微网年均用能成本最小和可再生能源利用率最大为目标构建优化模型，并采用改进蝴蝶优化算法进行求解。基于青海省刚察县农村地区典型日负荷数据和气象参数进行仿真，结果验证了该方法的有效性与合理性。