CN113516279B - 一种基于能源用量状态转移的综合能源负荷预测方法 - Google Patents

一种基于能源用量状态转移的综合能源负荷预测方法 Download PDF

Info

Publication number
CN113516279B
CN113516279B CN202110461232.7A CN202110461232A CN113516279B CN 113516279 B CN113516279 B CN 113516279B CN 202110461232 A CN202110461232 A CN 202110461232A CN 113516279 B CN113516279 B CN 113516279B
Authority
CN
China
Prior art keywords
load
usage
energy
load usage
year
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
CN202110461232.7A
Other languages
English (en)
Other versions
CN113516279A (zh
Inventor
唐学用
罗永源
叶琳浩
胡金迪
陈巨龙
丁一
李庆生
罗宁
孙斌
孙晓聪
邓朴
何鑫
张裕
李震
王盛
包铭磊
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.)
Zhejiang University ZJU
Guizhou Power Grid Co Ltd
Original Assignee
Zhejiang University ZJU
Guizhou Power Grid 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 Zhejiang University ZJU, Guizhou Power Grid Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202110461232.7A priority Critical patent/CN113516279B/zh
Publication of CN113516279A publication Critical patent/CN113516279A/zh
Application granted granted Critical
Publication of CN113516279B publication Critical patent/CN113516279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于能源用量状态转移的综合能源负荷预测方法，包括：采集各时期内各类能源的负荷使用量并求和，得到各时期的综合能源负荷总使用量，利用线性指数平滑模型对负荷总使用量进行回归分析，并预测负荷总使用量的变化；计算各时期内各类能源的负荷使用量的占比，利用马尔可夫状态转移模型分析负荷使用量的占比变化，并预测未来的负荷使用量占比；根据预测的负荷总使用量与各类能源的负荷使用量占比预测各类能源的负荷使用量，确定综合能源设备的规划。本发明全面考虑各类能源的负荷变化，克服了传统马尔可夫方法无法计算统一的转移矩阵的困难，揭示了各类能源转移变化的趋势，有利于进一步的综合能源设备规划。

Description

一种基于能源用量状态转移的综合能源负荷预测方法
技术领域
本发明涉及综合能源负荷变化的负荷使用量预测的技术领域，尤其涉及一种基于能源用量状态转移的综合能源负荷预测方法。
背景技术
多能源负荷预测是综合能源系统规划的基础，对于电、热/冷、气多元能源负荷需求的准确预测可以有效指导综合能源系统的规划与运行。当前关于综合能源系统多能负荷需求预测的研究多为各类能源的独立预测，在各类预测结果的基础上为综合能源系统的规划提供支撑，缺乏各类能源之间转移变化与耦合关系的研究，导致综合能源系统规划部署的科学性与准确性不足。研究各元素之间转移变化情况的方法主要为马尔可夫状态转移模型方法，但在综合能源系统多能源负荷预测中各时间段之间的状态转移矩阵不完全相同，将马尔可夫状态转移矩阵方法应用于综合能源系统负荷预测中时需要解决状态转移矩阵的统一问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：传统马尔可夫方法无法计算统一的转移矩阵。
为解决上述技术问题，本发明提供如下技术方案：采集各时期内各类能源的负荷使用量；对所述各时期内各类能源的负荷使用量求和，得到各时期的综合能源负荷总使用量，利用线性指数平滑模型对所述负荷总使用量进行回归分析，并预测负荷总使用量的变化；计算所述各时期内各类能源的负荷使用量的占比，利用马尔可夫状态转移模型分析负荷使用量的占比变化，并预测未来的负荷使用量占比；根据预测的负荷总使用量与所述各类能源的负荷使用量占比预测各类能源的负荷使用量，根据负荷使用量预测结果，确定综合能源设备的规划。
作为本发明所述的基于能源用量状态转移的综合能源负荷预测方法的一种优选方案，其中：对所述各时期内各类能源的负荷使用量求和包括，
Figure GDA0003641419350000021
其中，
Figure GDA0003641419350000022
分别表示电能、热/冷、燃气在第i年的负荷使用量，
Figure GDA0003641419350000023
表示第i年的综合能源负荷总使用量，t表示共有t年的数据被用来进行负荷预测。
作为本发明所述的基于能源用量状态转移的综合能源负荷预测方法的一种优选方案，其中：所述线性指数平滑模型包括，
Figure GDA0003641419350000024
其中，
Figure GDA0003641419350000025
表示未来第j年的综合能源负荷总使用量，at、bt分别表示线性指数平滑模型中第t年的模型系数。
作为本发明所述的基于能源用量状态转移的综合能源负荷预测方法的一种优选方案，其中：所述at、bt包括，
Figure GDA0003641419350000026
Figure GDA0003641419350000027
其中，
Figure GDA0003641419350000028
表示第t年的一次指数平滑值，
Figure GDA0003641419350000029
表示第t年的二次指数平滑值，α表示平滑系数。
作为本发明所述的基于能源用量状态转移的综合能源负荷预测方法的一种优选方案，其中：所述
Figure GDA00036414193500000210
包括，
Figure GDA00036414193500000211
Figure GDA00036414193500000212
Figure GDA00036414193500000213
其中，定义α取经验值0.5，一次指数平滑值、二次指数平滑值的初始值为第1年的综合能源负荷总使用量，即
Figure GDA00036414193500000214
作为本发明所述的基于能源用量状态转移的综合能源负荷预测方法的一种优选方案，其中：所述计算所述各时期内各类能源的负荷使用量的占比包括，
Figure GDA00036414193500000215
Figure GDA0003641419350000031
Figure GDA0003641419350000032
其中，
Figure GDA0003641419350000033
分别表示电能、热/冷、燃气在第i年的负荷使用量占比，构造负荷使用量占比向量
Figure GDA0003641419350000034
Xi为第i年的负荷使用量占比向量。
作为本发明所述的基于能源用量状态转移的综合能源负荷预测方法的一种优选方案，其中：所述预测未来的负荷使用量占比包括，建立二次偏差最小的所述马尔可夫状态转移模型预测未来的负荷使用量占比：
Figure GDA0003641419350000035
P＝(pij)3×3
Figure GDA0003641419350000036
其中，minf(P)表示模型的目标函数，P表示状态转移矩阵，pij表示状态转移矩阵P的第i行第j列元素，T表示矩阵转置符号，s.t.表示模型约束条件的符号。
作为本发明所述的基于能源用量状态转移的综合能源负荷预测方法的一种优选方案，其中：所述未来的负荷使用量占比包括，
Xt+j＝Xt(P)j
其中，Xt+j表示未来第j年的负荷使用量占比。
作为本发明所述的基于能源用量状态转移的综合能源负荷预测方法的一种优选方案，其中：所述各类能源的负荷使用量的预测包括，
Figure GDA0003641419350000037
Figure GDA0003641419350000038
Figure GDA0003641419350000039
其中，
Figure GDA0003641419350000041
分别表示电能、热/冷、燃气在未来第j年的负荷使用量。
本发明的有益效果：全面考虑各类能源的负荷变化，采用二次偏差最小的马尔科夫状态转移模型估计，克服了传统马尔可夫方法无法计算统一的转移矩阵的困难，揭示了各类能源转移变化的趋势，有利于进一步的综合能源设备规划。
附图说明
为了更清楚地说明本发明实施例的技术方案，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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种基于能源用量状态转移的综合能源负荷预测方法的基本流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1，为本发明的一个实施例，提供了一种基于能源用量状态转移的综合能源负荷预测方法，包括：
S1：采集各时期内各类能源的负荷使用量；需要说明的是，
利用安装的综合能源计量传感器采集各时期内各类能源的负荷使用量，并对计量单位进行转换，采用同一单位兆瓦时来表示负荷使用量，以年为单位划分时间。各类能源包括电能、供热/冷、燃气，负荷使用量的含义为一时间单位内对应能源的消耗量。
S2：对各时期内各类能源的负荷使用量求和，得到各时期的综合能源负荷总使用量，利用线性指数平滑模型对负荷总使用量进行回归分析，并预测负荷总使用量的变化；需要说明的是，
对各时期内各类能源的负荷使用量求和包括：
Figure GDA0003641419350000051
其中，
Figure GDA0003641419350000052
分别表示电能、热/冷、燃气在第i年的负荷使用量，
Figure GDA0003641419350000053
表示第i年的综合能源负荷总使用量，t表示共有t年的数据被用来进行负荷预测。
然后，根据线性指数平滑模型对负荷总使用量进行预测：
线性指数平滑模型包括：
Figure GDA0003641419350000054
其中，
Figure GDA0003641419350000061
表示未来第j年的综合能源负荷总使用量，at、bt分别表示线性指数平滑模型中第t年的模型系数。
其中，at、bt包括：
Figure GDA0003641419350000062
Figure GDA0003641419350000063
其中，
Figure GDA0003641419350000064
表示第t年的一次指数平滑值，
Figure GDA0003641419350000065
表示第t年的二次指数平滑值，α表示平滑系数。
进一步的，
Figure GDA0003641419350000066
包括：
Figure GDA0003641419350000067
Figure GDA0003641419350000068
更进一步的，递推公式包括：
Figure GDA0003641419350000069
其中，定义α取经验值0.5，采用以上公式递归计算未来第j年的综合能源负荷总使用量，一次指数平滑值、二次指数平滑值的初始值为第1年的综合能源负荷总使用量，即
Figure GDA00036414193500000610
S3：计算各时期内各类能源的负荷使用量的占比，利用马尔可夫状态转移模型分析负荷使用量的占比变化，并预测未来的负荷使用量占比；需要说明的是，负荷使用量的占比的含义为对应能源占负荷总使用量的百分比。
具体的，计算各时期内各类能源的负荷使用量的占比包括，
Figure GDA00036414193500000611
Figure GDA0003641419350000071
Figure GDA0003641419350000072
其中，
Figure GDA0003641419350000073
分别表示电能、热/冷、燃气在第i年的负荷使用量占比，构造负荷使用量占比向量
Figure GDA0003641419350000074
Xi为第i年的负荷使用量占比向量。
进一步的，预测未来的负荷使用量占比包括，
建立二次偏差最小的马尔可夫状态转移模型预测未来的负荷使用量占比：
Figure GDA0003641419350000075
P＝(pij)3×3
Figure GDA0003641419350000076
其中，minf(P)表示模型的目标函数，P表示状态转移矩阵，pij表示状态转移矩阵P的第i行第j列元素，T表示矩阵转置符号，s.t.表示模型约束条件的符号。
求解模型得到状态转移矩阵P的值，以此预测未来的负荷使用量占比包括：
Xt+j＝Xt(P)j
其中，Xt+j表示未来第j年的负荷使用量占比。
S4：根据预测的负荷总使用量与各类能源的负荷使用量占比预测各类能源的负荷使用量，根据负荷使用量预测结果，确定综合能源设备的规划；需要说明的是，
根据未来综合能源负荷总使用量以及负荷使用量占比的预测结果，计算各类能源的负荷使用量，包括：
Figure GDA0003641419350000077
Figure GDA0003641419350000078
Figure GDA0003641419350000079
其中，
Figure GDA0003641419350000081
分别表示电能、热/冷、燃气在未来第j年的负荷使用量。
进一步的，根据负荷使用量预测情况，确定综合能源设备的规划，对负荷增加的能源安装相应的产能机组，并增加能源传输线路的容量；对负荷减少的能源缩减对应的产能机组，减小对应能源传输线路的容量。
在下一时间段，综合能源计量传感器采集得到新数据后，重新计算并更新线性指数平滑模型与马尔可夫状态转移模型的参数，校正各类能源的负荷使用量的预测值，并重新修正规划方案。
本发明采用二次偏差最小的马尔科夫状态转移模型估计，克服了传统马尔可夫方法无法计算统一的转移矩阵的困难，有利于进一步的综合能源设备规划。
实施例2
为对本方法中采用的技术效果加以验证说明，本实施例采用具体实例进行测试，以科学论证的手段验证本方法所具有的真实效果。
首先通过综合能源计量传感器采集各时期内各类能源的负荷使用量数据，并采用统一单位兆瓦时，数据如表1所示。
表1：各时期内各类能源的负荷使用量数据表。
时间 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年
电能 2721 2994 3292 3577 3519 3803 4051 4388
热/冷 1079 1130 1182 1221 1446 1452 1394 1400
燃气 631 678 728 772 526 568 605 656
计算各时期的综合能源负荷总使用量，并建立线性指数平滑模型对负荷总使用量进行预测，各时期的综合能源负荷总使用量及其预测结果如表2所示。
表2：各时期的综合能源负荷总使用量及其预测结果表。
Figure GDA0003641419350000082
计算各时期内各类能源的负荷使用量的占比，如表3所示。
表3：各时期内各类能源的负荷使用量的占比表。
Figure GDA0003641419350000083
Figure GDA0003641419350000091
建立马尔可夫状态转移模型分析负荷使用量的占比变化，求解得到状态转移矩阵：
Figure GDA0003641419350000092
根据状态转移矩阵预测未来的负荷使用量占比，如表4所示。
表4：未来的负荷使用量占比预测结果表。
时间 2020年 2021年 2022年 2023年 2024年 2025年 2026年 2027年
电能占比(％) 67.90 67.85 67.85 67.87 67.88 67.89 67.90 67.91
热/冷占比(％) 22.13 22.25 22.29 22.29 22.29 22.29 22.29 22.28
燃气占比(％) 9.98 9.90 9.86 9.84 9.83 9.82 9.81 9.81
根据负荷总使用量与各类能源的负荷使用量占比预测值，计算各类能源的负荷使用量，如表5所示。
表5：各类能源的负荷使用量表。
时间 2020年 2021年 2022年 2023年 2024年 2025年 2026年 2027年
电能 4524 4701 4882 5063 5244 5425 5606 5786
热/冷 1474 1542 1603 1663 1722 1781 1840 1899
燃气 665 686 709 734 759 784 810 835
根据负荷使用量预测情况，确定综合能源设备的规划，电能、热/冷、燃气均呈增长趋势，因此需要安装对应容量的发电机组、电热联产机组，按需求增长趋势增加电能、供热/供冷、燃气管道的输送容量，最后，在下一时间段，综合能源计量传感器采集得到新数据后，重新计算并校正各类能源的负荷使用量的预测值，并重新修正规划方案。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于能源用量状态转移的综合能源负荷预测方法，其特性在于，包括：
采集各时期内各类能源的负荷使用量；
对所述各时期内各类能源的负荷使用量求和，得到各时期的综合能源负荷总使用量，利用线性指数平滑模型对所述负荷总使用量进行回归分析，并预测负荷总使用量的变化；
对所述各时期内各类能源的负荷使用量求和包括，
Figure FDA0003641419340000011
其中，
Figure FDA0003641419340000012
分别表示电能、热/冷、燃气在第i年的负荷使用量，
Figure FDA0003641419340000013
表示第i年的综合能源负荷总使用量，t表示共有t年的数据被用来进行负荷预测；
计算所述各时期内各类能源的负荷使用量的占比，利用马尔可夫状态转移模型分析负荷使用量的占比变化，并预测未来的负荷使用量占比；
计算所述各时期内各类能源的负荷使用量的占比包括，
Figure FDA0003641419340000014
Figure FDA0003641419340000015
Figure FDA0003641419340000016
其中，
Figure FDA0003641419340000017
分别表示电能、热/冷、燃气在第i年的负荷使用量占比，构造负荷使用量占比向量
Figure FDA0003641419340000018
Xi为第i年的负荷使用量占比向量；
所述预测未来的负荷使用量占比包括，
建立二次偏差最小的所述马尔可夫状态转移模型预测未来的负荷使用量占比：
Figure FDA0003641419340000019
P＝(pij)3×3
Figure FDA00036414193400000110
其中，minf(P)表示模型的目标函数，P表示状态转移矩阵，pij表示状态转移矩阵P的第i行第j列元素，T表示矩阵转置符号，s.t.表示模型约束条件的符号；
所述未来的负荷使用量占比包括，
Xt+j＝Xt(P)j
其中，Xt+j表示未来第j年的负荷使用量占比，Xt表示第t年的负荷使用量占比，(P)j表示矩阵P的j次方；
所述各类能源的负荷使用量的预测包括，
Figure FDA0003641419340000021
Figure FDA0003641419340000022
Figure FDA0003641419340000023
其中，
Figure FDA0003641419340000024
分别表示电能、热/冷、燃气在未来第j年的负荷使用量；
根据预测的负荷总使用量与所述各类能源的负荷使用量占比预测各类能源的负荷使用量，根据负荷使用量预测结果，确定综合能源设备的规划。
2.如权利要求1所述的基于能源用量状态转移的综合能源负荷预测方法，其特征在于：所述线性指数平滑模型包括，
Figure FDA0003641419340000025
其中，
Figure FDA0003641419340000026
表示未来第j年的综合能源负荷总使用量，at、bt分别表示线性指数平滑模型中第t年的模型系数。
3.如权利要求2所述的基于能源用量状态转移的综合能源负荷预测方法，其特征在于：所述at、bt包括，
Figure FDA0003641419340000027
Figure FDA0003641419340000028
其中，
Figure FDA0003641419340000029
表示第t年的一次指数平滑值，
Figure FDA00036414193400000210
表示第t年的二次指数平滑值，α表示平滑系数。
4.如权利要求3所述的基于能源用量状态转移的综合能源负荷预测方法，其特征在于：所述
Figure FDA00036414193400000211
包括，
Figure FDA0003641419340000031
Figure FDA0003641419340000032
Figure FDA0003641419340000033
其中，定义α取经验值0.5，一次指数平滑值、二次指数平滑值的初始值为第1年的综合能源负荷总使用量，即
Figure FDA0003641419340000034
CN202110461232.7A 2021-04-27 2021-04-27 一种基于能源用量状态转移的综合能源负荷预测方法 Active CN113516279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110461232.7A CN113516279B (zh) 2021-04-27 2021-04-27 一种基于能源用量状态转移的综合能源负荷预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110461232.7A CN113516279B (zh) 2021-04-27 2021-04-27 一种基于能源用量状态转移的综合能源负荷预测方法

Publications (2)

Publication Number Publication Date
CN113516279A CN113516279A (zh) 2021-10-19
CN113516279B true CN113516279B (zh) 2022-08-30

Family

ID=78063801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110461232.7A Active CN113516279B (zh) 2021-04-27 2021-04-27 一种基于能源用量状态转移的综合能源负荷预测方法

Country Status (1)

Country Link
CN (1) CN113516279B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116737804B (zh) 2023-08-15 2023-11-10 成都秦川物联网科技股份有限公司 基于智慧燃气物联网的燃气数据分级处理方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107666155A (zh) * 2017-09-28 2018-02-06 河海大学 基于Markov模型的多能互补系统随机稳定性分析方法
CN110222882A (zh) * 2019-05-21 2019-09-10 国家电网公司西南分部 一种电力系统中长期负荷的预测方法和装置
CN110365062A (zh) * 2019-04-19 2019-10-22 国网辽宁省电力有限公司经济技术研究院 一种基于Markov模型的多能系统协调控制方法
CN110880044A (zh) * 2019-10-23 2020-03-13 广东电网有限责任公司 一种基于马尔科夫链的负荷预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107666155A (zh) * 2017-09-28 2018-02-06 河海大学 基于Markov模型的多能互补系统随机稳定性分析方法
CN110365062A (zh) * 2019-04-19 2019-10-22 国网辽宁省电力有限公司经济技术研究院 一种基于Markov模型的多能系统协调控制方法
CN110222882A (zh) * 2019-05-21 2019-09-10 国家电网公司西南分部 一种电力系统中长期负荷的预测方法和装置
CN110880044A (zh) * 2019-10-23 2020-03-13 广东电网有限责任公司 一种基于马尔科夫链的负荷预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
An Improved Prediction Model Combining Inverse Exponential Smoothing and Markov Chain;Tong Niu 等;《Mathematical Problems in Engineering》;20200928;第1-11页 *
Fuzzy hidden Markov predictor in electric load forecasting;M.A. Teixeira 等;《Proceedings of the International Joint Conference on Neural Networks》;20030826;第315-320页 *
基于马尔可夫修正的负荷预测模型在电力能效监测终端中的应用;依溥治等;《电测与仪表》;20150510;第52卷(第09期);第11-18页 *
基于马尔可夫链筛选组合预测模型的中长期负荷预测方法;张栋梁 等;《电力系统保护与控制》;20160616;第44卷(第12期);第63-67页 *

Also Published As

Publication number Publication date
CN113516279A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
Yoon et al. Calibration procedure for energy performance simulation of a commercial building
Harb et al. MIP approach for designing heating systems in residential buildings and neighbourhoods
CN109993445B (zh) 一种考虑光伏预测误差的综合能源系统脆弱性评估方法
CN110417053B (zh) 计及综合需求响应的多能源系统可靠性评估方法
CN112149309B (zh) 一种考虑温度-负荷相关性的调温负荷曲线拟合方法
CN113516279B (zh) 一种基于能源用量状态转移的综合能源负荷预测方法
CN113297799B (zh) 一种基于数据驱动的空调集群负荷需求响应潜力评估方法
Huang et al. Sizing heating, ventilating, and air-conditioning systems under uncertainty in both load-demand and capacity-supply side from a life-cycle aspect
CN115600722A (zh) 企业电碳因子长期预测方法
CN114862229A (zh) 电能质量评估方法、装置、计算机设备和存储介质
Mortazavi et al. Adaptive gradient-assisted robust design optimization under interval uncertainty
CN112418732B (zh) 一种含多能量枢纽综合能源系统规划方法及系统
He et al. A quick evaluation method for the lifetime of the fuel cell MEA with the particle filter algorithm
Huang et al. Investigation of maximum cooling loss in a piping network using Bayesian Markov Chain Monte Carlo method
Chung et al. Development of a combined energy-demands calculator for urban building communities in Korea
Beausoleil-Morrison et al. The calibration of a model for simulating the thermal and electrical performance of a 2.8 kWAC solid-oxide fuel cell micro-cogeneration device
Alarcon-Rodriguez et al. Multi-objective planning of distributed energy resources with probabilistic constraints
CN114037272A (zh) 一种区域综合能源系统的能效评估方法
Anoune et al. Techno-economic investigation of solar-wind potential to power an industrial prototype using a hybrid renewable energy system
Diao et al. Performance of building energy supply systems using renewable energy
Wang et al. Low-order gray-box modeling of heating buildings and the progressive dimension reduction identification of uncertain model parameters
CN117035173B (zh) 一种基于六参数模型的换热系统日负荷预测方法及系统
CN112365053B (zh) 负荷区域内分布式光伏发电总功率的预测方法、系统与计算机可读介质
CN118134509A (zh) 基于物理信息模型的输变电工程运行阶段碳排放计算方法
Jansson et al. Monte Carlo Simulations in Load Flow Calculations-An Application on a Swedish 50 kV Network

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