CN106557843A - 一种用能需求预测方法 - Google Patents
一种用能需求预测方法 Download PDFInfo
- Publication number
- CN106557843A CN106557843A CN201611047032.2A CN201611047032A CN106557843A CN 106557843 A CN106557843 A CN 106557843A CN 201611047032 A CN201611047032 A CN 201611047032A CN 106557843 A CN106557843 A CN 106557843A
- Authority
- CN
- China
- Prior art keywords
- year
- processing equipment
- obtains
- load
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用能需求预测方法,包括能源规划系统中的处理设备获得用于表征规划区域需要进行第i年用能需求预测的第一请求;响应所述第一请求,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,其中,所述达产进度为实际负荷与设计负荷之间的比例;所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量。
Description
技术领域
本发明涉及能源规划技术领域,尤其涉及一种用能需求预测方法。
背景技术
负荷预测是进行能源系统规划的基础,是能源系统的站点布置、设计规模、运行方式的依据。负荷预测是在区域未来发展规划、城镇化进程、宏观政策的引导、产业结构调整、充分挖掘节能潜力并考虑时域空域优化的基础上,动态分析并预测各类用能主体的用能特性及各类一、二次能源需求状况,包括冷、热(生活热水、空调)、电力、天然气、油品等不同终端的能源需求发展预测。负荷预测既要保证满足园区持续发展对能源的安全可靠性要求,又要避免高估、冒估带来的巨大浪费。
从终端耗能形态来看,规划区内主要有建筑、工业、交通用能。能源需求主要包括电力(居民居住用电、公共建筑用电、公共服务设施用电、工业用电等)、燃气(居民生活用气、工业生产用气、公共建筑用气、交通用气等)、燃油(成品油、燃料油),热力(夏季空调用冷、冬季空调用热、生活热水等)等。
目前,主要是通过传统的用能需求预测方式来预测不同负荷的能源需求,但由于每个单体建筑的负荷都需缓慢增长,不同时间达产率不同,所以传统的用能需求预测方法难以计算不同负荷不用达产进度时的规划区域内整体的用能需求,且传统的用能需求预测方法需通过规划人员手动计算,计算量大,任务繁重。
所以,现有技术中,存在用能需求预测不准确,效率低的技术问题。
发明内容
本发明实施例提供一种用能需求预测方法,用于解决现有技术中,存在用能需求预测不准确,效率低的技术问题。
为此,本申请实施例提供的一种用能需求预测方法,包括:
能源规划系统中的处理设备获得用于表征规划区域需要进行第i年用能需求预测的第一请求;
响应所述第一请求,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,其中,所述达产进度为实际负荷与设计负荷之间的比例;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量。
可选的,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,具体为:
所述处理设备从所述数据库中获取所述规划区域居民建筑T第i年的第一达产进度,以及获取居民建筑负荷计算基础数据;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量,具体包括:
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的人口规模,人均耗热定额,气化率以及低位热值;
所述处理设备基于公式:
年用气量=人口规模×人均耗热定额×气化率
÷低位热值×第一达产进度
计算获得所述居民建筑T天然气的第i年的年用气量的预测值。
可选的,还包括:
所述处理设备基于所述居民建筑负荷计算基础数据,获得天然气负荷的小时高峰系数以及第i年的年小时数;
所述处理设备基于公式:
高峰小时用气量=小时高峰系数×年用气量÷年小时数
计算获得所述居民建筑T天然气的第i年的高峰小时用气量的预测值。
可选的,还包括:
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,负荷指标,同时系数以及逐时制冷系数;
所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
冷负荷=区块建筑面积×负荷指标×同时系数×第一达产进度
逐时冷负荷=冷负荷×逐时制冷系数
年累计制冷量=Σ逐时制冷负荷
计算获得所述居民建筑T空调用冷的第i年的年累计制冷量的预测值或
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,负荷指标,同时系数以及逐时制热系数;
所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
建筑热负荷=区块建筑面积×负荷指标×容积率×第一达产进度
逐时制热负荷=制热负荷×逐时制热系数
年累计制热量=Σ逐时制热负荷
计算获得所述居民建筑T空调用热的第i年的年累计制热量的预测值。
可选的,还包括:
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,电负荷指标,同时系数以及逐时电负荷系数;
所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
电负荷=区块建筑面积×电负荷指标×同时系数×达产进度
逐时电负荷=电负荷×逐时电负荷系数
年累计用电量=Σ逐时电负荷
计算获得所述居民建筑T用电量的第i年的年累计用电量的预测值或
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的人均建筑面积,热水定额以及使用系数;
所述处理设备基于公式:
日用热水量=区块建筑面积×容积率×热水定额×使用系数
÷人均建筑面积×第一达产进度
年用热水量=Σ日热水量
计算获得所述居民建筑T用热水的第i年的年用热水量的预测值。
可选的,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,具体为:
所述处理设备从所述数据库中获取所述规划区域工业建筑L第i年的第二达产进度,以及获取工业建筑负荷计算基础数据;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量,具体包括:
所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,面积系数,负荷指标,同时系数,制冷期天数以及每天供冷小时数;
所述处理设备基于公式:
空调面积=工业用地面积×面积系数
制冷负荷=空调面积×负荷指标×同时系数×第二达产进度
年累计制冷量=制冷负荷×制冷期天数×每天供冷小时数
计算获得所述工业建筑L空调用冷的第i年的年累计制冷量的预测值或
所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,面积系数,负荷指标,同时系数,供暖期天数以及每天供暖小时数;
所述处理设备基于公式:
空调面积=工业用地面积×面积系数
制热负荷=空调面积×负荷指标×同时系数×第二达产进度
年累计制热量=制热负荷×供暖期天数×每天供暖小时数
计算获得所述工业建筑L空调用热的第i年的年累计制热量的预测值。
可选的,还包括:
所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,容积率,电负荷指标,年开工天数以及每天生产小时数;
所述处理设备基于公式:
工业建筑面积=工业用地面积×容积率
电负荷=工业建筑面积×电负荷指标×同时系数×第二达产进度
年累计用电量=电负荷×年开工天数×每天生产小时数
计算获得所述工业建筑L用电的第i年的年累计用电量的预测值。
可选的,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,具体为:
所述处理设备从所述数据库中获取所述规划区域交通用能第i年的第三达产进度,以及获取所述规划区域的交通负荷计算基础数据;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量,具体包括:
所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域车辆数,行驶单位公里的气耗以及行驶里程;
所述处理设备基于公式:
年用气量=气耗×车辆数×年行驶里程×第三达产进度
计算获得所述规划区域交通用气的第i年的年用气量的预测值。
可选的,还包括:
所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域车辆数,行驶单位公里的油耗以及行驶里程;
所述处理设备基于公式:
年用油量=油耗×车辆数×年行驶里程×第三达产进度
计算获得所述规划区域交通用油的第i年的年用油量的预测值。
可选的,还包括:所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域用地面积以及电负荷指标;
所述处理设备基于公式:
电负荷=用地面积×电负荷指标×第三达产进度
年累计用电量=电负荷×年小时数
计算获得所述规划区域交通用电的第i年的年累计用电量的预测值。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
由于本申请实施例中的用能需求预测方法,采用了能源规划系统中的处理设备获得用于表征规划区域需要进行第i年用能需求预测的第一请求;以及响应所述第一请求,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,其中,所述达产进度为实际负荷与设计负荷之间的比例;以及所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量的技术方案,也即在本申请中,通过利用达产进度即达产率,来预测不同时间不同达产进度下的建筑用能需求、工业用能需求以及交通用能需求,避免了传统用能需求预测方法需要通过规划人员手动计算,计算量大,任务繁重,且难以计算不同负荷的用能需求的情况,所以,有效的解决现有技术中存在用能需求预测不准确,效率低的技术问题,实现了提高用能预测的效率及准确性的技术效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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。
图1为本申请实施例提供的一种用能需求预测方法的流程图;
图2为本申请实施例提供的用能需求预测方法中步骤103的实现方式流程图;
图3为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图4为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图5为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图6为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图7为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图8为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图9为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图10为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图11为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图12为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图;
图13为本申请实施例提供的用能需求预测方法中步骤103的另一些实现方式流程图。
具体实施方式
本发明实施例提供一种用能需求预测方法,用于解决现有技术中,存在用能需求预测不准确,效率低的技术问题。
本申请实施例中的技术方案为解决上述的技术问题,总体思路如下:
能源规划系统中的处理设备获得用于表征规划区域需要进行第i年用能需求预测的第一请求;
响应所述第一请求,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,其中,所述达产进度为实际负荷与设计负荷之间的比例;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量。
也即在上述方法中,通过利用达产进度即达产率,来预测不同时间不同达产进度下的建筑用能需求、工业用能需求以及交通用能需求,避免了传统用能需求预测方法需要通过规划人员手动计算,计算量大,任务繁重,且难以计算不同负荷的用能需求的情况,所以,有效的解决现有技术中存在用能需求预测不准确,效率低的技术问题,实现了提高用能预测的效率及准确性的技术效果。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明技术方案的一部分实施例,而不是全部的实施例。基于本申请文件中记载的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明技术方案保护的范围。
请参考图1,为本申请实施例提供的一种用能需求预测方法,包括:
步骤101:能源规划系统中的处理设备获得用于表征规划区域需要进行第i年用能需求预测的第一请求;
步骤102:响应所述第一请求,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,其中,所述达产进度为实际负荷与设计负荷之间的比例;
步骤103:所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量。
在具体实施过程中,上述用能需求预测方法应用于能源规划系统中,能源规划系统至少包括一台用于进行用能需求预测的处理设备,这样的处理设备如电脑,服务器等,在此就不一一列举了,在本申请实施例中,不对能源规划系统中的处理设备类型进行限制,并以能源规划系统中一台处理设备来对本申请实施例中的方法的具体实现过程进行详细描述。
采用本申请实施例中的方法进行信息处理时,首先执行步骤101,即能源规划系统中的处理设备获得用于表征规划区域需要进行第i年用能需求预测的第一请求。
在具体实施例过程中,继续沿用上述例子,在实际应用中,当规划区域需要进行用能需求预测时,如规划区域需要进行第1年的用能需求预测时,或规划区域需要进行第2年的用能需求预测时,可以通过能源规划系统中处理设备的输入单元输入表征规划区需要进行第1年用能需求预测的第一请求,或规划区域需要进行第2年的用能需求预测时,可以通过能源规划系统中处理设备的输入单元输入表征规划区需要进行第2年用能需求预测的第一请求,当然,还可以是规划区第3年或其他需要进行用能预测的年份,在此,以第一请求具体为划区域需要进行第1年的用能需求预测为例,那么,就可以通过能源规划系统中处理设备的输入单元输入表征规划区需要进行第1年用能需求预测的第一请求。
在实际应用中,可以通过处理设备的键盘输入上述第一请求,可以通过处理的鼠标点击输入上述第一请求,还可以通过处理设备的语音输入装置如话筒输入上述第一请求等,在此,以通过处理设备的键盘输入上述第一请求为例,那么,能源规划系统中的处理设备就会接收到上述第一请求。
在执行完步骤101之后,本申请实施例中的方法就会执行步骤102,即响应所述第一请求,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,其中,所述达产进度为实际负荷与设计负荷之间的比例。
在具体实施过程中,继续沿用上述例子,在处理设备接收到上述规划区需要进行第1年用能需求预测的第一请求之后,处理设备就会响应该第一请求,然后从数据库中获得用于进行规划区需要进行第1年用能需求预测的规划区域第一年的达产进度,以及从数据库中获取规划区域的负荷计算基础数据,在实际应用中,规划区域用能可以涉及居民建筑用能,工业建筑用能,以及规划区的交通用能,那么,在具体实践过程中,上述规划区需要进行第1年用能需求预测的第一请求可以具体为规划区域中居民建筑T的第一年用能需求预测的请求,也可以为规划区域中工业建筑L的第一年用能需求预测的请求,还可以为规划区域交通第一年用能需求预测的请求。
具体的,当上述第一请求为规划区域中居民建筑T的第一年用能需求预测的请求时,步骤102还可以按照以下方式实施:
所述处理设备从所述数据库中获取所述规划区域居民建筑T第i年的第一达产进度,以及获取居民建筑负荷计算基础数据。
具体实施过程中,继续沿用上述例子,具体的,当处理设备接收并响应表征规划区域中居民建筑T的第一年用能需求预测的第一请求之后,处理设备就会从数据库中获取规划区域居民建筑T第1年的第一达产进度,以及获取居民建筑负荷计算基础数据,在实际应用中,处理设备可以从其自身存储单元中存储的数据库中获取上述第一达产进度和居民建筑负荷计算基础数据,也可以从互联网上的数据库中获取上述第一达产进度和居民建筑负荷计算基础数据,还可以从与其连接的其他设备的数据库中获取第一达产进度和居民建筑负荷计算基础数据的等,在此,以处理设备可以从其自身存储单元中存储的数据库中获取上述第一达产进度和居民建筑负荷计算基础数据为例。
在实际应用中,存储在处理设备存储单元数据库中规划区域居民建筑T第1年的第一达产进度取值范围为0到1,它可以是本领域的技术人员,根据其以往经验统计计算获得的规划区域居民建筑T第1年实际负荷与设计负荷之间的比例,这里假设,处理设备存储单元数据库中规划区域居民建筑T第1年的第一达产进度为0.2,同样的存储在处理设备存储单元数据库中居民建筑负荷计算基础数据也可以是本领域的技术人员根据其以往经验统计得到的历史数据。
那么,当处理设备获得上述第一达产进度和居民建筑负荷计算基础数之后,本申请中的方法就会执行步骤103,也即所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量。
在实际应用中,规划区域居民建筑T负荷用能可以涉及天然气,空调用冷,空调用热、用电以及用热水,具体的,当需要进行规划区域居民建筑T第1年的天然气负荷用能预测时,请参考图2,步骤103还可以具体按照以下方式实施:
步骤201:所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的人口规模,人均耗热定额,气化率以及低位热值;
步骤202:所述处理设备基于公式:
年用气量=人口规模×人均耗热定额×气化率
÷低位热值×第一达产进度
计算获得所述居民建筑T天然气的第i年的年用气量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域居民建筑T第1年的天然气负荷用能预测时,且假设处理设备存储单元数据库中规划区域居民建筑T第1年的第一达产进度为0.2,处理设备就会从数据库获得的民建筑负荷计算基础数据中获取用于预测规划区域居民建筑T第1年的天然气负荷的人口规模数据,人均耗热定额数据,气化率数据以及低位热值数据,这里假设获得人口规模数据为0.1万人,人均耗热定额数据为2931MJ/人.a(兆焦/平方米.年),气化率为90%,低位热值33.82MJ/Nm3(兆卡/标准立方米),那么,根据上述公式处理设备可以计算出居民建筑T天然气负荷的第1年的年用气量的预测值约为1.56×104Nm3/a(标准立方米/每年)。
在实际应用中,居民建筑天然气负荷需求预测的另一个主要指标是高峰小时用气量,此时,处理设备在获得民建筑T天然气负荷的第1年的年用气量的预测值之后,请参考图3,还可以执行:
步骤203:所述处理设备基于所述居民建筑负荷计算基础数据,获得天然气负荷的小时高峰系数以及第i年的年小时数;
步骤204:所述处理设备基于公式:
高峰小时用气量=小时高峰系数×年用气量÷年小时数
计算获得所述居民建筑T天然气的第i年的高峰小时用气量的预测值。
也即处理设备还可以从民建筑负荷计算基础数据中获取天然气负荷的小时高峰系数以及第1年的年小时数,这里假设天然气负荷的小时高峰系数为0.7,第1年的年小时数为8760小时,那么,处理设备根据上述公式可以计算获得民建筑T天然气负荷的第1年的高峰小时用气量的预测值约为1.25Nm3/h。
具体的,请参考图4,当需要进行规划区域居民建筑T第1年的空调用冷负荷用能预测时,步骤103还可以具体按照以下方式实施:
步骤205:所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,负荷指标,同时系数以及逐时制冷系数;
步骤206:所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
冷负荷=区块建筑面积×负荷指标×同时系数×第一达产进度
逐时冷负荷=冷负荷×逐时制冷系数
年累计制冷量=Σ逐时制冷负荷
计算获得所述居民建筑T空调用冷的第i年的年累计制冷量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域居民建筑T第1年的空调用冷负荷用能预测时,且假设处理设备存储单元数据库中规划区域居民建筑T第1年的第一达产进度为0.2,处理设备就会从数据库获得的民建筑负荷计算基础数据中获取用于预测规划区域居民建筑T第1年的空调用冷负荷的区块用地面积,容积率,负荷指标,同时系数以及逐时制冷系数,这里假设区块用地面积为5×104m2,容积率为1.7,负荷指标为50w/m2,同时系数为0.7,逐时制冷系数为0.5,那么,处理设备根据上述公式,就可以计算出居民建筑T空调用冷第1年的年累计制冷量的预测值约为26×104kw/a(千瓦/年)。
具体的,请参考图5,当需要进行规划区域居民建筑T第1年的空调用热负荷用能预测时,步骤103还可以具体按照以下方式实施:
步骤207:所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,负荷指标,同时系数以及逐时制热系数;
步骤208:所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
建筑热负荷=区块建筑面积×负荷指标×容积率×第一达产进度
逐时制热负荷=制热负荷×逐时制热系数
年累计制热量=Σ逐时制热负荷
计算获得所述居民建筑T空调用热的第i年的年累计制热量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域居民建筑T第1年的空调用热负荷用能预测时,且假设处理设备存储单元数据库中规划区域居民建筑T第1年的第一达产进度为0.2,处理设备就会从数据库获得的民建筑负荷计算基础数据中获取用于预测规划区域居民建筑T第1年的空调用热负荷的区块用地面积,容积率,负荷指标,同时系数以及逐时制热系数,这里假设区块用地面积也为5×104m2,容积率为1.7,负荷指标为50w/m2,同时系数为0.7,逐时制热系数为0.8,那么,处理设备根据上述公式,就可以计算出居民建筑T空调用热第1年的累计制热量的预测值约为42×104kw/a(千瓦/年)。
具体的,请参考图6,当需要进行规划区域居民建筑T第1年的用热水量负荷用能预测时,步骤103还可以具体按照以下方式实施:
步骤209:所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的人均建筑面积,热水定额以及使用系数;
步骤2010:所述处理设备基于公式:
日用热水量=区块建筑面积×容积率×热水定额×使用系数
÷人均建筑面积×第一达产进度
年用热水量=Σ日热水量
计算获得所述居民建筑T用热水的第i年的年用热水量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域居民建筑T第1年的用热水量热负荷用能预测时,且假设处理设备存储单元数据库中规划区域居民建筑T第1年的第一达产进度为0.2,处理设备就会从数据库获得的民建筑负荷计算基础数据中获取用于预测规划区域居民建筑T第1年的用热水量负荷的人均建筑面积,热水定额以及使用系数,这里假设人均建筑面积为28m2,热水定额为40L/人·d,使用系数为0.6,那么,处理设备根据上述公式,就可以计算出居民建筑T第1年的年用热水量的预测值约为11.7×104t(吨)。
具体的,请参考图7,当需要进行规划区域居民建筑T第1年的用电量负荷用能预测时,步骤103还可以具体按照以下方式实施:
步骤2011:所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,电负荷指标,同时系数以及逐时电负荷系数;
步骤2012:所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
电负荷=区块建筑面积×电负荷指标×同时系数×达产进度
逐时电负荷=电负荷×逐时电负荷系数
年累计用电量=Σ逐时电负荷
计算获得所述居民建筑T用电量的第i年的年累计用电量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域居民建筑T第1年的用电量负荷用能预测时,且假设处理设备存储单元数据库中规划区域居民建筑T第1年的第一达产进度为0.2,处理设备就会从数据库获得的民建筑负荷计算基础数据中获取用于预测规划区域居民建筑T第1年的用电量的区块用地面积,容积率,负荷指标,同时系数以及逐时电负荷系数,这里假设区块用地面积为8×104m2,容积率为1.7,电负荷指标为30w/m2,同时系数为0.7,逐时电负荷系数为0.6,那么,处理设备根据上述公式,就可以计算出居民建筑T用电量第1年的累计用电量的预测值约为150×104kw/a(千瓦/年)。
具体的,当上述第一请求为规划区域中工业建筑L的第一年用能需求预测的请求时,步骤102还可以按照以下方式实施:
所述处理设备从所述数据库中获取所述规划区域工业建筑L第i年的第二达产进度,以及获取工业建筑负荷计算基础数据;
具体实施过程中,继续沿用上述例子,具体的,当处理设备接收并响应表征规划区域中工业建筑L的第一年用能需求预测的第一请求之后,处理设备就会从数据库中获取规划区域工业建筑L第1年的第二达产进度,以及获取工业建筑负荷计算基础数据,同样的,处理设备可以从其自身存储单元中存储的数据库中获取上述第二达产进度和工业建筑负荷计算基础数据,也可以从互联网上的数据库中获取上述第二达产进度和工业建筑负荷计算基础数据,还可以从与其连接的其他设备的数据库中获取第二达产进度和工业建筑负荷计算基础数据的等,在此,以处理设备可以从其自身存储单元中存储的数据库中获取上述第二达产进度和工业建筑计算基础数据为例。
在实际应用中,存储在处理设备存储单元数据库中规划区域居工业建筑L第1年的第二达产进度取值范围为0到1,它可以是本领域的技术人员,根据其以往经验统计计算获得的规划区域工业建筑第1年实际负荷与设计负荷之间的比例,这里假设,处理设备存储单元数据库中规划区域工业建筑L第1年的第二达产进度为0.5,同样的存储在处理设备存储单元数据库中工业建筑负荷计算基础数据也可以是本领域的技术人员根据其以往经验统计得到的历史数据。
那么,当处理设备获得上述第二达产进度和工业建筑负荷计算基础数之后,本申请中的方法就会执行步骤103,也即所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量。
在实际应用中,规划区域工业建筑L负荷用能可以涉及空调用冷,空调用热以及用电,具体的,当需要进行规划区域工业建筑L第1年的空调用冷负荷用能预测时,请参考图8,步骤103还可以具体按照以下方式实施:
步骤301:所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,面积系数,负荷指标,同时系数,制冷期天数以及每天供冷小时数;
步骤302:所述处理设备基于公式:
空调面积=工业用地面积×面积系数
制冷负荷=空调面积×负荷指标×同时系数×第二达产进度
年累计制冷量=制冷负荷×制冷期天数×每天供冷小时数
计算获得所述工业建筑L空调用冷的第i年的年累计制冷量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域工业建筑L第1年的空调用冷负荷用能预测时,且假设处理设备存储单元数据库中规划区域工业建筑L第1年的第二达产进度为0.5,处理设备就会从数据库获得的工业建筑负荷计算基础数据中获取用于预测规划区域工业建筑L第1年的空调用冷负荷的工业用地面积,面积系数,负荷指标,同时系数,制冷期天数以及每天供冷小时数,这里假设工业用地面积为60×104m2,面积系数为0.4,负荷指标为50w/m2,同时系数为0.7,制冷期天数为264天,每天供冷小时数为8小时,那么,处理设备根据上述公式,就可以计算出工业建筑L空调用冷第1年的年累计制冷量的预测值约为1.8×104kw/a(千瓦/年)。
具体的,请参考图9,当需要进行规划区域工业建筑L第1年的空调用热负荷用能预测时,步骤103还可以具体按照以下方式实施:
步骤303:所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,面积系数,负荷指标,同时系数,供暖期天数以及每天供暖小时数;
步骤304:所述处理设备基于公式:
空调面积=工业用地面积×面积系数
制热负荷=空调面积×负荷指标×同时系数×第二达产进度
年累计制热量=制热负荷×供暖期天数×每天供暖小时数
计算获得所述工业建筑L空调用热的第i年的年累计制热量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域工业建筑L第1年的空调用热负荷用能预测时,且假设处理设备存储单元数据库中规划区域工业建筑L第1年的第二达产进度为0.5,处理设备就会从数据库获得的工业建筑负荷计算基础数据中获取用于预测规划区域工业建筑L第1年的空调用热负荷的工业用地面积,面积系数,负荷指标,同时系数,供暖期天数以及每天供暖小时数,这里同样假设工业用地面积为60×104m2,面积系数为0.4,负荷指标为40w/m2,同时系数为0.69,制热期天数为264天,每天供热小时数为8小时,那么,处理设备根据上述公式,就可以计算出工业建筑L空调用热第1年的年累计制热量的预测值也约为1.4×104kw/a(千瓦/年)。
具体的,请参考图10,当需要进行规划区域工业建筑L第1年的用电负荷用能预测时,步骤103还可以具体按照以下方式实施:
步骤305:所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,容积率,电负荷指标,年开工天数以及每天生产小时数;
步骤306:所述处理设备基于公式:
工业建筑面积=工业用地面积×容积率
电负荷=工业建筑面积×电负荷指标×同时系数×第二达产进度
年累计用电量=电负荷×年开工天数×每天生产小时数
计算获得所述工业建筑L用电的第i年的年累计用电量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域工业建筑L第1年的用电负荷用能预测时,且假设处理设备存储单元数据库中规划区域工业建筑L第1年的第二达产进度为0.5,处理设备就会从数据库获得的工业建筑负荷计算基础数据中获取用于预测规划区域工业建筑L第1年的用电负荷的容积率,电负荷指标,年开工天数以及每天生产小时数,这里假设工业建筑L的工业用地面积为200×104m2,容积率为0.6,电负荷指标为35w/m2,同时系数为0.5,年开工天数为365天,每天生产小时数为10小时,那么,处理设备根据上述公式,就可以计算出工业建筑L用电第1年的年累计制热量的预测值也约为767×104kw/a(千瓦/年)。
具体的,当上述第一请求为规划区域中交通用能的第一年用能需求预测的请求时,步骤102还可以按照以下方式实施:
所述处理设备从所述数据库中获取所述规划区域交通用能第i年的第三达产进度,以及获取所述规划区域的交通负荷计算基础数据;
具体实施过程中,继续沿用上述例子,具体的,当处理设备接收并响应表征规划区域中交通用能的第一年用能需求预测的第一请求之后,处理设备就会从数据库中获取规划区域交通用能第1年的第三达产进度,以及获取交通用能负荷计算基础数据,同样的,处理设备可以从其自身存储单元中存储的数据库中获取上述第三达产进度和交通用能负荷计算基础数据,也可以从互联网上的数据库中获取上述第三达产进度和交通用能负荷计算基础数据,还可以从与其连接的其他设备的数据库中获取第三达产进度和交通用能负荷计算基础数据的等,在此,以处理设备可以从其自身存储单元中存储的数据库中获取上述第三达产进度和交通用能计算基础数据为例。
在实际应用中,存储在处理设备存储单元数据库中规划区域居交通用能第1年的第三达产进度取值范围为0到1,它可以是本领域的技术人员,根据其以往经验统计计算获得的规划区域交通用能第1年实际负荷与设计负荷之间的比例,这里假设,处理设备存储单元数据库中规划区域交通用能第1年的第二达产进度为0.8,同样的存储在处理设备存储单元数据库中交通用能负荷计算基础数据也可以是本领域的技术人员根据其以往经验统计得到的历史数据。
那么,当处理设备获得上述第三达产进度和交通用能负荷计算基础数之后,本申请中的方法就会执行步骤103,也即所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量。
在实际应用中,规划区域交通用能负荷用能可以涉及天然气,油品以及用电,具体的,当需要进行规划区域交通用能第1年的天然气负荷用能预测时,请参考图11,步骤103还可以具体按照以下方式实施:
步骤401:所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域车辆数,行驶单位公里的气耗以及行驶里程;
步骤402:所述处理设备基于公式:
年用气量=气耗×车辆数×年行驶里程×第三达产进度
计算获得所述规划区域交通用气的第i年的年用气量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域交通用能第1年的天然气负荷用能预测时,且假设处理设备存储单元数据库中规划区域交通用能第1年的第三达产进度为0.8,处理设备就会从数据库获得的交通用能负荷计算基础数据中获取用于预测规划区域交通用能第1年的天然气负荷的车辆数,行驶单位公里的气耗以及行驶里程,这里假设获得车辆数为6万辆,行驶单位公里的气耗为0.2立方米,行驶里程5×105公里,那么,根据上述公式处理设备可以计算出交通用能天然气负荷的第1年的年用气量的预测值约为4.8×105Nm3/a(标准立方米/每年)。
具体的,请参考图12,当需要进行规划区域交通用能第1年的汽油负荷用能预测时,步骤103还可以具体按照以下方式实施:
步骤403:所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域车辆数,行驶单位公里的油耗以及行驶里程;
步骤404:所述处理设备基于公式:
年用油量=油耗×车辆数×年行驶里程×第三达产进度
计算获得所述规划区域交通用油的第i年的年用油量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域交通用能第1年的汽油负荷用能预测时,且假设处理设备存储单元数据库中规划区域交通用能第1年的第三达产进度为0.8,处理设备就会从数据库获得的交通用能负荷计算基础数据中获取用于预测规划区域交通用能第1年的汽油负荷的车辆数,行驶单位公里的油耗以及行驶里程,这里假设获得车辆数为6万辆,行驶单位公里的气耗为0.1L,行驶里程5×105公里,那么,根据上述公式处理设备可以计算出交通用能天然气负荷的第1年的年用气量的预测值约为2.4×105L(升)。
具体的,请参考图13,当需要进行规划区域交通用能第1年的电负荷用能预测时,步骤103还可以具体按照以下方式实施:
步骤405:所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域用地面积以及电负荷指标;
步骤406:所述处理设备基于公式:
电负荷=用地面积×电负荷指标×第三达产进度
年累计用电量=电负荷×年小时数
计算获得所述规划区域交通用电的第i年的年累计用电量的预测值。
具体实施过程中,继续沿用上述例子,具体的,当需要进行规划区域交通用能第1年的电负荷用能预测时,且假设处理设备存储单元数据库中规划区域交通用能第1年的第三达产进度为0.8,处理设备就会从数据库获得的交通用能负荷计算基础数据中获取用于预测规划区域交通用能第1年的电负荷的规划区域用地面积以及电负荷指标这里假设获得交通用地面积为6000×104m2,电负荷指标为50w/m2,那么,根据上述公式处理设备可以计算出交通用能中用电负荷的第1年的年累计用电量的预测值约为210×108kw/a(千瓦/年)。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:
由于本申请实施例中的用能需求预测方法,采用了能源规划系统中的处理设备获得用于表征规划区域需要进行第i年用能需求预测的第一请求;以及响应所述第一请求,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,其中,所述达产进度为实际负荷与设计负荷之间的比例;以及所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量的技术方案。
也即在本申请中,通过利用达产进度即达产率,来预测不同时间不同达产进度下的建筑用能需求、工业用能需求以及交通用能需求,避免了传统用能需求预测方法需要通过规划人员手动计算,计算量大,任务繁重,且难以计算不同负荷的用能需求的情况,所以,有效的解决现有技术中存在用能需求预测不准确,效率低的技术问题,实现了提高用能预测的效率及准确性的技术效果。
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实施例的方法、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。
具体来讲,本申请实施例中的信息处理方法对应的计算机程序指令可以被存储在光盘,硬盘,U盘等存储介质上,当存储介质中的与用能需求预测方法对应的计算机程序指令被一电子设备读取或被执行时,包括如下步骤:
能源规划系统中的处理设备获得用于表征规划区域需要进行第i年用能需求预测的第一请求;
响应所述第一请求,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,其中,所述达产进度为实际负荷与设计负荷之间的比例;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量。
可选的,所述存储介质中存储的与步骤:所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,对应的计算机程序指令在被执行时,具体包括:
所述处理设备从所述数据库中获取所述规划区域居民建筑T第i年的第一达产进度,以及获取居民建筑负荷计算基础数据;
可选的,所述存储介质中存储的与步骤:所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量,对应的计算机程序指令在被执行时,具体包括:
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的人口规模,人均耗热定额,气化率以及低位热值;
所述处理设备基于公式:
年用气量=人口规模×人均耗热定额×气化率
÷低位热值×第一达产进度
计算获得所述居民建筑T天然气的第i年的年用气量的预测值。
可选的,所述存储介质中还存储有另外一些计算机程序指令,该另外一些计算机程序指令在执行时,包括如下步骤:
所述处理设备基于所述居民建筑负荷计算基础数据,获得天然气负荷的小时高峰系数以及第i年的年小时数;
所述处理设备基于公式:
高峰小时用气量=小时高峰系数×年用气量÷年小时数
计算获得所述居民建筑T天然气的第i年的高峰小时用气量的预测值。
可选的,所述存储介质中还存储有另外一些计算机程序指令,该另外一些计算机程序指令在执行时,包括如下步骤:
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,负荷指标,同时系数以及逐时制冷系数;
所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
冷负荷=区块建筑面积×负荷指标×同时系数×第一达产进度
逐时冷负荷=冷负荷×逐时制冷系数
年累计制冷量=Σ逐时制冷负荷
计算获得所述居民建筑T空调用冷的第i年的年累计制冷量的预测值或
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,负荷指标,同时系数以及逐时制热系数;
所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
建筑热负荷=区块建筑面积×负荷指标×容积率×第一达产进度
逐时制热负荷=制热负荷×逐时制热系数
年累计制热量=Σ逐时制热负荷
计算获得所述居民建筑T空调用热的第i年的年累计制热量的预测值。
可选的,所述存储介质中还存储有另外一些计算机程序指令,该另外一些计算机程序指令在执行时,包括如下步骤:
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,电负荷指标,同时系数以及逐时电负荷系数;
所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
电负荷=区块建筑面积×电负荷指标×同时系数×达产进度
逐时电负荷=电负荷×逐时电负荷系数
年累计用电量=Σ逐时电负荷
计算获得所述居民建筑T用电量的第i年的年累计用电量的预测值或
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的人均建筑面积,热水定额以及使用系数;
所述处理设备基于公式:
日用热水量=区块建筑面积×容积率×热水定额×使用系数
÷人均建筑面积×第一达产进度
年用热水量=Σ日热水量
计算获得所述居民建筑T用热水的第i年的年用热水量的预测值。
可选的,所述存储介质中存储的与步骤:所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,对应的计算机程序指令在被执行时,具体包括:
所述处理设备从所述数据库中获取所述规划区域工业建筑L第i年的第二达产进度,以及获取工业建筑负荷计算基础数据;
可选的,所述存储介质中存储的与步骤:所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量,对应的计算机程序指令在被执行时,具体包括:
所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,面积系数,负荷指标,同时系数,制冷期天数以及每天供冷小时数;
所述处理设备基于公式:
空调面积=工业用地面积×面积系数
制冷负荷=空调面积×负荷指标×同时系数×第二达产进度
年累计制冷量=制冷负荷×制冷期天数×每天供冷小时数
计算获得所述工业建筑L空调用冷的第i年的年累计制冷量的预测值或
所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,面积系数,负荷指标,同时系数,供暖期天数以及每天供暖小时数;
所述处理设备基于公式:
空调面积=工业用地面积×面积系数
制热负荷=空调面积×负荷指标×同时系数×第二达产进度
年累计制热量=制热负荷×供暖期天数×每天供暖小时数
计算获得所述工业建筑L空调用热的第i年的年累计制热量的预测值。
可选的,所述存储介质中还存储有另外一些计算机程序指令,该另外一些计算机程序指令在执行时,包括如下步骤:
所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,容积率,电负荷指标,年开工天数以及每天生产小时数;
所述处理设备基于公式:
工业建筑面积=工业用地面积×容积率
电负荷=工业建筑面积×电负荷指标×同时系数×第二达产进度
年累计用电量=电负荷×年开工天数×每天生产小时数
计算获得所述工业建筑L用电的第i年的年累计用电量的预测值。
可选的,所述存储介质中存储的与步骤:所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,对应的计算机程序指令在被执行时,具体包括:
所述处理设备从所述数据库中获取所述规划区域交通用能第i年的第三达产进度,以及获取所述规划区域的交通负荷计算基础数据;
可选的,所述存储介质中存储的与步骤:所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量,对应的计算机程序指令在被执行时,具体包括:
所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域车辆数,行驶单位公里的气耗以及行驶里程;
所述处理设备基于公式:
年用气量=气耗×车辆数×年行驶里程×第三达产进度
计算获得所述规划区域交通用气的第i年的年用气量的预测值。
可选的,所述存储介质中还存储有另外一些计算机程序指令,该另外一些计算机程序指令在执行时,包括如下步骤:
所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域车辆数,行驶单位公里的油耗以及行驶里程;
所述处理设备基于公式:
年用油量=油耗×车辆数×年行驶里程×第三达产进度
计算获得所述规划区域交通用油的第i年的年用油量的预测值。
可选的,所述存储介质中还存储有另外一些计算机程序指令,该另外一些计算机程序指令在执行时,包括如下步骤:
所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域用地面积以及电负荷指标;
所述处理设备基于公式:
电负荷=用地面积×电负荷指标×第三达产进度
年累计用电量=电负荷×年小时数
计算获得所述规划区域交通用电的第i年的年累计用电量的预测值。
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发明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。
Claims (10)
1.一种用能需求预测方法,包括:
能源规划系统中的处理设备获得用于表征规划区域需要进行第i年用能需求预测的第一请求;
响应所述第一请求,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,其中,所述达产进度为实际负荷与设计负荷之间的比例;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量。
2.如权利要求1所述的方法,其特征在于,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,具体为:
所述处理设备从所述数据库中获取所述规划区域居民建筑T第i年的第一达产进度,以及获取居民建筑负荷计算基础数据;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量,具体包括:
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的人口规模,人均耗热定额,气化率以及低位热值;
所述处理设备基于公式:
年用气量=人口规模×人均耗热定额×气化率
÷低位热值×第一达产进度
计算获得所述居民建筑T天然气的第i年的年用气量的预测值。
3.如权利要求2所述的方法,其特征在于,还包括:
所述处理设备基于所述居民建筑负荷计算基础数据,获得天然气负荷的小时高峰系数以及第i年的年小时数;
所述处理设备基于公式:
高峰小时用气量=小时高峰系数×年用气量÷年小时数
计算获得所述居民建筑T天然气的第i年的高峰小时用气量的预测值。
4.如权利要求3所述的方法,其特征在于,还包括:
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,负荷指标,同时系数以及逐时制冷系数;
所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
冷负荷=区块建筑面积×负荷指标×同时系数×第一达产进度
逐时冷负荷=冷负荷×逐时制冷系数
年累计制冷量=Σ逐时制冷负荷
计算获得所述居民建筑T空调用冷的第i年的年累计制冷量的预测值或
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,负荷指标,同时系数以及逐时制热系数;
所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
建筑热负荷=区块建筑面积×负荷指标×容积率×第一达产进度
逐时制热负荷=制热负荷×逐时制热系数
年累计制热量=Σ逐时制热负荷
计算获得所述居民建筑T空调用热的第i年的年累计制热量的预测值。
5.如权利要求4所述的方法,其特征在于,还包括:
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的区块用地面积,容积率,电负荷指标,同时系数以及逐时电负荷系数;
所述处理设备基于公式:
区块建筑面积=区块用地面积×容积率
电负荷=区块建筑面积×电负荷指标×同时系数×达产进度
逐时电负荷=电负荷×逐时电负荷系数
年累计用电量=Σ逐时电负荷
计算获得所述居民建筑T用电量的第i年的年累计用电量的预测值或
所述处理设备基于所述居民建筑负荷计算基础数据,获得所述居民建筑T的人均建筑面积,热水定额以及使用系数;
所述处理设备基于公式:
日用热水量=区块建筑面积×容积率×热水定额×使用系数
÷人均建筑面积×第一达产进度
年用热水量=Σ日热水量
计算获得所述居民建筑T用热水的第i年的年用热水量的预测值。
6.如权利要求1所述的方法,其特征在于,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,具体为:
所述处理设备从所述数据库中获取所述规划区域工业建筑L第i年的第二达产进度,以及获取工业建筑负荷计算基础数据;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量,具体包括:
所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,面积系数,负荷指标,同时系数,制冷期天数以及每天供冷小时数;
所述处理设备基于公式:
空调面积=工业用地面积×面积系数
制冷负荷=空调面积×负荷指标×同时系数×第二达产进度
年累计制冷量=制冷负荷×制冷期天数×每天供冷小时数
计算获得所述工业建筑L空调用冷的第i年的年累计制冷量的预测值或
所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,面积系数,负荷指标,同时系数,供暖期天数以及每天供暖小时数;
所述处理设备基于公式:
空调面积=工业用地面积×面积系数
制热负荷=空调面积×负荷指标×同时系数×第二达产进度
年累计制热量=制热负荷×供暖期天数×每天供暖小时数
计算获得所述工业建筑L空调用热的第i年的年累计制热量的预测值。
7.如权利要求6所述的方法,其特征在于,还包括:
所述处理设备基于所述工业建筑负荷计算基础数据,获得所述工业建筑L的工业用地面积,容积率,电负荷指标,年开工天数以及每天生产小时数;
所述处理设备基于公式:
工业建筑面积=工业用地面积×容积率
电负荷=工业建筑面积×电负荷指标×同时系数×第二达产进度
年累计用电量=电负荷×年开工天数×每天生产小时数
计算获得所述工业建筑L用电的第i年的年累计用电量的预测值。
8.如权利要求1所述的方法,其特征在于,所述处理设备从数据库中获取用于进行所述用能需求预测的所述规划区域第i年的达产进度以及负荷计算基础数据,具体为:
所述处理设备从所述数据库中获取所述规划区域交通用能第i年的第三达产进度,以及获取所述规划区域的交通负荷计算基础数据;
所述处理设备基于所述达产进度以及所述负荷计算基础数据,获得所述规划区域第i年的负荷用能预测量,具体包括:
所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域车辆数,行驶单位公里的气耗以及行驶里程;
所述处理设备基于公式:
年用气量=气耗×车辆数×年行驶里程×第三达产进度
计算获得所述规划区域交通用气的第i年的年用气量的预测值。
9.如权利要求8所述的方法,其特征在于,还包括:
所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域车辆数,行驶单位公里的油耗以及行驶里程;
所述处理设备基于公式:
年用油量=油耗×车辆数×年行驶里程×第三达产进度
计算获得所述规划区域交通用油的第i年的年用油量的预测值。
10.如权利要求9所述的方法,其特征在于,还包括:
所述处理设备基于所述交通负荷计算基础数据,获得所述规划区域用地面积以及电负荷指标;
所述处理设备基于公式:
电负荷=用地面积×电负荷指标×第三达产进度
年累计用电量=电负荷×年小时数
计算获得所述规划区域交通用电的第i年的年累计用电量的预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611047032.2A CN106557843A (zh) | 2016-11-24 | 2016-11-24 | 一种用能需求预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611047032.2A CN106557843A (zh) | 2016-11-24 | 2016-11-24 | 一种用能需求预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106557843A true CN106557843A (zh) | 2017-04-05 |
Family
ID=58443528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611047032.2A Pending CN106557843A (zh) | 2016-11-24 | 2016-11-24 | 一种用能需求预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106557843A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334992A (zh) * | 2018-02-28 | 2018-07-27 | 新奥泛能网络科技股份有限公司 | 建筑物的负荷预测方法及系统 |
CN108846510A (zh) * | 2018-05-30 | 2018-11-20 | 新奥泛能网络科技有限公司 | 基于用户行为的建筑负荷指标优化方法及装置 |
CN110097403A (zh) * | 2019-05-08 | 2019-08-06 | 国网冀北电力有限公司秦皇岛供电公司 | 一种供暖需求的预测方法和预测系统 |
CN110363412A (zh) * | 2019-06-28 | 2019-10-22 | 湖北省电力勘测设计院有限公司 | 一种园区多能互补供能方案配置方法 |
CN111582591A (zh) * | 2020-05-12 | 2020-08-25 | 江苏方天电力技术有限公司 | 一种面向综合能源系统的冷热电多元负荷预测方法 |
CN112988717A (zh) * | 2021-05-17 | 2021-06-18 | 国网江西省电力有限公司供电服务管理中心 | 一种居民智慧用能服务标本库设计与构建方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102625486A (zh) * | 2012-04-16 | 2012-08-01 | 中国科学院声学研究所 | 一种代理节点和传感器网络 |
CN106096760A (zh) * | 2016-06-01 | 2016-11-09 | 新奥泛能网络科技股份有限公司 | 一种基于供能系统的供能控制方法及装置 |
-
2016
- 2016-11-24 CN CN201611047032.2A patent/CN106557843A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102625486A (zh) * | 2012-04-16 | 2012-08-01 | 中国科学院声学研究所 | 一种代理节点和传感器网络 |
CN106096760A (zh) * | 2016-06-01 | 2016-11-09 | 新奥泛能网络科技股份有限公司 | 一种基于供能系统的供能控制方法及装置 |
Non-Patent Citations (1)
Title |
---|
龙惟定: "城区需求侧能源规划", 《暖通空调》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334992A (zh) * | 2018-02-28 | 2018-07-27 | 新奥泛能网络科技股份有限公司 | 建筑物的负荷预测方法及系统 |
CN108846510A (zh) * | 2018-05-30 | 2018-11-20 | 新奥泛能网络科技有限公司 | 基于用户行为的建筑负荷指标优化方法及装置 |
CN110097403A (zh) * | 2019-05-08 | 2019-08-06 | 国网冀北电力有限公司秦皇岛供电公司 | 一种供暖需求的预测方法和预测系统 |
CN110363412A (zh) * | 2019-06-28 | 2019-10-22 | 湖北省电力勘测设计院有限公司 | 一种园区多能互补供能方案配置方法 |
CN111582591A (zh) * | 2020-05-12 | 2020-08-25 | 江苏方天电力技术有限公司 | 一种面向综合能源系统的冷热电多元负荷预测方法 |
CN111582591B (zh) * | 2020-05-12 | 2022-06-07 | 江苏方天电力技术有限公司 | 一种面向综合能源系统的冷热电多元负荷预测方法 |
CN112988717A (zh) * | 2021-05-17 | 2021-06-18 | 国网江西省电力有限公司供电服务管理中心 | 一种居民智慧用能服务标本库设计与构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A comprehensive analysis on definitions, development, and policies of nearly zero energy buildings in China | |
CN106557843A (zh) | 一种用能需求预测方法 | |
Invidiata et al. | Selecting design strategies using multi-criteria decision making to improve the sustainability of buildings | |
Li et al. | Optimization and analysis of CCHP system based on energy loads coupling of residential and office buildings | |
Yu et al. | A simulation study on heat recovery of data center: A case study in Harbin, China | |
Yeo et al. | Development of an urban energy demand forecasting system to support environmentally friendly urban planning | |
Wood et al. | Impact of oil prices, economic diversification policies and energy conservation programs on the electricity and water demands in Kuwait | |
CN104751249A (zh) | 一种空间负荷预测方法 | |
Castaldo et al. | Uses of dynamic simulation to predict thermal‐energy performance of buildings and districts: a review | |
Heravi et al. | Identifying cost-optimal options for a typical residential nearly zero energy building’s design in developing countries | |
Lei et al. | Prediction method of energy consumption for high building based on LMBP neural network | |
Huang et al. | A robust control of nZEBs for performance optimization at cluster level under demand prediction uncertainty | |
CN103077483A (zh) | 基于综合边界条件的电网规划方法 | |
Taleb et al. | An assessment of different courtyard configurations in urban communities in the United Arab Emirates (UAE) | |
Liu | Pipeline network layout design of integrated energy system based on energy station site selection and load complementary characteristics | |
Xie et al. | Development of a group control strategy based on multi-step load forecasting and its application in hybrid ground source heat pump | |
Hu et al. | Exploring cost-effective strategies for emission reduction of public buildings in a life-cycle | |
Fořt et al. | Complex assessment of reconstruction works on an institutional building: A case study | |
Wang et al. | A procedure set to construct the optimal energy saving retrofit strategy for old residential buildings in China | |
CN116644941B (zh) | 基于物联网的工业能源规划系统 | |
CN115879652B (zh) | 能源网络分级协同规划方法、装置、电子设备及存储介质 | |
Bu et al. | Design and operation investigation for the fifth-generation heating and cooling system based on load forecasting in business districts | |
CN110309944B (zh) | 一种区域供能冷热负荷预测方法 | |
Pless et al. | Getting to net zero | |
Na et al. | Life cycle cost analysis of air conditioning systems in a perimeter zone for a variable air volume system in office buildings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170405 |
|
RJ01 | Rejection of invention patent application after publication |