CN109297086A - 热力站负荷分时段滚动预测及自适应矫正方法及系统 - Google Patents

Abstract

本发明涉及城市供热领域，具体而言涉及一种热力站负荷分时段滚动预测及自适应矫正方法及系统，其中，热力站负荷分时段滚动预测及自适应矫正方法根据维持室内温度为设计室内温度的目标，对每个时段采用段内稳定和段后修正的方式，动态预测热力站每个时段的供热负荷，通过预测每个时段的供热负荷，来进行供热，能准确维持室内温度，消除过供或欠供的影响。

Description

热力站负荷分时段滚动预测及自适应矫正方法及系统

技术领域

本发明涉及城市供热领域，具体涉及一种热力站负荷分时段滚动预测及自适应矫正方法及系统。

背景技术

近年来，伴随中国城镇化率的不断提升，城镇集中供热行业发展迅猛。同时，随着城市化进程的加快及保护环境、节能减排观念的增强，在保证满足供热品质的前提下实现按需精准供热、降低能耗成为了供热行业的关注热点。集中供热的范围增大，热网增容现象增多，导致热网“近热远冷”现象普遍，加之热网调控方式存在的滞后性，迫切需要改变一级网的调控方式，而准确预测出热力站的热负荷是按需精准供热的前提和关键。

目前，负荷预测的方法包括以下几种。

1)稳态的热力工况计算。

传统的稳态热力工况计算以各种稳态模型的建立为基础，并利用矩阵论的建立的工况计算方法，难以准确的预测出负荷。

2)回归分析法。

回归分析法的任务一般是确定影响因子和预测值的关系。供热负荷预测是通过对影响因子和供热负荷的历史资料进行统计分析，确定出它们之间的函数关系。然而究竟选择何种因子、以及该因子对应的表达式只是一种猜测，这加大了回归分析法在实际中的应用难度。

3)灰色预测法

灰色预测法把模型控制与运筹学相结合的一种方法，用于研究具有灰色性的问题。灰色系统理论是在原始数据累加或者累减的基础上寻找数据的规律。然而如何数据的离散性较大或者时间的周期较长，预测的精度会变得很差。

综上所述：传统的稳态热力工况计算公式难以准确的预测出负荷；回归分析适用于中长期的负荷预测，且需要精确的选择自变量的值；灰色预测法则在缺少数据的情况下不能够进行有效预测。

发明内容

本发明的目的是提供一种热力站负荷分时段滚动预测及自适应矫正方法及系统。

为了解决上述技术问题，本发明提供了一种热力站负荷分时段滚动预测及自适应矫正方法，根据维持室内温度为设计室内温度的目标，对每个时段采用段内稳定和段后修正的方式，动态预测热力站每个时段的供热负荷。

进一步，所述对每个时段采用段内稳定和段后修正的方式，以动态预测热力站每个时段的供热负荷的方法包括：

步骤S1，获取供热建筑物的信息，包括建筑物的类型、供热面积、建筑物保温材料厚度、建筑与外界环境的换热面积、建筑代表性室温、热力站二级网的水力不平衡系数；

步骤S2，基于供热建筑物供热的历史时序数据集，对其进行数据清洗，并根据数据集将整个滚动预测周期进行时段划分，根据天气预报获取下一时段的天气信息；

步骤S3，判断获取的供热建筑物供热的历史时序数据集的大小，若历史时序数据集小于预设值或者没有数据，则采用热力站供热负荷的结构机理模型，滚动获取基于结构机理模型的热力站预测负荷，进入步骤S4；或

若数据集充足，构建建筑物的热负荷运行大数据辨识模型，滚动获取基于大数据辨识的热力站预测负荷，进入步骤S4；

步骤S4，从热力站内二级网水力平衡度，或第i-1时段的预测负荷与实测负荷偏差，或建筑用热需求，或热网稳定性方面对第i时段进行修正补偿。

进一步，在步骤S2中，所述历史时序数据集包括天气信息、楼口的回水温度、楼口的供水温度、楼口的流量；

所述的数据清洗是对历史时序数据集中相应数据进行零值、缺失值、异常值的处理。

进一步，在步骤S3中，依据步骤S1获取的所述信息，将建筑物分成集中供暖、分户热计量以及分时段供热三类，并分别构建集中供暖的建筑热负荷理论计算模型、分户热计量建筑热负荷理论计算模型和分时段供热的建筑热负荷理论计算模型；其中

所述建筑热负荷理论计算模型，即

在i时段内建筑a对应的建筑热负荷理论计算模型如下：

式中：Δt为划分的每个时段的时长，单位s；

A_j为第j类建筑维护结构的总面积，单位m²；

T_air(i)为i时段内的平均室外环境温度，单位℃；

T_n为室内设计温度，单位℃；

h_1,j,i为第j类维护结构的外墙与环境的在i时段的对流换热系数；

h_2,j,i为第j类维护结构的内墙与室内环境i时段的对流换热系数；

x为第j类维护结构的保温层数目，其中(1≤x≤n)；

δ_x,j为第j类围护结构第x层厚度，单位m；

λ_x,j,i为第j类围护结构第x层在i时段内的导热系数，单位W/(m·K)；

Q_a(i)为建筑a在i时段的热力站供热负荷的机理模型预测负荷；

所述分户热计量建筑热负荷理论计算模型，即

在i时段内预测的建筑a的总供热负荷为：

其中

其中：Q_j,total(i)是第j类建筑在第i时段内按照集中供暖方式计算得到的总负荷，A_j,total(i)是第j类建筑总面积，q_j,h,design(i)为第i时段内第j类建筑的单位面积采暖指标，A_h(i)为第i时段内总采暖面积，α_j(i)为第i时段内第j类建筑的面积因子，面积因子α_j(i)反映了i时段内第j类建筑投入采暖面积占该类建筑总采暖面积的比例；

所述分时段供热的建筑热负荷理论计算模型，即

当采用分时段供热的供暖方式时，根据用户的用热习惯在对应时段内设置不同的室内设计温度，仍按照集中供热方式预测热力站供热负荷；

构建热力站供热负荷的结构机理模型：式中

Q(i)为热力站在i时段的热力站供热负荷的机理模型预测负荷；

f为热力站内建筑物数目，p为所预测的热力站二次侧对应建筑物总数。

进一步，将步骤S2中获取到的历史时序数据集拆分为输入序列和输出序列；

输入序列包括楼口的回水温度、当量平均室外温度、风速、楼口的流量、代表性室温；

输出序列包括：楼口的供热负荷。

进一步，在步骤S3中构建建筑物的热负荷运行大数据辨识模型的方法包括：

根据楼口的流量、楼口的供水温度、楼口的回水温度计算出楼口的供热负荷，其公式为：Q(t)＝Cm(t)(T_in(t)-T_out(t))式中：

C为传热介质比热容，单位：[J/(kg℃)]；

m(t)为t时刻的楼口流量，单位：t/h；

T_in(t)为t时刻的楼口供水温度，单位：℃；

T_out(t)为t时刻的楼口回水温度，单位：℃；

将楼口的供热负荷，即输出序列记为y(t)，计算出输出序列的自相关函数，公式为：式中：

为序列的平均值；

ε_k为k的序列的自相关系数；

k表示自相关函数的项数，其值可以为1,2,3,4,…

y_t、y_t+k分别为序列在t、t+k时刻的值；

计算出y(t)的偏自相关函数，其公式为：

a_k+1,k+1：为k+1、k+1的偏自相关系数；

a_kj：为k、j的偏自相关系数。

确定热负荷运行大数据辨识模型，即

式中：t代表时间变量(其中,从t-1时刻到t时刻的时间间隔为i)，y(t)为输出变量序列，u(t)为输入变量序列，v(t)为零均值随机白噪声序列，系数a_j、b_j、d_j为模型参数，j的范围分别是[1，n_a]、[1，n_b]、[1，n_d]；n_a、n_b、n_d为对应序列的阶次；

对热负荷运行大数据辨识模型定阶，n_a、n_d根据经验方法进行定阶计算，满足下式的k值最大值既可设定为该热负荷运行大数据辨识模型的n_a、n_d，

式中：n为序列的个数；

选择n_b为小于10的整数，进行参数估计，计算出模型参数，对每个选择的特定的n_b都做均方根误差分析，选择最优值对应的n_b、将求解得到的a_j、b_j、c_j代入到大数据辨识模型中得到最终模型。

进一步，所述参数估计适于采用矩估计方法，其公式为：

式中：ε_j’为ε_j的阶矩，

j＝1，2，3，…，n_a+n_b+n_d；

所述均方根误差分析，其公式为：

式中，y_t为模型预测值，y为模型实测值。

进一步，所述步骤S4中从热力站内二级网水力平衡度，或第i-1时段的预测负荷与实测负荷偏差，或建筑用热需求，或热网稳定性方面对第i时段进行修正补偿，其包括：

从热力站内二级网水力平衡度，即

根据热力站内二级网水力水力平衡状况以及建筑代表性室温来修正建筑物第i时段预测负荷,其中代表性室温首选通过测量得到，当测量条件不具备时，采用滞后提供的定期入户室温调查数据结合是用户报修信息确定供热质量，得到代表性室温T_db(i)，对预测负荷进行修正；

二次侧调节方式为质调节时，水力不平衡度ζ为常数(ζ≥0)，修正后的预测负荷表达式为：

当预测流量低于设计流量时：

当预测流量高于设计流量时：

当二次侧调节方式为量调节时，由于供水温度T_in(i)保持不变且等于T_in(t)，回水温度基本不变的条件下使用上一时刻的回水温度T_out(i-1)并等于T_out(t)，根据预测的负荷Q(i)，求解到的预测流量q_yc(i)为：

当二次侧调节方式为量调节时，楼宇水力平衡度变化，表达式为：

修正后的预测负荷表达式为：式中：

当预测流量低于设计流量时：

当预测流量高于设计流量时：

C为传热介质比热容；

q_d(i)为第i时段内的热力站设计流量；

q_yc(i)为第i时段内的热力站预测流量；

Q₁′(i)为水力平衡修正后的第i时段的预测负荷；

Q(i)为第i时段的预测负荷；

ζ(i)为热力站内二级网的水力不平衡系数，二次侧质调节时，ζ(i)为常数ζ；

T_n为建筑物设计室内温度；

T_db(i)为建筑物在i时段的代表性室温；以及

根据热力站第i-1时段预测负荷Q₁′(i-1)与实际负荷Q_sj(i-1)的偏差对负荷Q₁′(i)进行修正；式中：

Q₂′(i)为对i-1时段负荷偏差修正过后的负荷；

Q_sj(i-n)为通过仪表得到的i-n段的热力站实际负荷；

Q₁′(i-n)分别为i-n时段水力平衡修正后的预测负荷；

m为选取的之前时间段的个数；以及

根据建筑用热需求对热力站第i时段预测负荷Q₂′(i)进行修正；以及

根据热网稳定性对热力站第i时段预测负荷Q₂′(i)进行修正；即

调度中心需要在i时刻通过天气预报得到i+1～i+m时段内的室外气象条件，当根据天气预报得到室外温度T_air(i+m)比T_air(i+m-1)波动大于设定值ΔT时，认为气温剧烈波动，为了防止第i+m时段的热网剧烈波动，需要从当前i～i+m(m>1)时段提前向热网蓄能，在当前时刻负荷Q₂′(i)负荷的基础上进行修正；以及

在i+1～i+m(m>1)时段根据天气预报的室外气象条件使用理论预测方法得到Q(i+1)～Q(i+m),并将负荷均分到每个时段，则修正后的i时段的预测负荷Q₃′(i)为：

由于热网功能超出实际需求，Q(i+m)(1≤m≤n)不再进行S51、S52、S53修正，Q(i+m+1)继续正常修正，Q(i+m)(1≤m≤n)表达式为：

式中：

Q₃′(i)为对i-1时段修正后的最终预测负荷；

Q_sj(i-1)为为i-1段的实际负荷；

Q₂′(i)为对i-1时段负荷偏差修正过后的负荷；

Q(i+n)分别为i+n时段的理论预测负荷；

m为选取的之前时间段的个数。

又一方面，本发明还提供了一种热力站负荷分时段滚动预测及自适应矫正系统，包括：

信息获取模块，适于获取供热建筑物的信息，包括建筑物的类型、供热面积、建筑物保温材料厚度、建筑与外界环境的换热面积、建筑代表性室温、热力站二级网的水力不平衡系数；

历史时序数据集处理模块，适于基于供热建筑物供热的历史时序数据集，对其进行数据清洗，并根据数据集将整个滚动预测周期进行时段划分，根据天气预报获取下一时段的天气信息；

结构机理模型建立模块，适于判断获取的供热建筑物供热的历史时序数据集大小，如果数据集过小或者没有数据，则采用热力站供热负荷的结构机理模型，滚动获取基于结构机理模型的热力站预测负荷，并进入修正补偿模块；

大数据辨识模型建立模块，适于判断获取的供热建筑物供热的历史时序数据集大小，如果数据集充足，构建建筑物的热负荷运行大数据辨识模型，滚动获取基于大数据辨识的热力站预测负荷，并进入修正补偿模块；

修正补偿模块，适于从热力站内二级网水力平衡度，第i-1时段的预测负荷与实测负荷偏差，对第i时段进行修正补偿。

本发明的有益效果是，本发明提供了一种的热力站负荷分时段滚动预测及自适应矫正方法及系统，其中，热力站负荷分时段滚动预测及自适应矫正方法根据维持室内温度为设计室内温度的目标，对每个时段采用段内稳定和段后修正的方式，动态预测热力站每个时段的供热负荷，通过预测每个时段的供热负荷，来进行供热，能准确维持室内温度，消除过供或欠供的影响。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1示出了本发明实施例提供的热力站负荷分时段滚动预测及自适应矫正方法的流程示意图。

图2示出了本发明实施例提供的热力站负荷分时段滚动预测示意图。

图3示出了本发明实施例提供的热力站负荷分时段滚动预测及自适应矫正系统的结构示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

实施例1

本实施例提供了一种热力站负荷分时段滚动预测及自适应矫正方法。热力站负荷分时段滚动预测及自适应矫正方法根据维持室内温度为设计室内温度的目标，对每个时段采用段内稳定和段后修正的方式，动态预测热力站每个时段的供热负荷，消除过供或欠供的影响。

请参阅图1，具体的，所述对每个时段采用段内稳定和段后修正的方式，动态预测热力站每个时段的供热负荷的方法包括一下步骤：

步骤S1，获取供热建筑物的信息，包括建筑物的类型、供热面积、建筑物保温材料厚度、建筑与外界环境的换热面积、建筑代表性室温、热力站二级网的水力不平衡系数；

步骤S2，基于供热建筑物供热的历史时序数据集，对其进行数据清洗，并根据数据集将整个滚动预测周期进行时段划分，根据天气预报获取下一时段的天气信息；

步骤S3，判断获取的供热建筑物供热的历史时序数据集的大小，，若历史时序数据集小于预设值(在本实施例中，预设值为50)或者没有数据，则采用热力站供热负荷的结构机理模型，滚动获取基于结构机理模型的热力站预测负荷，进入步骤S4；或

若数据集充足，构建建筑物的热负荷运行大数据辨识模型，滚动获取基于大数据辨识的热力站预测负荷，进入步骤S4；

步骤S4，从热力站内二级网水力平衡度，或第i-1时段的预测负荷与实测负荷偏差，或建筑用热需求，或热网稳定性方面对第i时段进行修正补偿。

其中，在步骤S2中，所述时序数据集包括天气信息、楼口的回水温度、楼口的供水温度、楼口的流量；所述的数据清洗是包括零值、缺失值、异常值的处理。

在步骤S3中，依据步骤S1获取的信息，将建筑物分成集中供暖、分户热计量以及分时段供热三类，并分别构建集中供暖的建筑热负荷理论计算模型、分户热计量建筑热负荷理论计算模型和分时段供热的建筑热负荷理论计算模型；其中

建筑热负荷理论计算模型，即，集中供暖的建筑热负荷理论计算模型，在保证室内设计温度T_n℃的前提下，当采用集中供暖时，建筑内壁为二维稳态计算过程，在建筑围护结构固定，外壁对流传热系数根据AHSRAE手册公式计算的前提下，求解建筑热负荷，具体步骤如下：

以建筑物为研究对象，设定室内设计温度为T_n，通过天气预报得到下一时刻室外环境温度T_air(i)，认为散热器散热热负荷Q₁等于建筑物的供热热负荷Q₂，构建建筑物的热平衡关系：

Q₁＝Q₂

建筑的外墙和屋顶是散热的主要维护结构，为了便于统计将散热面积简化为这两部分，则在i时段内建筑a对应的建筑热负荷理论计算模型如下：

式中，

Δt为划分的每个时段的时长，单位：s；

A_j为第j类建筑维护结构的总面积；

T_air(i)为i时段内的平均室外环境温度；

T_n为室内设计温度；

h_1,j,i为第j类维护结构的外墙与环境的在i时段的对流换热系数；

h_2,j,i为第j类维护结构的内墙与室内环境i时段的对流换热系数；

x为第j类维护结构的保温层数目，其中(1≤x≤n)；

δ_x,j为第j类围护结构第x层厚度；

λ_x,j,i为第j类围护结构第x层在i时段内的导热系数；

Q_a(i)为建筑a在i时段的热力站供热负荷的机理模型预测负荷；

保证室内温度为室内设计温度，围护结构内壁面简化为二维，稳态外略平板模型，求解建筑内表面对流传热系数h₂，对于常用的多孔材质的维护结构的导热系数λ关系：

λ＝λ_b+bT

其中：λ_b为常温下的导热系数(W/m·K)；b系数；T为内外表面的平均温度。

建筑外部环境条件复杂，受到对流、辐射以及蒸发冷却作用的影响，由于集中供热的主要应用地区——北方城市，北方的冬季，降雨量少，外壁面很少出现蒸发换热，可以将该部分忽略，在不考虑辐射作用，只考虑对流换热作用的前提下，并处复杂的模型建立关系，使用AHSRAE中的对流换热系数公式，

求解对流换热系数：h₂＝h_f+h_n；

强迫对流换热系数：

其中：W_f为风向修正系数，R_f为粗糙修正系数，ν_z为计算表面中心高度的风速值，P和A分别为计算表面的周长和面积。

自然对流换热系数：

其中：为墙壁法线和地面法线之间夹角，常为90°，T_surf和T_air分别为墙壁和室外环境温度，单位：K。

分户热计量建筑热负荷理论计算模型，在保证室内设计温度T_n的前提下，当采用分户热计量的供暖方式时，在i时段内预测的建筑a的总供热负荷为：

式中：Δt为划分的每个时段的时长，s；

A_j为第j类建筑维护结构的总面积，m²；

T_air(i)为i时段内的平均室外环境温度，℃；

T_n为室内设计温度，℃；

h_1,j,i为第j类维护结构的外墙与环境的在i时段的对流换热系数；

h_2,j,i为第j类维护结构的内墙与室内环境i时段的对流换热系数；

x为第j类维护结构的保温层数目，其中(1≤x≤n)；

δ_x,j为第j类围护结构第x层厚度，m；

λ_x,j,i为第j类围护结构第x层在i时段内的导热系数，W/(m·K)；

Q_a(i)为建筑a在i时段的热力站供热负荷的机理模型预测负荷；

对于区域供热负荷，鉴于供热面积的动态变化性和保密性，需要在节能气象预报系统中设置人机对话窗口，每日由供热单位调度员输入供热面积，热负荷使用热指标法计算，动态供热负荷的计算公式可以为：

其中：Q_j,total(i)是第j类建筑在第i时段内按照集中供暖方式计算得到的总负荷，A_j,total(i)是第j类建筑总面积，q_j,h,design(i)为第i时段内第j类建筑的单位面积采暖指标，A_h(i)为第i时段内总采暖面积，α_j(i)为第i时段内第j类建筑的面积因子，面积因子α_j(i)反映了i时段内第j类建筑投入采暖面积占该类建筑总采暖面积的比例，对于按热量收费的采暖用户，它是随时间变化的。

构建分时段供热的建筑热负荷理论计算模型，即当采用分时段供热的供暖方式时，根据用户的用热习惯在对应时段内设置不同的室内设计温度，仍按照集中供热方式预测热力站供热负荷；

构建热力站供热负荷的结构机理模型；式中:

Q(i)为热力站在i时段的热力站供热负荷的机理模型预测负荷；

f为热力站内建筑物数目，p为所预测的热力站二次侧对应建筑物总数。

在本实施例中，将步骤S2中获取到的时序数据集拆分为输入序列和输出序列；输入序列包括楼口的回水温度、当量平均室外温度、风速、楼口的流量、代表性室温；输出序列包括：楼口的供热负荷。

在本实施例中，在步骤S3中，构建建筑物的热负荷运行大数据辨识模型的方法包括：

根据楼口的流量、楼口的供水温度、楼口的回水温度计算出楼口的供热负荷，公式为：Q(t)＝Cm(t)(T_in(t)-T_out(t))式中：

C为传热介质比热容，单位：[J/(kg℃)]；

m(t)为t时刻的楼口流量，单位：t/h；

T_in(t)为t时刻的楼口供水温度，单位：℃；

T_out(t)为t时刻的楼口回水温度，单位：℃；

将楼口的供热负荷，即输出序列记为y(t)，计算出输出序列的自相关函数，公式为：式中：

为序列的平均值；

ε_k:为k的序列的自相关系数；

y_t、y_t+k为序列在t、t+k时刻的值；

步骤S42，计算出y(t)的偏自相关函数，公式为：

a_k+1,k+1：为k+1、k+1的偏自相关系数；

a_kj：为k、j的偏自相关系数。

确定热负荷运行大数据辨识模型，即

式中：t代表时间变量，y(t)为系统的输出变量序列，u(t)为系统的输入变量序列，v(t)为零均值随机白噪声序列，系数a_j、b_j、d_j为模型参数，j的范围分别是[1，n_a]、[1，n_b]、[1，n_d]；n_a、n_b、n_d为对应序列的阶次；

对热负荷运行大数据辨识模型定阶，n_a、n_d根据经验方法进行定阶计算，满足下式的k值最大值既可设定为该热负荷运行大数据辨识模型的n_a、n_d，

式中：n为序列的个数；

选择n_b为小于10的整数，进行参数估计，计算出模型参数，对每个选择的特定的n_b都做均方根误差分析，选择最优值对应的n_b、将求解得到的a_j、b_j、d_j代入到大数据辨识模型中得到最终模型。

其中，进行参数估计适于采用矩估计方法，其公式为：

式中：ε_j’为ε_j的阶矩，

j＝1，2，3，…，n_a+n_b+n_d；

所述均方根误差分析，简称为RMSE，公式为：

式中，y_t为模型预测值，y为模型实测值。

在本实施例中，步骤S4，滚动获取基于大数据辨识的热力站预测负荷的方法包括：构建热力站预测负荷预测模型，即步骤S43。优选的，步骤S4的输出序列可以修改为热力站的供热负荷，热力站的供热负荷通过热力站的二次流量、二次供水温度、二次回水温度，以及步骤S41中的公式求得。

在本实施例中，S4中从热力站内二级网水力平衡度，或第i-1时段的预测负荷与实测负荷偏差，或建筑用热需求，或热网稳定性方面对第i时段进行修正补偿，其包括：：

从热力站内二级网水力平衡度，即根据热力站内二级网水力水力平衡状况以及建筑代表性室温来修正建筑物第i时段预测负荷,其中代表性室温首选通过测量得到，当测量条件不具备时，采用滞后提供的定期入户室温调查数据结合是用户报修信息确定供热质量，得到代表性室温T_db(i)，对预测负荷进行修正；

二次侧调节方式为质调节时，水力不平衡度ζ为常数(ζ≥0)，修正后的预测负荷表达式为：

当预测流量低于设计流量时：

当预测流量高于设计流量时：

其中，质调节的原理为，随着室外温度的变化，在热源处只改变网路的供水温度，而网路的循环流量维持设计流量不变。

当二次侧调节方式为量调节时，由于供水温度T_in(i)保持不变且等于T_in(t)，回水温度基本不变的条件下使用上一时段的回水温度T_out(i-1)并等于T_out(t)，根据预测的负荷Q(i)，求解到的预测流量q_yc(i)为：其中，量调节的原理为，在整个供热期内，热源和热用户保持供水温度不变，根据不同的室外温度只改变循环水流量。

当二次侧调节方式为量调节时，楼宇水力平衡度变化，表达式为：

修正后的预测负荷表达式为：

式中：

当预测流量低于设计流量时：

当预测流量高于设计流量时：

C为传热介质比热容；

q_d(i)为第i时段内的热力站设计流量；

q_yc(i)为第i时段内的热力站预测流量；

Q₁′(i)为水力平衡修正后的第i时段的预测负荷；

Q(i)为第i时段的预测负荷；

ζ(i)为热力站内二级网的水力不平衡系数，二次侧质调节时，ζ(i)为常数ζ；

T_n为建筑物设计室内温度；

T_db(i)为建筑物在i时段的代表性室温；以及

根据热力站第i-1时段预测负荷Q₁′(i-1)与实际负荷Q_sj(i-1)的偏差对负荷Q₁′(i)进行修正；式中：

Q₂′(i)为对i-1时段负荷偏差修正过后的负荷；

Q_sj(i-n)为通过仪表得到的i-n段的热力站实际负荷；

Q₁′(i-n)分别为i-n时段水力平衡修正后的预测负荷；

m为选取的之前时间段的个数。

以及，根据建筑特殊用热需求对热力站第i时段预测负荷Q₂′(i)进行修正；当热力站供热范围内存在特殊需求用热建筑时，由于预测模型是对每一个建筑进行单独负荷预测，大数据模型不需要进行修正，理论预测模型中负荷计算时对应的常规室内设计温度T_n为居民期望室温；

根据热网稳定性对热力站第i时段预测负荷Q₂′(i)进行修正；

调度中心需要在i时刻通过天气预报得到i+1～i+m时段内的室外气象条件，当根据天气预报得到室外温度T_air(i+m)比T_air(i+m-1)波动大于设定值ΔT时，认为气温剧烈波动，为了防止第i+m时段的热网剧烈波动，需要从当前i～i+m(m>1)时段提前向热网蓄能，在当前时刻负荷Q₂′(i)负荷的基础上进行修正；

由于无法使用大数据方法从当前时刻直接预测i+m(m>1)时段的负荷，而且热网蓄能后，热网供热能力会超出实际需求，在i+1～i+m(m>1)时段根据天气预报的室外气象条件使用理论预测方法得到Q(i+1)～Q(i+m),并将负荷均分到每个时段，则修正后的i时段的预测负荷Q3′(i)为：

由于热网功能超出实际需求，Q(i+m)(1≤m≤n)不再进行S51、S52、S53修正，Q(i+m+1)继续正常修正，Q(i+m)(1≤m≤n)表达式为：

式中：

Q₃′(i)为对i-1时段修正后的最终预测负荷；

Q_sj(i-1)为为i-1段的实际负荷；

Q₂′(i)为对i-1时段负荷偏差修正过后的负荷；

Q(i+n)分别为i+n时段的理论预测负荷；

m为选取的之前时间段的个数。

请参阅图2，示出了热力站负荷分时段滚动预测示意图，图中，室外综合环境温度表示考虑温度、光照、风速等的综合室外温度。通过步骤S4，预测每一个时段的热力站负荷，并在此基础进行修上进行四种修正，节约计算成本，即使热用户在这个时间间隔内的供热量稍小于所需供热量，只需要在下个计算时刻内进行补偿，在建筑的蓄热能力的影响下，对热用户的舒适度也不会产生显著影响。

通过步骤S3，将理论结构模型与实际运行数据手段结合进行负荷预测，一方面，克服了不具备合理供热历史运行数据的热力站预测的困难；另一方面，通过将结构机理预测的理论负荷与基于数据预测的负荷相互对照校验，能够比较准确的分析供热负荷。

请参阅图3，本发明实施例还提供了一种热力站负荷分时段滚动预测及自适应矫正系统，包括：

信息获取模块，适于获取供热建筑物的信息，包括建筑物的类型、供热面积、建筑物保温材料厚度、建筑与外界环境的换热面积、建筑代表性室温、热力站二级网的水力不平衡系数；

历史时序数据集处理模块，适于基于供热建筑物供热的历史时序数据集，对其进行数据清洗，并根据数据集将整个滚动预测周期进行时段划分，根据天气预报获取下一时段的天气信息；

结构机理模型建立模块，适于判断获取的供热建筑物供热的历史时序数据集大小，如果数据集过小或者没有数据，则采用热力站供热负荷的结构机理模型，滚动获取基于结构机理模型的热力站预测负荷，并进入修正补偿模块；

大数据辨识模型建立模块，适于判断获取的供热建筑物供热的历史时序数据集大小，如果数据集充足，构建建筑物的热负荷运行大数据辨识模型，滚动获取基于大数据辨识的热力站预测负荷，并进入修正补偿模块；

修正补偿模块，适于从热力站内二级网水力平衡度，第i-1时段的预测负荷与实测负荷偏差，对第i时段进行修正补偿。

综上所述，本发明提供了一种的热力站负荷分时段滚动预测及自适应矫正方法及系统，其中，热力站负荷分时段滚动预测及自适应矫正方法根据维持室内温度为设计室内温度的目标，对每个时段采用段内稳定和段后修正的方式，动态预测热力站每个时段的供热负荷，通过预测每个时段的供热负荷，来进行供热，能准确维持室内温度，消除过供或欠供的影响。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (9)

1.一种热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，

根据维持室内温度为设计室内温度的目标，并对每个时段采用段内稳定和段后修正的方式，以动态预测热力站每个时段的供热负荷。

2.如权利要求1所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，

所述对每个时段采用段内稳定和段后修正的方式，以动态预测热力站每个时段的供热负荷的方法包括：

步骤S1，获取供热建筑物的信息，包括建筑物的类型、供热面积、建筑物保温材料厚度、建筑与外界环境的换热面积、建筑代表性室温、热力站二级网的水力不平衡系数；

步骤S2，基于供热建筑物供热的历史时序数据集，对其进行数据清洗，并根据数据集将整个滚动预测周期进行时段划分，根据天气预报获取下一时段的天气信息；

步骤S3，判断获取的供热建筑物供热的历史时序数据集的大小，若历史时序数据集小于预设值或者没有数据，则采用热力站供热负荷的结构机理模型，滚动获取基于结构机理模型的热力站预测负荷，进入步骤S4；或

若数据集充足，构建建筑物的热负荷运行大数据辨识模型，滚动获取基于大数据辨识的热力站预测负荷，进入步骤S4；

步骤S4，从热力站内二级网水力平衡度，或第i-1时段的预测负荷与实测负荷偏差，或建筑用热需求，或热网稳定性方面对第i时段进行修正补偿。

3.如权利要求2所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，在步骤S2中，

所述历史时序数据集包括天气信息、楼口的回水温度、楼口的供水温度、楼口的流量；

所述的数据清洗是对历史时序数据集中相应数据进行零值、缺失值、异常值的处理。

4.如权利要求2所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，

在步骤S3中，依据步骤S1获取的所述信息，将建筑物分成集中供暖、分户热计量以及分时段供热三类，并分别构建集中供暖的建筑热负荷理论计算模型、分户热计量建筑热负荷理论计算模型和分时段供热的建筑热负荷理论计算模型；其中

所述建筑热负荷理论计算模型，即

在i时段内建筑a对应的建筑热负荷理论计算模型如下：

式中：Δt为划分的每个时段的时长，单位s；

A_j为第j类建筑维护结构的总面积，单位m²；

T_air(i)为i时段内的平均室外环境温度，单位℃；

T_n为室内设计温度，单位℃；

h_1,j,i为第j类维护结构的外墙与环境的在i时段的对流换热系数；

h_2,j,i为第j类维护结构的内墙与室内环境i时段的对流换热系数；

x为第j类维护结构的保温层数目，其中(1≤x≤n)；

δ_x,j为第j类围护结构第x层厚度，单位m；

λ_x,j,i为第j类围护结构第x层在i时段内的导热系数，单位W/(m·K)；

Q_a(i)为建筑a在i时段的热力站供热负荷的机理模型预测负荷；

所述分户热计量建筑热负荷理论计算模型，即

在i时段内预测的建筑a的总供热负荷为：

其中：

其中：Q_j,total(i)是第j类建筑在第i时段内按照集中供暖方式计算得到的总负荷，A_j,total(i)是第j类在第i时段的建筑总面积，q_j,h,design(i)为第i时段内第j类建筑的单位面积采暖指标，A_h(i)为第i时段内总采暖面积，α_j(i)为第i时段内第j类建筑的面积因子，面积因子α_j(i)反映了i时段内第j类建筑投入采暖面积占该类建筑总采暖面积的比例；

所述分时段供热的建筑热负荷理论计算模型，即

当采用分时段供热的供暖方式时，根据用户的用热习惯在对应时段内设置不同的室内设计温度，仍按照集中供热方式预测热力站供热负荷；

构建热力站供热负荷的结构机理模型：式中

Q(i)为热力站在i时段的热力站供热负荷的机理模型预测负荷；

f为热力站内建筑物数目，p为所预测的热力站二次侧对应建筑物总数。

5.如权利要求2所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，

将步骤S2中获取到的历史时序数据集拆分为输入序列和输出序列；

输入序列包括楼口的回水温度、当量平均室外温度、风速、楼口的流量、代表性室温；

输出序列包括：楼口的供热负荷。

6.如权利要求5所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，

在步骤S3中构建建筑物的热负荷运行大数据辨识模型的方法包括：

根据楼口的流量、楼口的供水温度、楼口的回水温度计算出楼口的供热负荷，其公式为：Q(t)＝Cm(t)(T_in(t)-T_out(t))式中：

C为传热介质比热容，单位：[J/(kg℃)]；

m(t)为t时刻的楼口流量，单位：t/h；

T_in(t)为t时刻的楼口供水温度，单位：℃；

T_out(t)为t时刻的楼口回水温度，单位：℃；

将楼口的供热负荷，即输出序列记为y(t)，计算出输出序列的自相关函数，公式为：式中：

为序列的平均值；

ε_k为k的序列的自相关系数；

k表示自相关函数的项数，其值可以为1,2,3,4,…

y_t、y_t+k分别为序列在t、t+k时刻的值；

计算出y(t)的偏自相关函数，其公式为：

a_k+1,k+1：为k+1、k+1的偏自相关系数；

a_kj：为k、j的偏自相关系数。

确定热负荷运行大数据辨识模型，即

式中：t代表时间变量(其中,从t-1时刻到t时刻的时间间隔为i)，y(t)为输出变量序列，u(t)为输入变量序列，v(t)为零均值随机白噪声序列，系数a_j、b_j、d_j为模型参数，j的范围分别是[1，n_a]、[1，n_b]、[1，n_d]；n_a、n_b、n_d为对应序列的阶次；

对热负荷运行大数据辨识模型定阶，n_a、n_d根据经验方法进行定阶计算，满足下式的k值最大值既可设定为该热负荷运行大数据辨识模型的n_a、n_d，

式中：n为序列的个数；

选择n_b为小于10的整数，进行参数估计，计算出模型参数，对每个选择的特定的n_b都做均方根误差分析，选择最优值对应的n_b、将求解得到的a_j、b_j、c_j代入到大数据辨识模型中得到最终模型。

7.如权利要求6所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，

所述参数估计适于采用矩估计方法，其公式为：

式中：ε_j’为ε_j的阶矩，

j＝1，2，3，…，n_a+n_b+n_d；

所述均方根误差分析，其公式为：

式中，y_t为模型预测值，y为模型实测值。

8.如权利要求2所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，所述步骤S4中从热力站内二级网水力平衡度，或第i-1时段的预测负荷与实测负荷偏差，或建筑用热需求，或热网稳定性方面对第i时段进行修正补偿，其包括：

从热力站内二级网水力平衡度，即

根据热力站内二级网水力水力平衡状况以及建筑代表性室温来修正建筑物第i时段预测负荷,其中代表性室温首选通过测量得到，当测量条件不具备时，采用滞后提供的定期入户室温调查数据结合是用户报修信息确定供热质量，得到代表性室温T_db(i)，对预测负荷进行修正；

二次侧调节方式为质调节时，水力不平衡度ζ为常数(ζ≥0)，修正后的预测负荷表达式为：

当预测流量低于设计流量时：

当预测流量高于设计流量时：

当二次侧调节方式为量调节时，由于供水温度T_in(i)保持不变且等于T_in(t)，回水温度基本不变的条件下使用上一时刻的回水温度T_out(i-1)并等于T_out(t)，根据预测的负荷Q(i)，求解到的预测流量q_yc(i)为：

当二次侧调节方式为量调节时，楼宇水力平衡度变化，表达式为：

修正后的预测负荷表达式为：

式中：

当预测流量低于设计流量时：

当预测流量高于设计流量时：

C为传热介质比热容；

q_d(i)为第i时段内的热力站设计流量；

q_yc(i)为第i时段内的热力站预测流量；

Q₁′(i)为水力平衡修正后的第i时段的预测负荷；

Q(i)为第i时段的预测负荷；

ζ(i)为热力站内二级网的水力不平衡系数，二次侧质调节时，ζ(i)为常数ζ；

T_n为建筑物设计室内温度；

T_db(i)为建筑物在i时段的代表性室温；以及

根据热力站第i-1时段预测负荷Q₁′(i-1)与实际负荷Q_sj(i-1)的偏差对负荷Q₁′(i)进行修正；式中：

Q₂′(i)为对i-1时段负荷偏差修正过后的负荷；

Q_sj(i-n)为通过仪表得到的i-n段的热力站实际负荷；

Q₁′(i-n)分别为i-n时段水力平衡修正后的预测负荷；

m为选取的之前时间段的个数；以及

根据建筑用热需求对热力站第i时段预测负荷Q₂′(i)进行修正；以及

根据热网稳定性对热力站第i时段预测负荷Q₂′(i)进行修正；即

调度中心需要在i时刻通过天气预报得到i+1～i+m时段内的室外气象条件，当根据天气预报得到室外温度T_air(i+m)比T_air(i+m-1)波动大于设定值ΔT时，认为气温剧烈波动，为了防止第i+m时段的热网剧烈波动，需要从当前i～i+m(m>1)时段提前向热网蓄能，在当前时刻负荷Q₂′(i)负荷的基础上进行修正；以及

在i+1～i+m(m>1)时段根据天气预报的室外气象条件使用理论预测方法得到Q(i+1)～Q(i+m),并将负荷均分到每个时段，则修正后的i时段的预测负荷Q₃′(i)为：

由于热网功能超出实际需求，Q(i+m)(1≤m≤n)不再进行S51、S52、S53修正，Q(i+m+1)继续正常修正，Q(i+m)(1≤m≤n)表达式为：式中：

Q₃′(i)为对i-1时段修正后的最终预测负荷；

Q_sj(i-1)为为i-1段的实际负荷；

Q₂′(i)为对i-1时段负荷偏差修正过后的负荷；

Q(i+n)分别为i+n时段的理论预测负荷；

m为选取的之前时间段的个数。

9.一种热力站负荷分时段滚动预测及自适应矫正系统，其特征在于，包括：

信息获取模块，适于获取供热建筑物的信息，包括建筑物的类型、供热面积、建筑物保温材料厚度、建筑与外界环境的换热面积、建筑代表性室温、热力站二级网的水力不平衡系数；

历史时序数据集处理模块，适于基于供热建筑物供热的历史时序数据集，对其进行数据清洗，并根据数据集将整个滚动预测周期进行时段划分，根据天气预报获取下一时段的天气信息；

结构机理模型建立模块，适于判断获取的供热建筑物供热的历史时序数据集大小，如果数据集过小或者没有数据，则采用热力站供热负荷的结构机理模型，滚动获取基于结构机理模型的热力站预测负荷，并进入修正补偿模块；

大数据辨识模型建立模块，适于判断获取的供热建筑物供热的历史时序数据集大小，如果数据集充足，构建建筑物的热负荷运行大数据辨识模型，滚动获取基于大数据辨识的热力站预测负荷，并进入修正补偿模块；

修正补偿模块，适于从热力站内二级网水力平衡度，第i-1时段的预测负荷与实测负荷偏差，对第i时段进行修正补偿。