CN109948824B - 一种利用模式识别技术对热力站热负荷进行预测的方法 - Google Patents

一种利用模式识别技术对热力站热负荷进行预测的方法 Download PDF

Info

Publication number
CN109948824B
CN109948824B CN201811337921.1A CN201811337921A CN109948824B CN 109948824 B CN109948824 B CN 109948824B CN 201811337921 A CN201811337921 A CN 201811337921A CN 109948824 B CN109948824 B CN 109948824B
Authority
CN
China
Prior art keywords
temperature
time
station
correlation coefficient
periods
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.)
Active
Application number
CN201811337921.1A
Other languages
English (en)
Other versions
CN109948824A (zh
Inventor
李海滨
于治国
梅德芳
张海增
程天才
吴佳滨
关向东
于悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Huayuan Thermal Pipe Network Co ltd
Original Assignee
Beijing Huayuan Thermal Pipe Network Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Huayuan Thermal Pipe Network Co ltd filed Critical Beijing Huayuan Thermal Pipe Network Co ltd
Priority to CN201811337921.1A priority Critical patent/CN109948824B/zh
Publication of CN109948824A publication Critical patent/CN109948824A/zh
Application granted granted Critical
Publication of CN109948824B publication Critical patent/CN109948824B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种利用模式识别技术对热力站热负荷进行预测的方法，包括：S1:安装温度监测设备，并设定室内环境温度值；S2:将次日天气预报分为与S1相同时段，并求平均值；S3:将S1和S2得到的数据通过欧式距离算法对历史时间顺序数据集合进行计算和排序，得出其升序的历史时间顺序数据；S4:按照若干预测时段获得其最小欧式距离对应的历史行记录，获得其原始对应热力站的多个相关参数；S5:以最小欧式距离历史时刻对应热力站二次送水温度或瞬时热负荷为因变量，对应的用户室内相关因素为自变量，得时间延迟；S6:1减最大相关系数，得出修正系数值，计算出次日的预测热负荷；计算分析出热源厂的预测热负荷值，最终实现源、网、站的联合调节。

Description

一种利用模式识别技术对热力站热负荷进行预测的方法
技术领域
本发明涉及一种热负荷预测方法，特别是关于一种利用模式识别技术对热力站热负荷进行预测的方法。
背景技术
目前，全世界供热行业中，基于热力站的供热负荷预测，至今没有形成一个业内公认的计算模型和算法。究其原因，主要是不同热力站供热用户建筑物散热条件的差异，室外气温、风力、照度等气候条件对供热用户室内温度影响的复杂性，热力站二次供热管道的复杂度和流程工艺参数难于用测量数据进行度量；热力站到用户供热的供热相应迟滞时间，因上述复杂因素的影响无法计算得出。
发明内容
针对上述问题，本发明的目的是提供一种利用模式识别技术对热力站热负荷进行预测的方法，其能降低能源消耗，预测准确性较高，并能有效减少人力成本。
为实现上述目的，本发明采取以下技术方案：一种利用模式识别技术对热力站热负荷进行预测的方法，包括以下步骤：
S1:在用户家中安装现有室内环境温度监测设备，并根据监测到的室内温度数据设定若干时段内的用户室内环境温度值；
S2:将次日天气预报数据分为与S1相同的若干时段，并计算出平均值；
S3:依据设定的若干时段的用户室内环境温度以及天气预报数据，通过欧式距离算法对历史时间顺序数据集合进行计算和排序，得出其升序的历史时间顺序数据；
S4:按照四个预测时段获得其最小欧式距离对应的历史行记录，获得其原始对应热力站的热负荷、二次送水温度、回水温度、一次阀门开度和二次循环泵频率参数；
S5:以最小欧式距离历史时刻对应热力站二次送水温度或瞬时热负荷为因变量，对应的用户室温度，室外环境温度、风力为自变量(其数据集取数时间范围为对应该时间点前后6个小时数据)，依照时间顺序相关性，线性回归最大复相关系 数R(lmax)，并得出对应其时间延迟；
S6:将1减去最大相关系数，得出修正系数值，计算出次日的预测热负荷；并结合一次热网供热迟滞时间的基础上，计算分析出热源厂的预测热负荷值，实现源、网、站的联合调节。
通过上述技术方案，采用欧式距离公式并代入多种影响因素最终经过修正得出更加合理的预测热负荷值，从而针对不断变化的外部温度和不同的气候环境，能够及时的作出动态调整，并维持供热量调整增加得精确性，减少能源的不必要浪费，同时能够维持生活环境的舒适。
较佳的，所述S1中，一天的温度时间段具体分为四个时间段。
较佳的，在S1中，所述四个时间段具体为上午、下午、夜晚和凌晨，他们的具体时间划分为
凌晨0-6时；
上午6-12时；
下午12-18时；
晚上18-24时。
通过上述技术方案，时间段的选择过多会最终让整体的计算量明显增大，而将气候变化因素考虑进去后，最终区分出四个比较明显的时间段，这些时间段内的室外温度、风力的影响因素变化比较大，通过这四个时间段的区分能够比较快捷的得出最终的数据。
较佳的，四个时段的用户室内环境温度设定值分别为22℃、20℃、22℃和18℃。
通过上述技术方案，室内温度的设定也主要考虑到人们在不同时间段对室内温度的需求，减少人们对室内温度过高产生的依赖，让室内温度维持在比较符合人体生理健康的区间。
较佳的，所述S4中，欧式距离公式：
Figure BDA0001860471930000021
式中，dist(t)为欧式距离数据集，时间范围大于等于250天；TS为对应四个时段之一的设定室内温度；Ti为对应最大复相关系数历史记录的时刻室内温度；TO为对应最大复相关系数历史记录的时刻室外温度；
Figure BDA0001860471930000031
为对应四个时段之一平均室外预报温度；
Figure BDA0001860471930000032
为对应四个时段之一平均室外预报风力；WP为对应最大复相关系数历史记录的时刻室外风力。
较佳的，所述S5以最小欧式距离历史时刻对应热力站二次送水温度或瞬时热负荷为因变量，对应的用户室温度，室外环境温度、风力为自变量(其数据集取数时间范围为对应该时间点前后6个小时数据)，依照时间顺序相关性，线性回归最大复相关系数R(lmax)，并得出对应其时间延迟；并求出其修正系数K＝1-R(lmax)。
较佳的，所述S6中，四个时段之一的预测热负荷值Qf为：
Figure BDA0001860471930000033
其中，Qf对应四个时段之一的预测热负荷值；Qt对应时刻的热负荷值；k为修正系数；TS为对应四个时段之一的设定室内温度；Ti为对应最大复相关系数历史记录的时刻室内温度；TO为对应最大复相关系数历史记录的时刻室外温度；
Figure BDA0001860471930000034
为对应四个时段之一平均室外预报温度；
Figure BDA0001860471930000035
为对应四个时段之一平均室外预报风力；WP为对应最大复相关系数历史记录的时刻室外风力；dW为补水流量；c为水的比热容；Tc分别为二次送水水温度与回水温度；Ta：为补水温度。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明能精确控制用户室内温度，在提高用户舒适度的同时，可根据用户用热情况制定分时分段供热方案，降低能源消耗；
2、本发明能够实现供热站闭环自动调节，对天气预报信息响应速度合理，调节准确，同时降低人员劳动量，减少人力成本；
3、本发明通过历史数据训练样本的不断积累，可以逐步提高预测准确性；
4、本发明通过对个热力站热负的预测，实现源、网、站的联合调节。
具体实施方式
以下对本发明作进一步详细说明。
实施例1、本发明提供一种利用模式识别技术对热力站热负荷进行预测的方法，其包括以下步骤：
S1:在用户家中安装现有室内环境温度监测设备，并根据监测到的室内温度 数据设定四个时段内的用户室内环境温度值；其中，四个时段分别为上午、下午、夜晚和凌晨，所述凌晨、上午、下午、晚上的具体时间为：
凌晨0-6时；
上午6-12时；
下午12-18时；
晚上18-24时；
在本实施例中，四个时段的用户室内环境温度设定值分别为22℃、20℃、22℃和18℃；
S2:将次日天气预报数据(室外环境温度、风力等)分为四个时段(上午、下午、夜晚和凌晨)，并计算出平均值；
S3:依据设定的四个时段的用户室内环境温度以及天气预报数据，通过欧式距离算法对历史时间顺序数据集合(用户室温度，室外环境温度、风力等)进行计算和排序，得出其升序的历史时间顺序数据；
S4:按照四个预测时段获得其最小欧式距离对应的历史行记录，进而获得其原始对应热力站的热负荷、二次送水温度、回水温度、一次阀门开度、二次循环泵频率等参数。
欧式距离算法公式：
Figure BDA0001860471930000041
Figure BDA0001860471930000042
式中，dist(t)为欧式距离数据集(时间范围大于等于250天)；TS为对应四个时段之一的设定室内温度(22℃、20℃、22℃、18℃)；Ti为对应最大复相关系数历史记录的时刻室内温度；TO为对应最大复相关系数历史记录的时刻室外温度；
Figure BDA0001860471930000043
为对应四个时段之一平均室外预报温度；
Figure BDA0001860471930000044
为对应四个时段之一平均室外预报风力；WP为对应最大复相关系数历史记录的时刻室外风力；
S5:以最小欧式距离dist(t)历史时刻对应热力站二次送水温度为因变量，对应的用户室温度，室外环境温度、风力为自变量，依照时间顺序相关性，线性回归最大复相关系数R(lmax)，并得出对应其时间延迟；并结合一次热网供热迟滞时 间的基础上，计算分析出热源厂的热负预测荷值，实现源、网、站的联合调节。
Figure BDA0001860471930000051
Figure BDA0001860471930000052
Figure BDA0001860471930000053
Figure BDA0001860471930000054
R(t1-ti)：历史数据行，时间间隔(小于10分钟)复相关系数据集合(t为对应的历史时刻)；
Figure BDA0001860471930000055
基于二次送水温度因变量回归值；TC：基于二次送水温度因变量历史数据，时间行间隔(小于10分钟)；
Figure BDA0001860471930000056
基于二次送水温度因变量历史数据平均值，取值范围(连续12个小时)；
Figure BDA0001860471930000057
回归常数；
Figure BDA0001860471930000058
为各对应自变量的回归系数；
Dt：延迟时间为时间序列相关性分析数据集合开始时刻到其复相关系数最大时刻的时间差；K＝1-R(lmax)：为热负荷预测的修正系数；R(lmax)为时间序列相关性分析数据集合复相关系数最大值(该值要求R(2)＞R1时数据集合有效)
Figure BDA0001860471930000059
其中，Qf对应四个时段之一的预测热负荷值；Qt对应时刻的热负荷值；k为修正系数；TS为对应四个时段之一的设定室内温度；Ti为对应最大复相关系数历史记录的时刻室内温度；TO为对应最大复相关系数历史记录的时刻室外温度；
Figure BDA00018604719300000510
为对应四个时段之一平均室外预报温度；
Figure BDA00018604719300000511
为对应四个时段之一平均室外预报风力；WP为对应最大复相关系数历史记录的时刻室外风力；dW为补水流量；c为水的比热容；Tc分别为二次送水温度；Ta：为补水温度；
S6:实时掌握用户室内温度情况，提前调整热负荷，保证用户室温平稳，提 高室内舒适度。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (7)

1.一种利用模式识别技术对热力站热负荷进行预测的方法，其特征在于：包括以下步骤：
S1：在用户家中安装现有室内环境温度监测设备，并根据监测到的室内温度数据设定若干时段内的用户室内环境温度值；
S2：将次日天气预报数据分为与Sl相同的若干时段，并计算出平均值；
S3：依据设定的若干时段的用户室内环境温度以及天气预报数据，通过欧式距离算法对历史时间顺序数据集合进行计算和排序，得出其升序的历史时间顺序数据；
S4：按照若干预测时段获得其最小欧式距离对应的历史行记录，获得其原始对应热力站的热负荷、二次送水温度、回水温度、一次阀门开度和二次循环泵频率参数；
S5：最小欧式距离历史时刻对应热力站二次送水温度或瞬时热负荷为因变量,对应的用户室温度,室外环境温度、风力为自变量，依照时间顺序相关性，线性回归最大复相关系数R，并得出对应其时间延迟；
S6：将1减去最大相关系数，得出修正系数值，计算出次日的预测热负荷；并结合一次热网供热迟滞时间的基础上，计算分析出热源厂的预测热负荷值，实现源、网、站的联合调节。
2.根据权利要求1所述的利用模式识别技术对热力站热负荷进行预测的方法，其特征在于：所述Sl中，一天的温度时间段具体分为四个时间段。
3.根据权利要求2所述的利用模式识别技术对热力站热负荷进行预测的方法，其特征在于：在Sl中，所述四个时间段具体为上午、下午、夜晚和凌晨，它们的具体时间划分为
凌晨0-6时；
上午6-12时；
下午12-18时；
晚上18-24时。
4.根据权利要求3所述的利用模式识别技术对热力站热负荷进行预测的方法，其特征在于：四个时段的用户室内环境温度设定值分别为22℃、20℃、22℃和18℃。
5.根据权利要求4所述的利用模式识别技术对热力站热负荷进行预测的方法，其特征在于：所述S4中，欧式距离公式：
Figure FDA0003142127700000011
式中，dist(t)为欧式距离数据集，时间范围大于等于250天；Ts为对应四个时段之一的设定室内温度；Ti为对应最大复相关系数历史记录的时刻室内温度；T0为对应最大复相关系数历史记录的时刻室外温度；
Figure FDA0003142127700000021
为对应四个时段之一平均室外预报温度；
Figure FDA0003142127700000022
为对应四个时段之一平均室外预报风力；Wp为对应最大复相关系数历史记录的时刻室外风力。
6.根据权利要求5所述的利用模式识别技术对热力站热负荷进行预测的方法，其特征在于：所述S5以最小欧式距离历史时刻对应热力站二次送水温度或瞬时热负荷为因变量，对应的用户室温度，室外环境温度、风力为自变量，依照时间顺序相关性，线性回归最大复相关系数R，并得出对应其时间延迟；并求出其修正系数K＝1-R。
7.根据权利要求6所述的利用模式识别技术对热力站热负荷进行预测的方法，其特征在于：所述S6中，四个时段之一的预测热负荷值Qf为：
Figure FDA0003142127700000023
其中，Qf对应四个时段之一的预测热负荷值；Qt对应时刻的热负荷值；k为修正系数；Ts为对应四个时段之一的设定室内温度；Ti为对应最大复相关系数历史记录的时刻室内温度；T0为对应最大复相关系数历史记录的时刻室外温度；
Figure FDA0003142127700000024
为对应四个时段之一平均室外预报温度；
Figure FDA0003142127700000025
为对应四个时段之一平均室外预报风力；Wp为对应最大复相关系数历史记录的时刻室外风力；dw为补水流量；C为水的比热容；Tc分别为二次送水水温度与回水温度；Ta为补水温度。
CN201811337921.1A 2018-11-09 2018-11-09 一种利用模式识别技术对热力站热负荷进行预测的方法 Active CN109948824B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811337921.1A CN109948824B (zh) 2018-11-09 2018-11-09 一种利用模式识别技术对热力站热负荷进行预测的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811337921.1A CN109948824B (zh) 2018-11-09 2018-11-09 一种利用模式识别技术对热力站热负荷进行预测的方法

Publications (2)

Publication Number Publication Date
CN109948824A CN109948824A (zh) 2019-06-28
CN109948824B true CN109948824B (zh) 2021-09-07

Family

ID=67006388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811337921.1A Active CN109948824B (zh) 2018-11-09 2018-11-09 一种利用模式识别技术对热力站热负荷进行预测的方法

Country Status (1)

Country Link
CN (1) CN109948824B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110375370B (zh) * 2019-08-16 2024-03-08 烟台华蓝新瑞节能科技有限公司 一种智慧供热均温管控系统
CN111275579B (zh) * 2020-02-21 2022-10-18 浙江大学 基于皮尔森相关系数和移动平均法的供热系统热延迟时间辨识方法
CN112132428B (zh) * 2020-09-11 2024-03-05 无锡华光环保能源集团股份有限公司 基于大数据的蒸汽热网配汽站预测性调控决策方法
CN113065285A (zh) * 2021-04-02 2021-07-02 华能国际电力股份有限公司大连电厂 一种大型集中供热系统热源温度实时优化方法
CN113606634A (zh) * 2021-07-01 2021-11-05 华能国际电力股份有限公司上安电厂 一种基于长输管网优化热源运行参数的热源保障系统
CN113531647B (zh) * 2021-07-29 2023-04-21 山东普赛通信科技股份有限公司 天然气锅炉分布式供热系统调控方法及系统
CN113587172A (zh) * 2021-08-03 2021-11-02 广东电网有限责任公司 供水温度延迟时间预测方法、装置及电子设备
CN113642640A (zh) * 2021-08-13 2021-11-12 华北电力科学研究院有限责任公司 区域性电网最小出力预测方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102810860A (zh) * 2012-08-21 2012-12-05 国电南瑞科技股份有限公司 间歇式能源与常规能源协调调度模式下备用容量分析方法
CN105005825A (zh) * 2015-07-03 2015-10-28 深圳供电局有限公司 一种基于动态神经网络预测光伏功率的方法及系统
CN105512766A (zh) * 2015-12-11 2016-04-20 中能电力科技开发有限公司 一种风电场功率预测方法
CN106016760A (zh) * 2016-07-01 2016-10-12 顺德职业技术学院 自适应变频热泵热水采暖系统节能控制方法
CN107120721A (zh) * 2017-05-25 2017-09-01 河北健特建筑安装工程有限公司 一种集中供热动态气候补偿方法
CN108376294A (zh) * 2018-01-18 2018-08-07 国网辽宁省电力有限公司 一种供能反馈与气象因素的热负荷预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102810860A (zh) * 2012-08-21 2012-12-05 国电南瑞科技股份有限公司 间歇式能源与常规能源协调调度模式下备用容量分析方法
CN105005825A (zh) * 2015-07-03 2015-10-28 深圳供电局有限公司 一种基于动态神经网络预测光伏功率的方法及系统
CN105512766A (zh) * 2015-12-11 2016-04-20 中能电力科技开发有限公司 一种风电场功率预测方法
CN106016760A (zh) * 2016-07-01 2016-10-12 顺德职业技术学院 自适应变频热泵热水采暖系统节能控制方法
CN107120721A (zh) * 2017-05-25 2017-09-01 河北健特建筑安装工程有限公司 一种集中供热动态气候补偿方法
CN108376294A (zh) * 2018-01-18 2018-08-07 国网辽宁省电力有限公司 一种供能反馈与气象因素的热负荷预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
集中供热系统的热负荷预测与规划;庞明月;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20180615;第31-51页 *

Also Published As

Publication number Publication date
CN109948824A (zh) 2019-06-28

Similar Documents

Publication Publication Date Title
CN109948824B (zh) 一种利用模式识别技术对热力站热负荷进行预测的方法
CN107120721B (zh) 一种集中供热动态气候补偿方法
CN109681957B (zh) 一种换热站热负荷预测方法
CN109297086B (zh) 热力站负荷分时段滚动预测及自适应矫正方法及系统
CN103162346B (zh) 基于云服务的集中供暖监控系统及集中供暖系统调节方法
EP3614055B1 (en) Heat supply regulation method and apparatus
CN106813293B (zh) 集中供热系统全网平衡控制方法
CN110332647B (zh) 地铁地下车站空调系统负荷预测方法及空调系统
CN114396646B (zh) 一种基于用户有效室温的换热站智能控制方法
CN113108432B (zh) 一种基于天气预报的空调系统调节方法和系统
CN110738380B (zh) 热负荷控制方法、装置及系统
CN111580382B (zh) 基于人工智能的单元级供热调节方法及系统
CN108709287B (zh) 一种空调系统冷负荷预测方法及冷水机组群控的策略
CN109284576B (zh) 一种基于实测数据的分散式电采暖负荷调度方法及其建模系统
CN113375220B (zh) 一种基于负荷预测的换热站多模式调控方法
CN113706337B (zh) 一种基于相似时段的供热负荷预测方法
CN108426354A (zh) 基于辐射时间序列方法的空调负荷预测系统
CN106468467B (zh) 一种应用于嵌入式控制系统的空调冷负荷实时预测算法
CN107247407B (zh) 一种基于云架构的大数据自我学习修正控制系统及方法
CN114484556B (zh) 一种基于目标能耗管控的供水温度调控方法
CN111197846A (zh) 一种建筑内冷热负荷自适应调节方法及系统
CN117353300B (zh) 一种基于大数据的农村用电需求量分析方法
CN107192098A (zh) 医院通风调控方法及调控系统
CN115342409B (zh) 一种供热系统的控制调节方法与系统
CN116822682A (zh) 一种热力站热负荷在线预测方法

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
GR01 Patent grant
GR01 Patent grant