CN112594758B - 供热预测方法、装置、设备及存储介质 - Google Patents

供热预测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112594758B
CN112594758B CN202011313434.9A CN202011313434A CN112594758B CN 112594758 B CN112594758 B CN 112594758B CN 202011313434 A CN202011313434 A CN 202011313434A CN 112594758 B CN112594758 B CN 112594758B
Authority
CN
China
Prior art keywords
heat
data
temperature
prediction data
water supply
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
CN202011313434.9A
Other languages
English (en)
Other versions
CN112594758A (zh
Inventor
李硕辉
郑树森
高峡
王树志
黄宽
蒋汶岐
马俊宏
李悦
张硕
高洁
王欣鑫
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.)
Tangshan Caofeidian Thermal Power Co ltd
Original Assignee
Tangshan Caofeidian Thermal Power 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 Tangshan Caofeidian Thermal Power Co ltd filed Critical Tangshan Caofeidian Thermal Power Co ltd
Priority to CN202011313434.9A priority Critical patent/CN112594758B/zh
Publication of CN112594758A publication Critical patent/CN112594758A/zh
Application granted granted Critical
Publication of CN112594758B publication Critical patent/CN112594758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D3/00—Hot-water central heating systems
    • F24D3/02—Hot-water central heating systems with forced circulation, e.g. by pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D19/00—Details
    • F24D19/10—Arrangement or mounting of control or safety devices
    • F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
    • F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D3/00—Hot-water central heating systems
    • F24D3/10—Feed-line arrangements, e.g. providing for heat-accumulator tanks, expansion tanks ; Hydraulic components of a central heating system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Thermal Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)

Abstract

本申请涉及一种供热预测方法、装置、设备及存储介质，其方法包括：获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据；根据室内温度预期数据和室外温度预测数据计算得出每个热用户的单位时间内的用户热负荷预测数据；根据每个热用户的单位时间内的用户热负荷预测数据计算得出热力站的单位时间内的热负荷预测数据；根据热力站的热负荷历史数据和热源厂的输出热量历史数据，获取热源厂的单位时间内的输出热量与单位时间内的热负荷的热量回归关系式；将单位时间内的热负荷预测数据输入到热量回归关系式中，获取热源厂的单位时间内的输出热量预测数据。本申请能够根据各热用户的具体室内温度需求对热力站和热源厂进行供热预测。

Description

供热预测方法、装置、设备及存储介质
技术领域
本申请涉及集中供热技术领域，尤其是涉及一种供热预测方法、装置、设备及存储介质。
背景技术
供热系统通过在热源厂内生产高温热水并驱动热水在一次侧管网内循环流动，向各热力站输送热能，在热力站内，一次侧与二次侧进行换热，将热量从一次侧换热到二次侧，二次侧再向二次侧管网内的各个热用户进行供热。
然而，目前热力站和热源厂无法根据各热用户的具体室内温度需求进行供热预测。
发明内容
为了根据各热用户的具体室内温度需求对热力站和热源厂进行供热预测，本申请提供一种供热预测方法、装置、设备及存储介质。
第一方面，本申请提供一种供热预测方法，采用如下的技术方案：
一种供热预测方法，包括：
获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据；
根据所述室内温度预期数据和所述室外温度预测数据计算得出每个热用户的单位时间内的用户热负荷预测数据；
根据所述每个热用户的单位时间内的用户热负荷预测数据计算得出所述热力站的单位时间内的热负荷预测数据；
基于线性回归算法，根据所述热力站的热负荷历史数据和热源厂的输出热量历史数据，获取所述热源厂的单位时间内的输出热量与所述热力站的单位时间内的热负荷的热量回归关系式；
将所述热力站的单位时间内的热负荷预测数据输入到所述热量回归关系式中，获取所述热源厂的单位时间内的输出热量预测数据。
通过采用上述技术方案，可以预先获取各热用户的室内温度需求，并根据各热用户不同的室内温度需求对各热用户的热负荷进行预测，然后根据各热用户预测的热负荷对热力站的热负荷进行预测，最后基于线性回归算法和热力站预测的热负荷对热源厂的输出热量进行预测，使热力站和热源厂可以提前为未来一段时间内的供热做准备。
可选的，还包括：获取所述每个热用户的室内温度实际数据，根据所述每个热用户的室内温度实际数据分别对所述每个热用户的单位时间内的用户热负荷预测数据进行修正。
通过采用上述技术方案，根据各热用户的实际室温的反馈，可以评判供热预测是否合理，并给予及时修正。
可选的，所述根据所述每个热用户的单位时间内的用户热负荷预测数据计算得出所述热力站的单位时间内的热负荷预测数据，包括：
分别获取各预设时间段内期望供暖的热用户对应的单位时间内的用户热负荷预测数据；
根据所述各预设时间段内期望供暖的热用户对应的单位时间内的用户热负荷预测数据，分别计算各预设时间段内所述热力站的单位时间内的热负荷预测数据；
将所述各时间段内所述热力站的单位时间内的热负荷预测数据输入到所述热量回归关系式中，获取各时间段内所述热源厂的单位时间内的输出热量预测数据。
通过采用上述技术方案，由于热用户可以选择非全天供暖，因此不同的预设时间段内，期望供暖的热用户数量可能会有所不同，根据每个预设时间段内期望供暖的热用户预测的热负荷对热力站的热负荷以及热源厂的输出热量进行预测。
可选的，在所述获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据之后，还包括：
基于线性回归算法，根据供水温度历史数据和室内温度历史数据，获取供水温度与室内温度的第一供水回归关系式；
将所述室内温度预期数据输入到所述第一供水回归关系式中，获取第一供水温度预测数据；
基于线性回归算法，根据供水温度历史数据和室外温度历史数据，获取供水温度与室外温度的第二供水回归关系式；
将所述室外温度预测数据输入到所述第二供水回归关系式中，获取第二供水温度预测数据；
基于线性回归算法，根据供水温度历史数据和建筑热惰性历史数据，获取供水温度与建筑热惰性的第三供水回归关系式；
将建筑热惰性实际数据输入到所述第三供水回归关系式中，获取第三供水温度预测数据；
根据所述第一供水温度预测数据、所述第二供水温度预测数据和所述第三供水温度预测数据计算得出所述热力站的第四供水温度预测数据。
通过采用上述技术方案，基于线性回归算法，根据室内温度、室外温度和建筑热惰性三个因素对供水温度进行预测，便于热力厂提供合适的供水温度。
可选的，在所述获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据之后，还包括：
基于线性回归算法，根据回水温度历史数据和室内温度历史数据，获取回水温度与室内温度的第一回水回归关系式；
将所述室内温度预期数据输入到所述第一回水回归关系式中，获取第一回水温度预测数据；
基于线性回归算法，根据回水温度历史数据和室外温度历史数据，获取回水温度与室外温度的第二回水回归关系式；
将所述室外温度预测数据输入到所述第二回水回归关系式中，获取第二回水温度预测数据；
基于线性回归算法，根据回水温度历史数据和建筑热惰性历史数据，获取回水温度与建筑热惰性的第三回水回归关系式；
将建筑热惰性实际数据输入到所述第三回水回归关系式中，获取第三回水温度预测数据；
根据所述第一回水温度预测数据、所述第二回水温度预测数据和所述第三回水温度预测数据计算得出所述热力站的第四回水温度预测数据。
通过采用上述技术方案，基于线性回归算法，根据室内温度、室外温度和建筑热惰性三个因素对回水温度进行预测，便于热力厂控制合理的供水温度。
第二方面，本申请提供一种供热预测装置，采用如下的技术方案：
一种供热预测装置，包括：
第一获取模块，用于获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据；
第一计算模块，用于根据所述室内温度预期数据和所述室外温度预测数据计算得出每个热用户的单位时间内的用户热负荷预测数据；
第二计算模块，用于根据所述每个热用户的单位时间内的用户热负荷预测数据计算得出所述热力站的单位时间内的热负荷预测数据；
第二获取模块，用于基于线性回归算法，根据所述热力站的热负荷历史数据和热源厂的输出热量历史数据，获取所述热源厂的单位时间内的输出热量与所述热力站的单位时间内的热负荷的热量回归关系式；以及，
第三获取模块，用于将所述热力站的单位时间内的热负荷预测数据输入到所述热量回归关系式中，获取所述热源厂的单位时间内的输出热量预测数据。
通过采用上述技术方案，可以预先获取各热用户的室内温度需求，并根据各热用户不同的室内温度需求对各热用户的热负荷进行预测，然后根据各热用户预测的热负荷对热力站的热负荷进行预测，最后基于线性回归算法和热力站预测的热负荷对热源厂的输出热量进行预测，使热力站和热源厂可以提前为未来一段时间内的供热做准备。
第三方面，本申请提供一种计算机设备，采用如下的技术方案：
一种计算机设备，包括存储器和处理器，所述存储器上存储有能够被所述处理器加载并执行上述任一种供热预测方法的计算机程序。
通过采用上述技术方案，可以预先获取各热用户的室内温度需求，并根据各热用户不同的室内温度需求对各热用户的热负荷进行预测，然后根据各热用户预测的热负荷对热力站的热负荷进行预测，最后基于线性回归算法和热力站预测的热负荷对热源厂的输出热量进行预测，使热力站和热源厂可以提前为未来一段时间内的供热做准备。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，存储有能够被处理器加载并执行上述任一种供热预测方法的计算机程序。
通过采用上述技术方案，可以预先获取各热用户的室内温度需求，并根据各热用户不同的室内温度需求对各热用户的热负荷进行预测，然后根据各热用户预测的热负荷对热力站的热负荷进行预测，最后基于线性回归算法和热力站预测的热负荷对热源厂的输出热量进行预测，使热力站和热源厂可以提前为未来一段时间内的供热做准备。
综上所述，本申请包括以下至少一种有益技术效果：
1.可以预先获取各热用户的室内温度需求，并根据各热用户不同的室内温度需求对各热用户的热负荷进行预测，然后根据各热用户预测的热负荷对热力站的热负荷进行预测，最后基于线性回归算法和热力站预测的热负荷对热源厂的输出热量进行预测，使热力站和热源厂可以提前为未来一段时间内的供热做准备；
2.根据各热用户的实际室温的反馈，可以评判供热预测是否合理，并给予及时修正。
附图说明
图1是本申请实施例一提供的供热预测方法的流程示意图。
图2是本申请实施例二提供的供热预测装置的结构框图。
图3是本申请实施例二提供的另一种供热预测装置的结构框图。
图4是本申请实施例三提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
实施例一
本实施例提供一种供热预测方法，如图1所示，该方法的主要流程描述如下（步骤S101～S105）：
步骤S101：获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据。
本实施例中，由同一热力站实施供热的各热用户均可通过手机APP输入其预期的室内温度，进而获取每个热用户的室内温度预期数据；并且，通过天气预报信息获取未来一段时间内当地的室外温度预测数据，该室外温度预测数据具体为各个时间段的预测温度。
为避免热用户提出不合理的室内温度要求，还设置室内温度的合理数据范围。例如，热用户在手机APP上能够输入的有效室内温度只能位于18～24℃。
步骤S102：根据室内温度预期数据和室外温度预测数据计算得出每个热用户的单位时间内的用户热负荷预测数据。
其计算公式如下：
Q1=qvV(tn-tw)，
其中，Q1为预测的用户热负荷 (单位：瓦)，qv为采暖热指标（单位：W/(m3·℃)，V为热用户的建筑体积(单位：m3)，tn为热用户预期的室内温度（单位：℃），tw为预测的室外温度（单位：℃）。
步骤S103：根据每个热用户的单位时间内的用户热负荷预测数据计算得出热力站的单位时间内的热负荷预测数据。
本实施例中，热力站的单位时间内的热负荷预测数据为由该热力站实施供热的所有热用户的单位时间内的用户热负荷预测数据之和。
步骤S104：基于线性回归算法，根据热力站的热负荷历史数据和热源厂的输出热量历史数据，获取热源厂的单位时间内的输出热量与热力站的单位时间内的热负荷的热量回归关系式。
热量回归关系式如下：
D=ad1dn+bd1，
其中，D为预测的热源厂的单位时间内的输出热量，dn为预测的热力站的单位时间内的热负荷，ad1和bd1为参数。
步骤S105：将热力站的单位时间内的热负荷预测数据输入到热量回归关系式中，获取热源厂的单位时间内的输出热量预测数据。
上述中，通过对热力站的热负荷和热源厂的输出热量这些供热参数进行预测，为热力站和热源厂提供运行指导，使热力站和热源厂可以提前为未来一段时间内的供热做准备。
为热力站能够提供合适的供水温度，获取每个热用户的室内温度实际数据，根据每个热用户的室内温度实际数据分别对每个热用户的单位时间内的用户热负荷预测数据进行修正。
本实施例中，通过设置在热用户房屋内的温度检测装置实时检测每个热用户的室内温度实际数据，然后通过网络将检测的室内温度实际数据传输至计算机设备。
例如，获取热用户的室内实际温度为18℃，比该热用户预期的室内温度20℃低，相应的，可以调高该热用户的预期室内温度，并通过调高后的室内温度预期数据对该热用户的单位时间内的用户热负荷预测数据进行修正。
为适应非全天供热的热用户，达到按需供热、节约能源的目的，获取各时间段的热力站的单位时间内的热负荷预测数据和各时间段的热源厂的单位时间内的输出热量预测数据，其具体方法如下：
（1）分别获取各预设时间段内期望供暖的热用户对应的单位时间内的用户热负荷预测数据。
可预先设置多个供暖时段，各热用户可通过手机APP从中选择期望供暖的时间段。例如，预设三个时间段，分别为上午7时到中午13时，中午13时到下午18时，下午18时到上午7时，热用户可以选择上述任意一个或多个时间段进行供热，当然，未选择任何时间段的热用户即默认其为全天供热；然后统计每个时间段的期望供暖的热用户，经统计，上午7时到中午13时有100户热用户预约供热，中午13时到下午18时有200户热用户预约供热，下午18时到上午7时有300户热用户预约供热。
（2）根据各预设时间段内期望供暖的热用户对应的单位时间内的用户热负荷预测数据，分别计算各预设时间段内热力站的单位时间内的热负荷预测数据。
例如，在下午18时到上午7时有300户热用户预约供热，分别获取该300户热用户在该预设时间段内的单位时间内的用户热负荷预测数据，然后计算热力站在该预设时间段内的单位时间内的热负荷预测数据，热力站在该预设时间段内的单位时间内的热负荷预测数据为该300户热用户在该预设时间段内的单位时间内的用户热负荷预测数据的和。
（3）将各时间段内热力站的单位时间内的热负荷预测数据输入到热量回归关系式中，获取各时间段内热源厂的单位时间内的输出热量预测数据。
供水温度是影响室内温度的重要因素之一，因此，为了提高供热效果，需要对供水温度进行有效预测，具体方法如下：
（1）基于线性回归算法，根据供水温度历史数据和室内温度历史数据，获取供水温度与室内温度的第一供水回归关系式，将室内温度预期数据输入到第一供水回归关系式中，获取第一供水温度预测数据。第一供水回归关系式如下：
X1=an1tn+bn1，
其中，X1为预测的第一供水温度，tn为预期的室内温度，an1和bn1为参数。
（2）由于室外温度是影响供水温度的重要因素，因此，可基于线性回归算法，根据供水温度历史数据和室外温度历史数据，获取供水温度与室外温度的第二供水回归关系式，将室外温度预测数据输入到第二供水回归关系式中，获取第二供水温度预测数据。第二供水回归关系式如下：
X2=an2tw+bn2，
其中，X2为预测的第二供水温度，tw为预测的室外温度，an2和bn2为参数。
（3）由于建筑热惰性的存在，导致室外温度对室内温度的影响存在衰减和延迟性，增大供水温度的预测计算误差，因此，在预测供水温度时应考虑建筑热惰性，具体的，可基于线性回归算法，根据供水温度历史数据和建筑热惰性历史数据，获取供水温度与建筑热惰性的第三供水回归关系式，将建筑热惰性实际数据输入到第三供水回归关系式中，获取第三供水温度预测数据。第三供水回归关系式如下：
X3=an3tm+bn3，
其中，X3为预测的第三供水温度，tm为实际的建筑热惰性，an3和bn3为参数。
（4）根据第一供水温度预测数据、第二供水温度预测数据和第三供水温度预测数据计算得出热力站的第四供水温度预测数据。第四供水温度X4的预测公式如下：
X4=X1cn1+X2cn2+X3cn3，
其中，cn1为第一供水温度X1的权重，cn2为第二供水温度X2的权重，cn3为第三供水温度X3的权重。
回水温度是影响室内温度的重要因素之一，因此，为了提高供热效果，需要对回水温度进行有效预测，具体方法如下：
（1）基于线性回归算法，根据回水温度历史数据和室内温度历史数据，获取回水温度与室内温度的第一回水回归关系式，将室内温度预期数据输入到第一回水回归关系式中，获取第一回水温度预测数据。第一回水回归关系式如下：
Y1=aw1tn +bw1，
其中，Y1为预测的第一回水温度，tn为预期的室内温度，aw1和bw1为参数。
（2）由于室外温度是影响回水温度的重要因素，因此，可基于线性回归算法，根据回水温度历史数据和室外温度历史数据，获取回水温度与室外温度的第二回水回归关系式，将室外温度预测数据输入到第二回水回归关系式中，获取第二回水温度预测数据。第二回水回归关系式如下：
Y2=aw2tw+bw2，
其中，Y2为预测的第二回水温度，tw为预测的室外温度，aw2和bw2为参数。
（3）由于建筑热惰性的存在，导致室外温度对室内温度的影响存在衰减和延迟性，增大回水温度的预测计算误差，因此，在预测回水温度时应考虑建筑热惰性，具体的，可基于线性回归算法，根据回水温度历史数据和建筑热惰性历史数据，获取回水温度与建筑热惰性的第三回水回归关系式，将建筑热惰性实际数据输入到第三回水回归关系式中，获取第三回水温度预测数据。第三回水回归关系式如下：
Y3=aw3tm+bw3，
其中，Y3为预测的第三回水温度，tm为实际的建筑热惰性值，aw3和bw3为参数。
（4）根据第一回水温度预测数据、第二回水温度预测数据和第三回水温度预测数据计算得出热力站的第四回水温度预测数据。第四回水温度Y4的预测如下：
Y4=Y1cw1+Y2cw2+Y3cw3，
其中，cw1为第一回水温度的权重，cw2为第二回水温度的权重，cw3为第三回水温度的权重。
上述中，热力站能够通过第四供水温度预测数据和第四回水温度预测数据进行供热指导。
实施例二
为了更好地实施以上方法，本申请实施例提供了一种供热预测装置，该装置具体可以集成在计算机设备中，例如终端或服务器等设备中，该终端可以包括但不限于手机、平板电脑或台式电脑等设备。
图2为本申请实施例提供的一种供热预测装置的结构框图，如图2所示，该装置主要包括：
第一获取模块201，用于获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据；
第一计算模块202，用于根据室内温度预期数据和室外温度预测数据计算得出每个热用户的单位时间内的用户热负荷预测数据；
第二计算模块203，用于根据每个热用户的单位时间内的用户热负荷预测数据计算得出热力站的单位时间内的热负荷预测数据；
第二获取模块204，用于基于线性回归算法，根据热力站的热负荷历史数据和热源厂的输出热量历史数据，获取热源厂的单位时间内的输出热量与热力站的单位时间内的热负荷的热量回归关系式；以及，
第三获取模块205，用于将热力站的单位时间内的热负荷预测数据输入到热量回归关系式中，获取热源厂的单位时间内的输出热量预测数据。
作为本实施例的一种可选实施方式，第二计算模块203，具体用于在根据每个热用户的单位时间内的用户热负荷预测数据计算得出热力站的单位时间内的热负荷预测数据之后，分别获取各预设时间段内期望供暖的热用户对应的单位时间内的用户热负荷预测数据；根据各预设时间段内期望供暖的热用户对应的单位时间内的用户热负荷预测数据，分别计算各预设时间段内热力站的单位时间内的热负荷预测数据；将各时间段内热力站的单位时间内的热负荷预测数据输入到热量回归关系式中，获取各时间段内热源厂的单位时间内的输出热量预测数据。
作为本实施例的一种可选实施方式，如图3所示，该装置还包括第四获取模块206，用于在获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据之后，基于线性回归算法，根据供水温度历史数据和室内温度历史数据，获取供水温度与室内温度的第一供水回归关系式；将室内温度预期数据输入到第一供水回归关系式中，获取第一供水温度预测数据；基于线性回归算法，根据供水温度历史数据和室外温度历史数据，获取供水温度与室外温度的第二供水回归关系式；将室外温度预测数据输入到第二供水回归关系式中，获取第二供水温度预测数据；基于线性回归算法，根据供水温度历史数据和建筑热惰性历史数据，获取供水温度与建筑热惰性的第三供水回归关系式；将建筑热惰性实际数据输入到第三供水回归关系式中，获取第三供水温度预测数据；根据第一供水温度预测数据、第二供水温度预测数据和第三供水温度预测数据计算得出热力站的第四供水温度预测数据。
作为本实施例的一种可选实施方式，如图3所示，该装置还包括第五获取模块207，用于在获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据之后，基于线性回归算法，根据回水温度历史数据和室内温度历史数据，获取回水温度与室内温度的第一回水回归关系式；将室内温度预期数据输入到第一回水回归关系式中，获取第一回水温度预测数据；基于线性回归算法，根据回水温度历史数据和室外温度历史数据，获取回水温度与室外温度的第二回水回归关系式；将室外温度预测数据输入到第二回水回归关系式中，获取第二回水温度预测数据；基于线性回归算法，根据回水温度历史数据和建筑热惰性历史数据，获取回水温度与建筑热惰性的第三回水回归关系式；将建筑热惰性实际数据输入到第三回水回归关系式中，获取第三回水温度预测数据；根据第一回水温度预测数据、第二回水温度预测数据和第三回水温度预测数据计算得出热力站的第四回水温度预测数据。
作为本实施例的一种可选实施方式，该装置还包括修正模块208，用于获取每个热用户的室内温度实际数据，根据每个热用户的室内温度实际数据分别对每个热用户的单位时间内的用户热负荷预测数据进行修正。
实施例一提供的方法中的各种变化方式和具体实例同样适用于本实施例的供热预测装置，通过前述对供热预测方法的详细描述，本领域技术人员可以清楚的知道本实施例中的供热预测装置的实施方法，为了说明书的简洁，在此不再详述。
实施例三
为了更好地执行上述方法的程序，本申请实施例提供一种计算机设备，如图4所示，计算机设备300包括存储器301和处理器302。
计算机设备300可以以各种形式来实施，包括手机、平板电脑、掌上电脑、笔记本电脑和台式计算机等设备。
其中，存储器301可用于存储指令、程序、代码、代码集或指令集。存储器301可以包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如计算用户热负荷预测数据等)以及用于实现上述实施例一提供的供热预测方法的指令等；存储数据区可存储上述实施例一提供的供热预测方法中涉及到的数据等。
处理器302可以包括一个或者多个处理核心。处理器302通过运行或执行存储在存储器301内的指令、程序、代码集或指令集，调用存储在存储器301内的数据，执行本申请的各种功能和处理数据。处理器302可以为特定用途集成电路(Application SpecificIntegrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(Digital Signal Processing Device，DSPD)、可编程逻辑装置(ProgrammableLogic Device，PLD)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、中央处理器(Central Processing Unit，CPU)、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器302功能的电子器件还可以为其它，本申请实施例不作具体限定。
实施例四
本申请实施例提供一种计算机可读存储介质，例如包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述实施例一的供热预测方法的计算机程序。
本申请具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，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，但只要在本申请的权利要求范围内都受到专利法的保护。

Claims (7)

1.一种供热预测方法，其特征在于，包括：
获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据；
根据所述室内温度预期数据和所述室外温度预测数据计算得出每个热用户的单位时间内的用户热负荷预测数据；
根据所述每个热用户的单位时间内的用户热负荷预测数据计算得出所述热力站的单位时间内的热负荷预测数据；
基于线性回归算法，根据所述热力站的热负荷历史数据和热源厂的输出热量历史数据，获取所述热源厂的单位时间内的输出热量与所述热力站的单位时间内的热负荷的热量回归关系式；
将所述热力站的单位时间内的热负荷预测数据输入到所述热量回归关系式中，获取所述热源厂的单位时间内的输出热量预测数据；
在所述获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据之后，还包括：
基于线性回归算法，根据供水温度历史数据和室内温度历史数据，获取供水温度与室内温度的第一供水回归关系式；
将所述室内温度预期数据输入到所述第一供水回归关系式中，获取第一供水温度预测数据；
基于线性回归算法，根据供水温度历史数据和室外温度历史数据，获取供水温度与室外温度的第二供水回归关系式；
将所述室外温度预测数据输入到所述第二供水回归关系式中，获取第二供水温度预测数据；
基于线性回归算法，根据供水温度历史数据和建筑热惰性历史数据，获取供水温度与建筑热惰性的第三供水回归关系式；
将建筑热惰性实际数据输入到所述第三供水回归关系式中，获取第三供水温度预测数据；
根据所述第一供水温度预测数据、所述第二供水温度预测数据和所述第三供水温度预测数据计算得出所述热力站的第四供水温度预测数据。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取所述每个热用户的室内温度实际数据，根据所述每个热用户的室内温度实际数据分别对所述每个热用户的单位时间内的用户热负荷预测数据进行修正。
3.根据权利要求1所述的方法，其特征在于，所述根据所述每个热用户的单位时间内的用户热负荷预测数据计算得出所述热力站的单位时间内的热负荷预测数据，包括：
分别获取各预设时间段内期望供暖的热用户对应的单位时间内的用户热负荷预测数据；
根据所述各预设时间段内期望供暖的热用户对应的单位时间内的用户热负荷预测数据，分别计算各预设时间段内所述热力站的单位时间内的热负荷预测数据；
将所述各时间段内所述热力站的单位时间内的热负荷预测数据输入到所述热量回归关系式中，获取各时间段内所述热源厂的单位时间内的输出热量预测数据。
4.根据权利要求1或3所述的方法，其特征在于，在所述获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据之后，还包括：
基于线性回归算法，根据回水温度历史数据和室内温度历史数据，获取回水温度与室内温度的第一回水回归关系式；
将所述室内温度预期数据输入到所述第一回水回归关系式中，获取第一回水温度预测数据；
基于线性回归算法，根据回水温度历史数据和室外温度历史数据，获取回水温度与室外温度的第二回水回归关系式；
将所述室外温度预测数据输入到所述第二回水回归关系式中，获取第二回水温度预测数据；
基于线性回归算法，根据回水温度历史数据和建筑热惰性历史数据，获取回水温度与建筑热惰性的第三回水回归关系式；
将建筑热惰性实际数据输入到所述第三回水回归关系式中，获取第三回水温度预测数据；
根据所述第一回水温度预测数据、所述第二回水温度预测数据和所述第三回水温度预测数据计算得出所述热力站的第四回水温度预测数据。
5.一种供热预测装置，其特征在于，包括：
第一获取模块，用于获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据；
第一计算模块，用于根据所述室内温度预期数据和所述室外温度预测数据计算得出每个热用户的单位时间内的用户热负荷预测数据；
第二计算模块，用于根据所述每个热用户的单位时间内的用户热负荷预测数据计算得出所述热力站的单位时间内的热负荷预测数据；
第二获取模块，用于基于线性回归算法，根据所述热力站的热负荷历史数据和热源厂的输出热量历史数据，获取所述热源厂的单位时间内的输出热量与所述热力站的单位时间内的热负荷的热量回归关系式；以及，
第三获取模块，用于将所述热力站的单位时间内的热负荷预测数据输入到所述热量回归关系式中，获取所述热源厂的单位时间内的输出热量预测数据；
还包括第四获取模块，用于在获取属于同一热力站的若干个热用户的室内温度预期数据和室外温度预测数据之后，基于线性回归算法，根据供水温度历史数据和室内温度历史数据，获取供水温度与室内温度的第一供水回归关系式；将室内温度预期数据输入到第一供水回归关系式中，获取第一供水温度预测数据；基于线性回归算法，根据供水温度历史数据和室外温度历史数据，获取供水温度与室外温度的第二供水回归关系式；将室外温度预测数据输入到第二供水回归关系式中，获取第二供水温度预测数据；基于线性回归算法，根据供水温度历史数据和建筑热惰性历史数据，获取供水温度与建筑热惰性的第三供水回归关系式；将建筑热惰性实际数据输入到第三供水回归关系式中，获取第三供水温度预测数据；根据第一供水温度预测数据、第二供水温度预测数据和第三供水温度预测数据计算得出热力站的第四供水温度预测数据。
6.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器上存储有能够被所述处理器加载并执行如权利要求1至4中任一种所述的方法的计算机程序。
7.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至4中任一种所述的方法的计算机程序。
CN202011313434.9A 2020-11-21 2020-11-21 供热预测方法、装置、设备及存储介质 Active CN112594758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011313434.9A CN112594758B (zh) 2020-11-21 2020-11-21 供热预测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011313434.9A CN112594758B (zh) 2020-11-21 2020-11-21 供热预测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112594758A CN112594758A (zh) 2021-04-02
CN112594758B true CN112594758B (zh) 2021-12-14

Family

ID=75183515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011313434.9A Active CN112594758B (zh) 2020-11-21 2020-11-21 供热预测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112594758B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113110056B (zh) * 2021-04-20 2022-03-04 北京硕人时代科技股份有限公司 一种基于人工智能的供热智能决策方法及智能决策机
CN113623719B (zh) * 2021-06-23 2022-08-19 国家电投集团东北电力有限公司大连开热分公司 一种基于有效室温检测的换热站预测控制方法
CN113776123B (zh) * 2021-10-26 2022-08-30 烟台清泉实业有限公司 一种分户供暖室内温度调节阀控系统及方法
CN114674026A (zh) * 2022-03-28 2022-06-28 内蒙古科技大学 一种管网供水流量优化控制方法及系统
CN117267782B (zh) * 2023-11-22 2024-02-20 瑞纳智能设备股份有限公司 供热控制方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130017368A (ko) * 2011-08-10 2013-02-20 아주대학교산학협력단 지역난방 네트워크의 열공급량 결정방법
CN103363585A (zh) * 2013-08-08 2013-10-23 天津海天方圆节能技术有限公司 一种城镇区域集中供热系统调节方法
CN104791903A (zh) * 2015-04-30 2015-07-22 北京上庄燃气热电有限公司 一种热网智能调度系统
CN109297086A (zh) * 2018-09-10 2019-02-01 常州英集动力科技有限公司 热力站负荷分时段滚动预测及自适应矫正方法及系统
CN111473407A (zh) * 2020-04-10 2020-07-31 浙江大学 一种基于模型的集中供热系统按需精准调控方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130017368A (ko) * 2011-08-10 2013-02-20 아주대학교산학협력단 지역난방 네트워크의 열공급량 결정방법
CN103363585A (zh) * 2013-08-08 2013-10-23 天津海天方圆节能技术有限公司 一种城镇区域集中供热系统调节方法
CN104791903A (zh) * 2015-04-30 2015-07-22 北京上庄燃气热电有限公司 一种热网智能调度系统
CN109297086A (zh) * 2018-09-10 2019-02-01 常州英集动力科技有限公司 热力站负荷分时段滚动预测及自适应矫正方法及系统
CN111473407A (zh) * 2020-04-10 2020-07-31 浙江大学 一种基于模型的集中供热系统按需精准调控方法

Also Published As

Publication number Publication date
CN112594758A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN112594758B (zh) 供热预测方法、装置、设备及存储介质
Wei et al. A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy
De Coninck et al. Rule-based demand-side management of domestic hot water production with heat pumps in zero energy neighbourhoods
Karami et al. Optimal scheduling of residential energy system including combined heat and power system and storage device
Mahbod et al. Energy saving evaluation of an energy efficient data center using a model-free reinforcement learning approach
Tan et al. Microgrid stochastic economic load dispatch based on two‐point estimate method and improved particle swarm optimization
Zong et al. Model predictive control for smart buildings to provide the demand side flexibility in the multi-carrier energy context: Current status, pros and cons, feasibility and barriers
Iturriaga et al. A general model for the optimization of energy supply systems of buildings
Wei et al. Distributed scheduling of smart buildings to smooth power fluctuations considering load rebound
Zhu et al. Real‐Time Pricing for Demand Response in Smart Grid Based on Alternating Direction Method of Multipliers
CN108253519B (zh) 基于电采暖的用电控制方法
CN108846506A (zh) 一种能源系统的规划方法、装置、设备和存储介质
Liu et al. A simulation-based tool for energy efficient building design for a class of manufacturing plants
Schubnel et al. State-space models for building control: how deep should you go?
CN105570866A (zh) 一种供热用燃气锅炉负荷参数的调节方法及系统
Mbuwir et al. Transfer learning for operational planning of batteries in commercial buildings
KR20190020496A (ko) 전력사용을 예측하고 능동적으로 수요반응 및 에너지 절감을 제공하는 전력관리 방법 및 장치
Wang et al. Day-ahead schedule optimization of household appliances for demand flexibility: Case study on PV/T powered buildings
Ali et al. Enhanced power control model based on hybrid prediction and preprocessing/post-processing
CN113569380A (zh) 建筑综合用能的调节能力的修正方法及装置
Bonamente et al. A life-cycle approach for multi-objective optimisation in building design: Methodology and application to a case study
Cid et al. Energy optimization algorithms for multi-residential buildings: A model predictive control application
CN115114769A (zh) 多数据中心微网的管理方法、装置、设备以及存储介质
Zhang et al. A simulation‐based differential evolution algorithm for stochastic parallel machine scheduling with operational considerations
Ling et al. A thermal load forecasting algorithm based on trajectory tracking

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