CN117035173B - 一种基于六参数模型的换热系统日负荷预测方法及系统 - Google Patents
一种基于六参数模型的换热系统日负荷预测方法及系统 Download PDFInfo
- Publication number
- CN117035173B CN117035173B CN202310974685.9A CN202310974685A CN117035173B CN 117035173 B CN117035173 B CN 117035173B CN 202310974685 A CN202310974685 A CN 202310974685A CN 117035173 B CN117035173 B CN 117035173B
- Authority
- CN
- China
- Prior art keywords
- heat
- index
- exchange system
- prediction
- heat exchange
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005286 illumination Methods 0.000 claims abstract description 17
- 230000002354 daily effect Effects 0.000 claims description 95
- 238000010438 heat treatment Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004140 cleaning Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003203 everyday effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012550 audit Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012417 linear regression Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005338 heat storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 108010053481 Antifreeze Proteins Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及供热能源管理技术领域,具体涉及一种换热系统日负荷预测方法。一种基于六参数模型的换热系统日负荷预测方法,该方法在给定换热系统历史运行数据及气象数据的情况下,采用多元线性回归与专家知识库相结合的组合预测技术,分别计算出基础热指标、光照热指标、风力热指标、内部得热热指标、完成率热指标、趋势热指标六个参数,在给定未来的综合目标室温的情况下,即可预测出换热系统未来一段时间的计划供热量,具有影响参数明确、热指标动态优化的特征,可适用于各类供热系统。同时,本发明还提供了一种基于六参数模型的换热系统日负荷预测系统。
Description
技术领域
本发明涉及供热能源管理技术领域,具体涉及一种换热系统日负荷预测方法及系统。
背景技术
供热负荷预测是供热公司的重要工作之一,准确的负荷预测能够经济合理地安排热源的供热量,保证热网运行的安全稳定性,减少不必要的供热量,有效降低供热成本,提高经济效益和社会效益。
换热系统作为热网中最靠近用户端的供热站,是最小的热量供应单位。热力站内通常按用户供暖系统分区设置相应的换热系统,通过调节进入换热器的流量达到调控用户供暖系统供热量的目的。换热系统供热量偏大时,将导致用户室温增高;换热系统供热量偏小时,用户室温将偏低,从而产生投诉等问题,因此针对换热系统的负荷预测是热源生产与热网调度的重要决策因素。
换热系统的供热量与室外光照情况、风力、建筑蓄热、内部得热等因素有关,同时由于换热系统内供暖建筑不同、供暖设备差异化、换热系统循环流量的差异,因此导致换热系统必须进行个性化负荷预测。
发明内容
本发明的目的是:针对现有技术的不足,提供一种基于六参数模型的换热系统日负荷预测方法及系统,用于换热系统供热量做出精确预测。
本发明的第一个技术方案是:一种基于六参数模型的换热系统日负荷预测方法,包括以下步骤:
A.初始参数配置;
对换热系统所在地的设计室内温度t′n、设计室外气温t′w、换热系统实际供热面积F、预测周期,预测启动时间、预测日的目标室温Tnspi进行配置;其中,预测周期为n天,n≥1;
B.运算参数获取;
获取每日实测气象,包括:每日实测平均气温twi;以及预测周期内的每日气象预报,包括:气象、风力、每日24h的预报小时气温的平均值Twfi;
获取换热系统的历史运行数据,包括:逐时供热量,即该换热系统采集的热表累计热量减去上一小时累计热量;
获取实际综合室温tni;
C.数据清洗;
对步骤B中的换热系统的历史运行数据进行处理,得到符合条件的可用数据;
D.基础热指标计算;
由换热系统的每日逐时供热量相加得到日实际供热量;
由日实际供热量计算得到实际供热指标:
其中:日实际供热量的单位为GJ,换热系统实际供热面积F的单位为m2,实际供热指标的单位为W/m2;
由实际供热指标计算得到折算热指标:
以预测日前m天的折算热指标的滑动平均值作为基础热指标qs1的初始值;
E.供热完成率计算;
F.预测周期内的每日温差趋势、温差变化量计算;
预测周期内第一日的温差趋势μ(x)的计算方法为:
其中:x为预测周期的第一日,Tnspi(x)为预测周期内第一日的目标室温,Twfi(x)为预测周期内第一日的预报平均温度;为与预测日前一天的实际综合室温,twi(x-1)为预测日前一天的实测平均气温;
预测周期内第一日的温差变化量ΔT(x)的计算方法为:
在进行非首日的预测时,由于无法获得预测周期内第一日的实际综合室温以及实测平均气温,故在进行x+1,x+2,...n天的预测时,取预测当日前一日的目标室温和预测气温代替实际综合室温、实测平均气温;预测周期内非首日的温差趋势μ(x+1,x+2,...n)的计算方法为:
预测周期内非首日的温差变化量ΔT(x+1,x+2,...n)的计算方法为:
ΔT(x+1,x+2,...n)=(Tnspi(x+1,x+2,...n)-Twfi(x+1,x+2,...n))-(Tnspi(x,x+1,...n-1)-Twfi(x,x+1,...n-1))
G.专家知识库预测;
将获取的气象数据、基础热指标qs1、供热完成率、预测周期内的每日温差趋势输入专家知识库,完成对光照热指标qs2、风力热指标qs3、内部得热热指标qs4、完成率热指标qs5、趋势热指标qs6的预测;
H.综合热指标qi计算;
qi=qs1+qs2+qs3+qs4+qs5+qs6
其中,qi的单位为W/m2;
I.供热系统日载荷预测;
其中:Qi的单位为GJ。
本发明的第二个技术方案是:一种基于六参数模型的换热系统日负荷预测系统,包括:
参数配置单元;所述参数配置单元用于配置换热系统所在地的设计室内温度t′n、设计室外气温t′w、该换热系统实际供热面积F、预测启动时间、预测日的目标室温Tnspi;
运算参数获取单元;所述运算参数获取单元包括:气象参数获取模块、换热系统运行数据采集模块、室内温度获取模块;所述气象参数获取模块用于获取每日实测气象以及预测周期内的每日气象预报;所述换热系统运行数据采集模块用于获取换热系统的历史运行数据,包括:逐时供热量;所述室内温度获取模块用于获取实际综合室温tni;
数据清洗单元;所述数据清洗单元用于对所述换热系统运行数据采集模块所获取的历史运行数据进行处理,得到符合条件的可用数据;
数据准备单元;所述数据准备单元从所述气象参数获取模块、所述室内温度获取模块、所述数据清洗单元获取数据,计算得到基础热指标的初始值qs1、供热完成率、预测周期内的每日温差趋势以及温差变化量;
专家知识库;所述专家知识库基于判别知识以及输入的基础热指标的初始值qs1、供热完成率、预测周期内的每日温差趋势、温差变化量、预报气象完成对光照热指标qs2、风力热指标qs3、内部得热热指标qs4、完成率热指标qs5、趋势热指标qs6的预测;
日载荷预测单元;所述日载荷预测单元基于基础热指标的初始值qs1以及所述专家知识库的预测计算得到日载荷预测值。
本发明的第三个技术方案是:一种电子设备,所述电子设备包括:存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现如上所述的一种基于六参数模型的换热系统日负荷预测方法中的步骤。
本发明的第四个技术方案是:一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的一种基于六参数模型的换热系统日负荷预测方法中的步骤。
有益效果:(1)本发明在给定换热系统历史运行数据及气象数据的情况下,采用多元线性回归与专家知识库相结合的组合预测技术,分别计算出基础热指标、光照热指标、风力热指标、内部得热热指标、完成率热指标、趋势热指标六个参数,在给定未来的综合目标室温的情况下,即可预测出换热系统未来一段时间的计划供热量,具有影响参数明确、热指标动态优化的特征,可适用于各类供热系统。
(2)本发明不断将昨日历史数据加入数据集,动态更新计算六个指标参数,确保换热系统运行过程中的任何变化导致的参数变化都能被算法辨识,不断迭代,形成供热量的动态预测方法,从而确保换热系统的负荷预测结果的准确性、持续性和稳定性。
(3)本发明首先考虑到换热系统内的建筑热工性能及室外气象包括室外温度、光照、风力,其次,还考虑到换热系统本身的蓄热量,采用换热系统的上一周期的完成率来量化。最后考虑到供热量的热滞后性,由于换热系统的供热量变化到建筑内室温的产生变化需要一定的时间,因此在出现一些偶发因素,比如气温骤变,当用户室温低于目标室温时,为了让室温尽快恢复到目标室温,需让供热量超调,采用更快的步长对换热系统供热量进行调整因此特别引入趋势热指标。本发明采用组合预测技术构造六参数模型,实现对未来一定时间内、给定气象条件下的换热系统供热量的精确预测。
附图说明
图1为本发明所述方法的流程图;
图2为本发明所述方法步骤C中对数据清洗的流程图;
图3为本发明所述系统的组成框图;
图4为本发明所述专家知识库预测模型示意图。
其中:1-参数配置单元、2-运算参数获取单元、2.1-气象参数获取模块、2.2-换热系统运行数据采集模块、2.3-室内温度获取模块、3-数据清洗单元、4-数据准备单元、5-专家知识库、6-日载荷预测单元、7-日载荷预测确认单元。
具体实施方式
实施例1,参见附图1,一种基于六参数模型的换热系统日负荷预测方法,包括以下步骤:
A.初始参数配置;
对换热系统所在地的设计室内温度t′n、设计室外气温t′w、换热系统实际供热面积F、预测周期,预测启动时间、预测日的目标室温Tnspi进行配置;其中,预测周期为n天,n≥1;设计室内温度t′n、设计室外气温t′w参考《全国民用建筑供暖通风与空气调节设计规范》(GB50736-2012),其余参数可人工设定;有关温度的单位均为℃,换热系统实际供热面积F的单位为m2;
B.运算参数获取;
获取每日实测气象,包括:每日实测平均气温twi,即当日24h的实测小时气温的平均值;以及预测周期内的每日气象预报,包括:气象、风力、每日24h的预报小时气温的平均值Twfi;实测气象以及气象预报可以每日定时从国家气象网站获取,在无法获取未来某日逐时预报小时的情况下,由通过获取该日最高气温、最低气温计算其日平均气温,由其日平均气温值替代其24h的预报小时气温的平均值Twfi;本例中,预测周期为3天;
获取换热系统的历史运行数据,包括:逐时供热量,即该换热系统采集的热表累计热量减去上一小时累计热量,单位GJ;
获取实际综合室温tni;本例中,在换热系统中随机安装的M个室温采集器,每个室温采集器每日连续稳定周期性的采集N个数值,基于3sigma原则对数据预处理后,计算tni;
其中:M≥30,N≥24,即换热系统中随机安装不少于30个室温采集器,每个室温采集器至少每小时采集1次,一天获取至少24条监测值;
参见附图2,C.数据清洗;
本例中,为了避免换热系统不稳定性造成的时间断点、热值陡变点、长时即6小时以上热值零点等数据错误,对步骤B中的换热系统的历史运行数据进行处理,得到符合条件的可用数据;
C1.获取≥7天的换热系统的历史运行数据作为原始数据,若数据出现断点则利用插值法补入数据;
C2选取不少于预测日前7天的连续数据,考虑到热值数据的短时平稳性,即相邻十分钟的系统用热量不会陡升或陡降,将前后升、降5倍或峰平比超过10倍的冲激峰和冲激谷对应的热值点拉回到前后均值水平,剔除了这些异常点;
D.基础热指标计算;
由换热系统的每日逐时供热量相加得到日实际供热量;
由日实际供热量计算得到实际供热指标:
其中:日实际供热量的单位为GJ,实际供热指标的单位为W/m2;
由实际供热指标计算得到折算热指标:
以预测日前m天的折算热指标的滑动平均值作为基础热指标qs1的初始值;基于行业专家规则,对于换热系统动态调节而言,前8天以及更早期的影响可以忽略,因此通常设定m=7,即取前7天的折算热指标的滑动平均值作为基础热指标qs1的初始值;
E供热完成率计算;
F.预测周期内的每日温差趋势、温差变化量计算;
预测周期内第一日的温差趋势μ(x)的计算方法为:
其中:x为预测周期的第一日,Tnspi(x)为预测周期内第一日的目标室温,Twfi(x)为预测周期内第一日的预报平均温度;为与预测日前一天的实际综合室温,twi(x-1)为预测日前一天的实测平均气温;
预测周期内第一日的温差变化量ΔT(x)的计算方法为:
在进行非首日的预测时,由于无法获得预测周期内第一日的实际综合室温以及实测平均气温,故在进行x+1,x+2,...n天的预测时,取预测当日前一日的目标室温和预测气温代替实际综合室温、实测平均气温;预测周期内非首日的温差趋势μ(x+1,x+2,...n)的计算方法为:
预测周期内非首日的温差变化量ΔT(x+1,x+2,...n)的计算方法为:
ΔT(x+1,x+2,...n)=(Tnspi(x+1,x+2,...n)-Twfi(x+1,x+2,...n))-(Tnspi(x,x+1,...n-1)-Twfi(x,x+1,...n-1))
本例中,对未来3天的供热载荷进行预测;
G.专家知识库预测;
将获取的气象数据、基础热指标qs1、供热完成率、预测周期内的每日温差趋势输入专家知识库,完成对光照热指标qs2、风力热指标qs3、内部得热热指标qs4、完成率热指标qs5、趋势热指标qs6的预测;关于热指标的单位均为W/m2;
晴天和阴天人体对于室外气温的体感温度感知也不同,这反映出太阳辐射强度不同对室外气温的影响不同,在负荷预测过程中,基于太阳辐射对热指标水平类型判别的知识,设定不同的气象对应不同的光照影响值的规则,输出光照影响值α,进而得到对光照热指标qs2的预测;
风力越大对建筑的冷风渗透量也越大,建筑物就需要获得更多的供热量来维持建筑内室内温度的舒适度。基于风力对热指标水平类型判别的知识,设定不同风力对应的外温影响值的规则,输出外温影响值β,进而得到对风力热指标qs3的预测;
建筑内部得热是指建筑内部照明灯具、设备等所散发的热量,对于供暖期,是加热室温的有效热量。建筑物的散热量是随着室外温度变化而变化的,但内部得热量基本恒定,也就是说,室外气温较高时供热热指标越低,此时内部得热在供热指标的占比也越高。基于建筑内部得热热指标的知识,建立不同室外气温下内部得热指标与基础热指标的关系函数,进而得到对内部得热热指标qs4的预测;
其中:qIH为折合到单位建筑面积上单位时间内建筑内部得热量,内部得热量与家用电气使用、人数、使用习惯等密切相关,一般依照专家经验配置,本例中取3.8W/m2;
由于建筑物和系统的热惰性,存储在供热管网内的供热量可以作为“缓冲蓄热提”,缓解供热量供应与需求的不一致。这一指标可以简化为供热完成率;基于供热完成率类型判别的知识,设定完成率与修正系数γ的规则,进而得到对完成率热指标qs5的预测;供热完成率所对应的档位由专家配置,本例中:
qs5=(1-γ)×qs1
由于建筑物和系统的热惰性,某一热网中的热力站、热用户当天的热负荷不仅仅与当天的室内外参数有关,而且与前些天的室内温度参数都有关;将预测日的目标室温与预报室外气温的温度差与上一日的实际室温与室外温度差的温差变化量ΔT和温差趋势μ来代表供热趋势,基于供热趋势类型判别的知识,设定温差趋势μ与修正系数η的规则,结合温差变化量ΔT,进而得到对趋势热指标qs6的预测;
H.综合热指标qi计算;
qi=qs1+qs2+qs3+qs4+qs5+qs6
其中,qi的单位为W/m2;
I.供热系统日载荷预测;
其中:Qi的单位为GJ。
进一步的步骤还包括:
J.日载荷预测确认;
预测出换热系统的未来3日的逐日负荷预测数值后,配置有计划审核机制,可以提交更高权限的人员进行审核,审核通过后该负荷预测计划值可用于供热调控。同时可设有计划自动确认时间,到达时间后如果没有审批不通过的意见,则默认为计划值通过审核,以保证换热系统每日都有负荷预测计划值,确保负荷预测每日流程的完整;在进行人工审核时,还可以对预测日的目标室温Tnspi进行调整;有关人工审核的截止时间可在步骤A设定。
使用上述方法对日载荷进行预测时,不断更新运算参数,动态更新qi,确保换热系统日载荷预测的准确性。
实施例2:参见附图3,一种基于六参数模型的换热系统日负荷预测系统,包括:
参数配置单元1;所述参数配置单元1用于配置换热系统所在地的设计室内温度t′n、设计室外气温t′w、该换热系统实际供热面积F、预测启动时间、预测日的目标室温Tnspi;
运算参数获取单元2;所述运算参数获取单元2包括:气象参数获取模块2.1、换热系统运行数据采集模块2.2、室内温度获取模块2.3;所述气象参数获取模块2.1用于获取每日实测气象以及预测周期内的每日气象预报;所述换热系统运行数据采集模块2.2用于获取换热系统的历史运行数据,包括:逐时供热量;所述室内温度获取模块2.3用于获取实际综合室温tni;
数据清洗单元3;所述数据清洗单元3用于对所述换热系统运行数据采集模块2.2所获取的历史运行数据进行处理,得到符合条件的可用数据;
数据准备单元4;所述数据准备单元4从所述气象参数获取模块2.1、所述室内温度获取模块2.3、所述数据清洗单元3获取数据,计算得到基础热指标的初始值qs1、供热完成率、预测周期内的每日温差趋势以及温差变化量;
参见附图4,专家知识库5;所述专家知识库5基于判别知识以及输入的基础热指标的初始值qs1、供热完成率、预测周期内的每日温差趋势、温差变化量、预报气象完成对光照热指标qs2、风力热指标qs3、内部得热热指标qs4、完成率热指标qs5、趋势热指标qs6的预测;
日载荷预测单元6;所述日载荷预测单元6基于基础热指标的初始值qs1以及所述专家知识库5的预测计算得到日载荷预测值。
进一步的,所述系统还包括:
日载荷预测确认单元7;所述日载荷预测确认单元7用于对所述日载荷预测值进行人工或自动的确认,人工审核的截止时间可通过参数配置单元1配置。
实施例3,一种电子设备,所述电子设备包括:存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现实施例1所述的一种基于六参数模型的换热系统日负荷预测方法中的步骤。
实施例4,一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现实施例1所述的一种基于六参数模型的换热系统日负荷预测方法中的步骤。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (8)
1.一种基于六参数模型的换热系统日负荷预测方法,其特征在于,包括以下步骤:
A.初始参数配置;
对换热系统所在地的设计室内温度t′n、设计室外气温t′w、换热系统实际供热面积F、预测周期,预测启动时间、预测日的目标室温Tnspi进行配置;其中,预测周期为n天,n≥1;
B.运算参数获取;
获取每日实测气象,包括:每日实测平均气温twi;以及预测周期内的每日气象预报,包括:气象、风力、每日24h的预报小时气温的平均值Twfi;
获取换热系统的历史运行数据,包括:逐时供热量,即该换热系统采集的热表累计热量减去上一小时累计热量;
获取实际综合室温tni;
C.数据清洗;
对步骤B中的换热系统的历史运行数据进行处理,得到符合条件的可用数据;
D.基础热指标计算;
由换热系统的每日逐时供热量相加得到日实际供热量;
由日实际供热量计算得到实际供热指标:
其中:日实际供热量的单位为GJ,换热系统实际供热面积F的单位为m2,实际供热指标的单位为W/m2;
由实际供热指标计算得到折算热指标:
以预测日前m天的折算热指标的滑动平均值作为基础热指标qs1的初始值;
E.供热完成率计算;
F.预测周期内的每日温差趋势、温差变化量计算;
预测周期内第一日的温差趋势μ(x)的计算方法为:
其中:x为预测周期的第一日,Tnspi(x)为预测周期内第一日的目标室温,Twfi(x)为预测周期内第一日的预报平均温度;为与预测日前一天的实际综合室温,twi(x-1)为预测日前一天的实测平均气温;
预测周期内第一日的温差变化量ΔT(x)的计算方法为:
在进行非首日的预测时,由于无法获得预测周期内第一日的实际综合室温以及实测平均气温,故在进行x+1,x+2,...n天的预测时,取预测当日前一日的目标室温和预测气温代替实际综合室温、实测平均气温;预测周期内非首日的温差趋势μ(x+1,x+2,...n)的计算方法为:
预测周期内非首日的温差变化量ΔT(x+1,x+2,...n)的计算方法为:
ΔT(x+1,x+2,...n)=(Tnspi(x+1,x+2,...n)-Twfi(x+1,x+2,...n))-(Tnspi(x,x+1,...n-1)-Twfi(x,x+1,...n-1))
G.专家知识库预测;
将获取的气象数据、基础热指标qs1、供热完成率、预测周期内的每日温差趋势输入专家知识库,完成对光照热指标qs2、风力热指标qs3、内部得热热指标qs4、完成率热指标qs5、趋势热指标qs6的预测;预测方法为:
基于太阳辐射对热指标水平类型判别的知识,设定不同的气象对应不同的光照影响值的规则,输出光照影响值α,进而得到对光照热指标qs2的预测;
基于风力对热指标水平类型判别的知识,设定不同风力对应的外温影响值的规则,输出外温影响值β,进而得到对风力热指标qs3的预测;
基于建筑内部得热热指标的知识,建立不同室外气温下内部得热指标与基础热指标的关系函数,进而得到对内部得热热指标qs4的预测;
其中:qIH为折合到单位建筑面积上单位时间内建筑内部得热量;
基于供热完成率类型判别的知识,设定完成率与修正系数γ的规则,进而得到对完成率热指标qs5的预测;
qs5=(1-γ)×qs1
基于供热趋势类型判别的知识,设定温差趋势μ与修正系数η的规则,结合温差变化量ΔT,进而得到对趋势热指标qs6的预测;
H.综合热指标qi计算;
qi=qs1+qs2+qs3+qs4+qs5+qs6
其中,qi的单位为W/㎡;
I.供热系统日载荷预测;
其中:Qi的单位为GJ。
2.如权利要求1所述的一种基于六参数模型的换热系统日负荷预测方法,其特征在于,在所述步骤I后,还包括:
J.日载荷预测确认;
设置机制对供热系统日载荷预测值进行审核,审核通过后该日载荷预测值用于供热调控;若在规定时间内,没有出现审核不通过的意见,则默认该日载荷预测值通过审核。
3.如权利要求1所述的一种基于六参数模型的换热系统日负荷预测方法,其特征在于,所述步骤B中,实际综合室温tni的获取方法为:
在换热系统中随机安装的M个室温采集器,每个室温采集器每日连续稳定周期性的采集N个数值,基于3sigma原则对数据预处理后,计算tni;
其中:M≥30,N≥24。
4.如权利要求1所述的一种基于六参数模型的换热系统日负荷预测方法,其特征在于,所述步骤C中,对换热系统的历史运行数据进行处理的方法为:
C1.获取换热系统的历史运行数据,若数据出现断点则利用插值法补入数据;
C2选取预测日前m天的连续数据,若连续数据中出现陡升或陡降的异常点,则将该异常点拉回前后均值水平。
5.一种基于六参数模型的换热系统日负荷预测系统,用于实现权利要求1所述的一种基于六参数模型的换热系统日负荷预测方法,其特征在于,包括:
参数配置单元(1);所述参数配置单元(1)用于配置换热系统所在地的设计室内温度t′n、设计室外气温t′w、该换热系统实际供热面积F、预测启动时间、预测日的目标室温Tnspi;
运算参数获取单元(2);所述运算参数获取单元(2)包括:气象参数获取模块(2.1)、换热系统运行数据采集模块(2.2)、室内温度获取模块(2.3);所述气象参数获取模块(2.1)用于获取每日实测气象以及预测周期内的每日气象预报;所述换热系统运行数据采集模块(2.2)用于获取换热系统的历史运行数据,包括:逐时供热量;所述室内温度获取模块(2.3)用于获取实际综合室温tni;
数据清洗单元(3);所述数据清洗单元(3)用于对所述换热系统运行数据采集模块(2.2)所获取的历史运行数据进行处理,得到符合条件的可用数据;
数据准备单元(4);所述数据准备单元(4)从所述气象参数获取模块(2.1)、所述室内温度获取模块(2.3)、所述数据清洗单元(3)获取数据,计算得到基础热指标的初始值qs1、供热完成率、预测周期内的每日温差趋势以及温差变化量;
专家知识库(5);所述专家知识库(5)基于判别知识以及输入的基础热指标的初始值qs1、供热完成率、预测周期内的每日温差趋势、温差变化量、预报气象完成对光照热指标qs2、风力热指标qs3、内部得热热指标qs4、完成率热指标qs5、趋势热指标qs6的预测;
日载荷预测单元(6);所述日载荷预测单元(6)基于基础热指标的初始值qs1以及所述专家知识库(5)的预测计算得到日载荷预测值。
6.如权利要求5所述的一种基于六参数模型的换热系统日负荷预测系统,其特征在于,所述系统还包括:
日载荷预测确认单元(7);所述日载荷预测确认单元(7)用于对所述日载荷预测值进行人工或自动的确认。
7.一种电子设备,其特征在于,所述电子设备包括:存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现权利要求1-4任一项所述的一种基于六参数模型的换热系统日负荷预测方法中的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1-4任一项所述的一种基于六参数模型的换热系统日负荷预测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310974685.9A CN117035173B (zh) | 2023-08-03 | 2023-08-03 | 一种基于六参数模型的换热系统日负荷预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310974685.9A CN117035173B (zh) | 2023-08-03 | 2023-08-03 | 一种基于六参数模型的换热系统日负荷预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117035173A CN117035173A (zh) | 2023-11-10 |
CN117035173B true CN117035173B (zh) | 2024-06-21 |
Family
ID=88625578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310974685.9A Active CN117035173B (zh) | 2023-08-03 | 2023-08-03 | 一种基于六参数模型的换热系统日负荷预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035173B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109681957A (zh) * | 2018-08-30 | 2019-04-26 | 中节能唯绿(北京)科技股份有限公司 | 一种换热站热负荷预测方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005265201A (ja) * | 2004-03-16 | 2005-09-29 | Osaka Gas Co Ltd | 温水暖房負荷予測システム |
KR100997361B1 (ko) * | 2010-08-18 | 2010-11-29 | 전주대학교 산학협력단 | 외기온도 예측에 따른 지역난방시스템의 난방에너지 공급방법 |
CN106096781B (zh) * | 2016-06-07 | 2019-07-02 | 哈尔滨工业大学 | 基于综合温度的供热负荷预报方法 |
CN107120721B (zh) * | 2017-05-25 | 2019-08-09 | 石家庄华浩能源科技有限公司 | 一种集中供热动态气候补偿方法 |
CN113048552A (zh) * | 2021-05-06 | 2021-06-29 | 北京硕人时代科技股份有限公司 | 一种基于负荷预测和热量进度一致的供热调节方法及系统 |
CN113112094B (zh) * | 2021-05-10 | 2024-02-13 | 瑞纳智能设备股份有限公司 | 量化风况影响的热负荷预测方法、系统、装置及存储介质 |
CN113375220B (zh) * | 2021-05-20 | 2022-08-26 | 北京优稳昌盛科技有限公司 | 一种基于负荷预测的换热站多模式调控方法 |
CN113706337A (zh) * | 2021-09-06 | 2021-11-26 | 天津宏达瑞信科技有限公司 | 一种基于相似时段的供热负荷预测方法 |
CN113803776B (zh) * | 2021-10-14 | 2023-04-25 | 北京嘉洁能科技股份有限公司 | 一种住宅建筑供暖预测方法及供暖系统 |
CN114484557B (zh) * | 2022-01-22 | 2022-10-11 | 天津大学 | 一种基于目标能耗管控的建筑群供热负荷调控方法 |
CN115183318B (zh) * | 2022-08-24 | 2023-04-07 | 北京硕人时代科技股份有限公司 | 基于负荷预测和热量进度一致的供热调节方法和相关设备 |
CN116307024A (zh) * | 2022-10-21 | 2023-06-23 | 北京首创热力股份有限公司 | 一种区域供热热负荷预测方法 |
CN116109095A (zh) * | 2023-02-16 | 2023-05-12 | 浙江英集动力科技有限公司 | 一种考虑供需协同的供热系统日前优化调度方法及系统 |
-
2023
- 2023-08-03 CN CN202310974685.9A patent/CN117035173B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109681957A (zh) * | 2018-08-30 | 2019-04-26 | 中节能唯绿(北京)科技股份有限公司 | 一种换热站热负荷预测方法 |
Non-Patent Citations (1)
Title |
---|
"供热系统热负荷预测分析及应用";王少驰等;《区域供热》(第2期);第128-139、148页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117035173A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8620634B2 (en) | Energy resource allocation including renewable energy sources | |
US11585549B1 (en) | Thermal modeling technology | |
Kodaira et al. | Optimal energy storage system operation for peak reduction in a distribution network using a prediction interval | |
KR20140105506A (ko) | 전력 생산 용량의 적응 및 에너지 저장 유닛 사이즈의 결정 | |
CN109886567B (zh) | 一种考虑体感温度和辐射强度的短期负荷预测方法 | |
CN112950098A (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
CN112149309B (zh) | 一种考虑温度-负荷相关性的调温负荷曲线拟合方法 | |
JP2017169289A (ja) | 電力予測システム、電力予測方法及びプログラム | |
CN114021783A (zh) | 一种考虑社会类碳排放因素和短期效益的两阶段月度机组组合和检修计划优化方法 | |
CN116454928A (zh) | 一种考虑多时间尺度的多类型储能协同调度方法 | |
Ku et al. | Building electric energy prediction modeling for BEMS using easily obtainable weather factors with Kriging model and data mining | |
CN109858668B (zh) | 一种雷电气候下电力负荷区域协调预测方法 | |
CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
CN111915107A (zh) | 一种基于动态聚类的负荷分群控制方法 | |
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 | |
CN113313312A (zh) | 基于短中长时间尺度的春节负荷滚动预测方法 | |
Kimata et al. | Operation planning for heat pump in a residential building | |
JPWO2021117127A1 (ja) | 発電量予測装置 | |
CN116865327A (zh) | 一种新能源纳入电力平衡比例的确定方法及系统 | |
CN108460233B (zh) | 风电场架空软导线截面选择方法 | |
CN111313415A (zh) | 一种热电厂及供热机组负荷分配方法、系统和装置 | |
CN113507111B (zh) | 基于盲数理论的规划目标年电力盈亏评估方法 | |
CN115271168A (zh) | 用电负荷响应潜力的预测方法、装置及存储介质 | |
Spencer et al. | Forecasting internal temperature in a home with a sensor network | |
CN114254838B (zh) | 一种短期电力负荷预测影响因子的确定方法 |
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 |