基于區(qū)域能源云平臺(tái)的智能控制與能源效率提升實(shí)驗(yàn)研究

谷傳杰， 穆俊同， 李志碩

（北京華聯(lián)電力工程咨詢有限公司， 北京 100071）

0 引言

區(qū)域能源云平臺(tái)是一種集成了能源監(jiān)測(cè)、能源管理、能源調(diào)度、能源預(yù)測(cè)等多種功能的綜合性平臺(tái)，通過(guò)引入人工智能和大數(shù)據(jù)技術(shù)實(shí)現(xiàn)能源的智能控制，提高能源的使用效率。能源是推動(dòng)經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步的重要基礎(chǔ)，然而傳統(tǒng)能源的儲(chǔ)備量日益枯竭，且能源使用過(guò)程中存在嚴(yán)重的浪費(fèi)和污染問(wèn)題。為了緩解能源供需矛盾和環(huán)境污染問(wèn)題，必須提高能源的使用效率。因此，研究如何通過(guò)智能控制策略提高能源效率具有重要意義。

本文的研究目的是研究區(qū)域能源云平臺(tái)的智能控制策略對(duì)能源效率的提升方法。通過(guò)搭建實(shí)際的區(qū)域能源云平臺(tái)，實(shí)施不同的智能控制策略，對(duì)比分析不同控制策略對(duì)建筑能耗、電力調(diào)度次數(shù)、能源管理效果以及節(jié)省電費(fèi)等方面的影響。旨在找到一種最有效地提升能源效率的方法，為實(shí)際工程中提高能源效率提供有益的參考。

1 區(qū)域能源云平臺(tái)概述

區(qū)域能源云平臺(tái)是一種集成了能源監(jiān)測(cè)、能源管理、能源調(diào)度、能源預(yù)測(cè)等多種功能的綜合性平臺(tái)。它基于云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等先進(jìn)技術(shù)，實(shí)現(xiàn)對(duì)能源的智能控制，提高能源的使用效率[1-2]。

區(qū)域能源云平臺(tái)由數(shù)據(jù)采集層、數(shù)據(jù)處理層、數(shù)據(jù)分析層和應(yīng)用層組成。數(shù)據(jù)采集層負(fù)責(zé)收集各種能源數(shù)據(jù)，如電表、水表、燃?xì)獗淼?；?shù)據(jù)處理層對(duì)收集到的數(shù)據(jù)進(jìn)行清洗、去重、歸一化等處理；數(shù)據(jù)分析層利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)對(duì)數(shù)據(jù)進(jìn)行分析，識(shí)別能源使用規(guī)律和預(yù)測(cè)未來(lái)能源需求；應(yīng)用層將分析結(jié)果以可視化界面展示給用戶，同時(shí)提供能源管理和調(diào)度等功能。

智能控制策略在區(qū)域能源云平臺(tái)中有著廣泛的應(yīng)用。在能源監(jiān)測(cè)方面，智能控制策略可以通過(guò)實(shí)時(shí)監(jiān)測(cè)能源設(shè)備的運(yùn)行狀態(tài)、識(shí)別異常情況并及時(shí)采取措施，保證能源設(shè)備的穩(wěn)定運(yùn)行；在能源管理方面，智能控制策略可以通過(guò)分析能源數(shù)據(jù)、制定能源管理方案，實(shí)現(xiàn)能源的合理分配和有效利用；在能源調(diào)度方面，智能控制策略可以通過(guò)預(yù)測(cè)能源需求、優(yōu)化調(diào)度方案，提高能源的調(diào)度效率和可靠性；在能源預(yù)測(cè)方面，智能控制策略可以通過(guò)分析歷史數(shù)據(jù)、采用機(jī)器學(xué)習(xí)算法進(jìn)行能源預(yù)測(cè)，為能源管理和調(diào)度提供重要參考[3-4]。

2 智能控制策略研究

2.1 基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略

2.1.1 能源預(yù)測(cè)的機(jī)器學(xué)習(xí)算法

1）線性回歸。線性回歸是一種簡(jiǎn)單但強(qiáng)大的機(jī)器學(xué)習(xí)算法，適用于解釋性強(qiáng)的數(shù)據(jù)。通過(guò)分析歷史能源數(shù)據(jù)和相關(guān)因素，建立能源需求和影響因素之間的線性關(guān)系，預(yù)測(cè)未來(lái)的能源需求[5]。

2）支持向量機(jī)。支持向量機(jī)是一種分類和回歸分析的算法，適用于非線性數(shù)據(jù)。通過(guò)將數(shù)據(jù)映射到高維空間中，再找到最優(yōu)超平面，實(shí)現(xiàn)對(duì)能源需求的預(yù)測(cè)。

3）隨機(jī)森林。隨機(jī)森林是一種基于決策樹(shù)的集成學(xué)習(xí)算法，通過(guò)建立多個(gè)決策樹(shù)，再對(duì)結(jié)果進(jìn)行平均或投票，得到最終的預(yù)測(cè)結(jié)果。適用于處理多因素和復(fù)雜關(guān)系的能源預(yù)測(cè)問(wèn)題。

2.1.2 基于機(jī)器學(xué)習(xí)的能源調(diào)度策略

基于機(jī)器學(xué)習(xí)的能源調(diào)度策略通過(guò)分析歷史能源數(shù)據(jù)和實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，識(shí)別出能源使用的模式和趨勢(shì)，然后根據(jù)預(yù)測(cè)結(jié)果調(diào)整能源調(diào)度策略，實(shí)現(xiàn)能源的合理配置和利用。

1）基于時(shí)間序列分析的調(diào)度策略。通過(guò)分析歷史能源數(shù)據(jù)的時(shí)間序列特征，建立能源需求預(yù)測(cè)模型，然后將預(yù)測(cè)結(jié)果與實(shí)際需求進(jìn)行比較，調(diào)整調(diào)度策略。

2）基于聚類的調(diào)度策略。通過(guò)聚類算法將相似的能源需求歸類在一起，針對(duì)不同類別的能源需求制定不同的調(diào)度策略，提高能源調(diào)度的效率和準(zhǔn)確性。

3）基于深度學(xué)習(xí)的調(diào)度策略。通過(guò)利用深度神經(jīng)網(wǎng)絡(luò)對(duì)大量數(shù)據(jù)進(jìn)行學(xué)習(xí)，建立更為精確的能源需求預(yù)測(cè)模型，并根據(jù)預(yù)測(cè)結(jié)果調(diào)整調(diào)度策略。

2.2 基于強(qiáng)化學(xué)習(xí)的能源優(yōu)化策略

強(qiáng)化學(xué)習(xí)是一種通過(guò)試錯(cuò)學(xué)習(xí)的算法，可以自動(dòng)調(diào)整策略以最小化代價(jià)達(dá)到目標(biāo)。在能源優(yōu)化方面，強(qiáng)化學(xué)習(xí)可以用于調(diào)整能源使用策略，如調(diào)整空調(diào)溫度、燈光亮度等，以實(shí)現(xiàn)節(jié)能目標(biāo)。強(qiáng)化學(xué)習(xí)通過(guò)代理在與環(huán)境互動(dòng)中學(xué)習(xí)以最大化累積獎(jiǎng)勵(lì)。其關(guān)鍵組成部分包括：狀態(tài)、行為、獎(jiǎng)勵(lì)和策略更新步驟。在能源優(yōu)化的背景下，狀態(tài)可以代表當(dāng)前的能源使用情況（例如各設(shè)備的能耗），行為可以是調(diào)整設(shè)備能耗的決策（例如調(diào)高或調(diào)低溫度），獎(jiǎng)勵(lì)可以是節(jié)省的能源或花費(fèi)的能量（正或負(fù)），策略更新步驟可以是代理（例如一個(gè)神經(jīng)網(wǎng)絡(luò)）根據(jù)環(huán)境反饋來(lái)更新和改進(jìn)其決策策略。

3 實(shí)驗(yàn)設(shè)計(jì)與實(shí)施

3.1 實(shí)驗(yàn)對(duì)象和場(chǎng)景

本實(shí)驗(yàn)選取了一棟位于城市的典型辦公建筑作為研究對(duì)象，該建筑總面積約為10 000 m2，擁有照明、空調(diào)、電梯等多個(gè)方面的能源消耗設(shè)備。通過(guò)調(diào)查和分析，該建筑的能源消耗量較大，且存在一定的能源浪費(fèi)現(xiàn)象。

3.2 實(shí)驗(yàn)設(shè)計(jì)

本實(shí)驗(yàn)旨在研究區(qū)域能源云平臺(tái)的智能控制策略對(duì)建筑能源效率的提升方法，因此實(shí)驗(yàn)設(shè)計(jì)的主要目的是驗(yàn)證智能控制策略的有效性。實(shí)驗(yàn)方法主要包括以下步驟：首先對(duì)該建筑現(xiàn)有的能源消耗情況進(jìn)行詳細(xì)調(diào)查和分析，了解建筑能源消耗的實(shí)際情況。然后搭建實(shí)際的區(qū)域能源云平臺(tái)，包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析等功能的實(shí)現(xiàn)。之后實(shí)施不同的智能控制策略，例如基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略、基于強(qiáng)化學(xué)習(xí)的能源優(yōu)化策略等。在實(shí)施智能控制策略后，對(duì)建筑能源消耗情況進(jìn)行監(jiān)測(cè)和記錄，并對(duì)比分析實(shí)施前后能源消耗的變化情況。最后對(duì)節(jié)省的能源成本進(jìn)行計(jì)算和分析，以量化智能控制策略對(duì)提高能源效率的作用。

3.3 實(shí)驗(yàn)實(shí)施

1）區(qū)域能源云平臺(tái)的搭建。需要搭建一個(gè)實(shí)際的區(qū)域能源云平臺(tái)，該平臺(tái)包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析等功能模塊。數(shù)據(jù)采集方面，通過(guò)安裝智能電表、水表等設(shè)備，實(shí)時(shí)采集建筑內(nèi)的能源消耗數(shù)據(jù)；數(shù)據(jù)處理方面，利用數(shù)據(jù)處理軟件對(duì)采集到的數(shù)據(jù)進(jìn)行清洗、去重等處理，以保證數(shù)據(jù)的質(zhì)量；數(shù)據(jù)分析方面，利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)對(duì)處理后的數(shù)據(jù)進(jìn)行深入分析，以發(fā)現(xiàn)能源使用的規(guī)律和預(yù)測(cè)未來(lái)能源需求。

2）智能控制策略的實(shí)施。在區(qū)域能源云平臺(tái)的基礎(chǔ)上，實(shí)施不同的智能控制策略，例如基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略、基于強(qiáng)化學(xué)習(xí)的能源優(yōu)化策略等。具體實(shí)施過(guò)程如下：首先基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略。利用歷史能源數(shù)據(jù)訓(xùn)練機(jī)器學(xué)習(xí)算法（如線性回歸、支持向量機(jī)、隨機(jī)森林等），建立能源需求預(yù)測(cè)模型，并根據(jù)預(yù)測(cè)結(jié)果調(diào)整能源調(diào)度策略，實(shí)現(xiàn)能源的合理配置和利用。然后基于強(qiáng)化學(xué)習(xí)的能源優(yōu)化策略。將強(qiáng)化學(xué)習(xí)算法應(yīng)用于調(diào)整能源使用策略中，例如調(diào)整空調(diào)溫度、燈光亮度等，以實(shí)現(xiàn)節(jié)能目標(biāo)。

3）數(shù)據(jù)監(jiān)測(cè)和記錄。在實(shí)施智能控制策略后，對(duì)建筑能源消耗情況進(jìn)行監(jiān)測(cè)和記錄，包括電力、水力等各種能源的消耗量以及節(jié)省的能源成本等數(shù)據(jù)。這些數(shù)據(jù)將用于后續(xù)分析和評(píng)估。

4）結(jié)果分析和評(píng)估。對(duì)監(jiān)測(cè)和記錄的數(shù)據(jù)進(jìn)行分析和評(píng)估，包括計(jì)算節(jié)省的能源成本、分析能源消耗的變化情況等。通過(guò)對(duì)比實(shí)施前后能源消耗的變化情況，可以評(píng)估智能控制策略的有效性。

4 實(shí)驗(yàn)結(jié)果分析與討論

在上述實(shí)驗(yàn)中，于不同策略下在電力調(diào)度、能源管理效果及建筑能耗三個(gè)方面得到了以下數(shù)據(jù)，見(jiàn)表1。

表1 電力調(diào)度次數(shù)數(shù)據(jù)表

表2 能源管理效果數(shù)據(jù)表

基于強(qiáng)化學(xué)習(xí)的能源優(yōu)化策略在降低電力調(diào)度次數(shù)方面具有優(yōu)勢(shì)，相比無(wú)智能控制策略（基準(zhǔn)）減少了25%。這可能是因?yàn)樵摬呗詮拈L(zhǎng)遠(yuǎn)角度調(diào)整能源使用策略，注重整體優(yōu)化，從而減少了調(diào)整次數(shù)。但相比基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略，該策略在降低建筑總能耗方面的效果略顯不足。

基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略在降低建筑能耗方面表現(xiàn)出色，相比無(wú)智能控制策略（基準(zhǔn)）降低了12.5%。該策略能夠根據(jù)預(yù)測(cè)結(jié)果調(diào)整能源調(diào)度策略，從而更好地滿足實(shí)際需求，并在一定程度上降低了能耗。但需要注意的是，該策略需要較多的電力調(diào)度次數(shù)，可能會(huì)增加系統(tǒng)的復(fù)雜度和成本。

本文通過(guò)表1—表3 展示了不同智能控制策略對(duì)建筑能耗、電力調(diào)度次數(shù)和能源管理效果的影響。如圖1 所示，“基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略”表示采用基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略的實(shí)驗(yàn)數(shù)據(jù)，而“基于強(qiáng)化學(xué)習(xí)的能源優(yōu)化策略”則表示采用基于強(qiáng)化學(xué)習(xí)的能源優(yōu)化策略的實(shí)驗(yàn)數(shù)據(jù)。

圖1 建筑能耗數(shù)據(jù)

表3 建筑能耗數(shù)據(jù)表單位：kW·h

從表格和圖中可以看出，不同的智能控制策略對(duì)建筑能耗、電力調(diào)度次數(shù)和能源管理效果均有一定影響。

通過(guò)將機(jī)器學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等人工智能技術(shù)應(yīng)用于建筑能源管理，可以進(jìn)一步提高能源使用效率，實(shí)現(xiàn)節(jié)能減排。同時(shí)，未來(lái)研究可以考慮完善實(shí)驗(yàn)數(shù)據(jù)和場(chǎng)景、混合智能控制策略、考慮動(dòng)態(tài)環(huán)境和不確定因素、強(qiáng)化學(xué)習(xí)算法優(yōu)化與擴(kuò)展以及跨領(lǐng)域合作與交流等方面。

5 結(jié)論

1）在本文中針對(duì)建筑能源消耗問(wèn)題，探討了基于機(jī)器學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的智能控制策略的應(yīng)用。通過(guò)實(shí)驗(yàn)設(shè)計(jì)與實(shí)施，收集并分析了建筑能耗、電力調(diào)度次數(shù)和能源管理效果等數(shù)據(jù)。從實(shí)驗(yàn)結(jié)果可以看出，基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略在降低建筑總能耗和提高能源管理效果方面表現(xiàn)出色，但需要較多的電力調(diào)度次數(shù)。而基于強(qiáng)化學(xué)習(xí)的能源優(yōu)化策略在減少電力調(diào)度次數(shù)和提高能源效率方面具有一定優(yōu)勢(shì)，但降低建筑總能耗的效果略顯不足。

2）基于機(jī)器學(xué)習(xí)的能源預(yù)測(cè)和調(diào)度策略在能源管理方面具有明顯優(yōu)勢(shì)，能夠根據(jù)預(yù)測(cè)結(jié)果調(diào)整能源調(diào)度策略，提高能源使用效率，適用于需要快速響應(yīng)和靈活性較高的場(chǎng)景?；趶?qiáng)化學(xué)習(xí)的能源優(yōu)化策略在全局優(yōu)化方面具有優(yōu)勢(shì)，能夠從長(zhǎng)遠(yuǎn)角度調(diào)整能源使用策略，減少電力調(diào)度次數(shù)，提高能源管理效率。適用于需要全局優(yōu)化和長(zhǎng)期效益的場(chǎng)景。智能控制策略在建筑能源管理領(lǐng)域具有廣泛的應(yīng)用前景。通過(guò)將機(jī)器學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等人工智能技術(shù)應(yīng)用于建筑能源管理，可以進(jìn)一步提高能源使用效率，實(shí)現(xiàn)節(jié)能減排?；跈C(jī)器學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的智能控制策略在建筑能源管理領(lǐng)域具有廣泛的應(yīng)用前景。未來(lái)可以繼續(xù)深入研究和完善相關(guān)技術(shù)，以應(yīng)對(duì)日益嚴(yán)峻的能源挑戰(zhàn)。