CN117669839B - 一种综合能源系统分布式负荷预测方法及系统 - Google Patents
一种综合能源系统分布式负荷预测方法及系统 Download PDFInfo
- Publication number
- CN117669839B CN117669839B CN202410141115.6A CN202410141115A CN117669839B CN 117669839 B CN117669839 B CN 117669839B CN 202410141115 A CN202410141115 A CN 202410141115A CN 117669839 B CN117669839 B CN 117669839B
- Authority
- CN
- China
- Prior art keywords
- load
- energy supply
- heat
- energy
- supply period
- 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 15
- 238000005457 optimization Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 239000007787 solid Substances 0.000 claims description 27
- 238000012937 correction Methods 0.000 claims description 20
- 238000001556 precipitation Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 101000872084 Danio rerio Delta-like protein B Proteins 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process 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
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种综合能源系统分布式负荷预测方法及系统,尤其涉及分布式负荷预测领域,所述系统包括,采集模块,用以实时采集能源系统在供能区域内的供能参数和环境参数;数据判断模块,用以判断实时采集的供能参数的有效性;数据处理模块,用以对有效的供能参数进行数据分析;能量预测模块,用以根据各类负荷的预测值对综合能源系统进行能量预测;预测优化模块,用以根据同一供能周期内各能量预测值与实际消耗值的差值对下一供能周期的能量预测进行优化。本发明提供的综合能源系统分布式负荷预测方法及系统通过对供能区域内各负荷的供能参数与环境参数进行采集和数据分析,有效提高了各负荷预测值的准确性。
Description
技术领域
本发明涉及分布式负荷预测技术领域,尤其涉及一种综合能源系统分布式负荷预测方法及系统。
背景技术
能源系统的能量预测就是运用分布式负荷预测技术手段去获取各负荷的预测值来对能源系统的能源进行合理的预测,从而可以帮助优化能源调度和资源预测,提高能源系统的效率和稳定性。
能源系统的规划需要对未来的能源需求有清晰的认识。通过负荷预测,能够为能源系统的规划提供数据支持,包括新能源开发、电网扩建、供应设施建设等方面。
中国专利公开号:CN110796307B公开了一种综合能源系统分布式负荷预测方法,包括:获取综合能源系统的电负荷、热负荷和气负荷,电负荷时序曲线、热负荷时序曲线和气负荷时序曲线,以及获取外界因素数据;根据电负荷、热负荷和气负荷计算负荷特性指标;根据负荷特性指标、电负荷时序曲线、热负荷时序曲线和气负荷时序曲线进行负荷聚类;根据外界因素数据对每一类负荷建立离线负荷预测模型;根据当前日负荷数据和待预测日的外界因素数据采用离线负荷预测模型进行在线负荷预测,得到待预测日负荷;对每一类负荷的待预测日负荷进行求和计算,得到待预测日综合能源系统总负荷,由此可见,该方法未将预测的负荷数据与实际的负荷数据进行比对,无法提高负荷预测的准确率。
发明内容
为此,本发明提供一种综合能源系统分布式负荷预测方法及系统,用以克服现有技术中负荷预测准确率低的问题。
为实现上述目的,一方面,本发明提供一种综合能源系统分布式负荷预测系统,所述系统包括,
采集模块,用以实时采集综合能源系统在供能区域内的供能参数和环境参数,所述供能参数包括供能区域在供能周期热负荷和电负荷,所述环境参数包括供能区域在供能周期内的环境温度和降水量;
数据判断模块,用以对供能参数的进行分析,并根据分析结果对供能参数的有效性进行判断;
数据处理模块,用以对有效的供能参数进行数据分析,并根据分析结果对下一供能周期内各类负荷的预测值进行分析,还用以根据供能区域下一供能周期内的环境温度与降水量对热负荷的预测值和电负荷的预测值进行调整;
能量预测模块,用以根据各类负荷的预测值对综合能源系统进行能量预测;
预测优化模块,用以根据各能量的预测值与下一供能周期各能量消耗值进行差值计算进行能量预测误差判断,并根据能量预测误差判断的结果对下一供能周期的各负荷预测值进行优化。
进一步地,所述数据判断模块设有热负荷数据判断单元,所述热负荷数据判断单元用以将供能周期内各采集节点采集的热负荷与相邻采集节点采集的热负荷进行差值计算,得到热负荷节点误差△A,设定△A=An-An-1,并将各节点的热负荷节点差值△A与预设热负荷节点差值△A0进行比对,以对各节点采集的热负荷进行数据有效性判断,其中,
当△A>△A0时,所述热负荷判断单元判定该节点的热负荷数据为无效数据,该节点为热负荷无效节点;
当△A≤△A0时,所述热负荷判断单元判定该节点的热负荷数据为有效数据,该节点为热负荷有效节点;
其中,An为供能周期内第n个节点的热负荷数据,An-1为供能周期内第n-1个节点的热负荷数据,1<n<N,N为供能周期内热负荷的采集节点数量。
进一步地,所述数据处理模块设有热负荷数据处理单元,所述热负荷数据处理单元用以将供能周期内的有效热负荷数据进行计算,以得到热负荷的变化系数a,设定a=(Ai-A1)/i,A1为供能周期内第一个有效节点采集的热负荷,Ai为供能周期内最后一个热负荷有效节点采集的热负荷;
所述热负荷数据处理单元计算m个已供能完成的供能周期的热负荷的变化系数,计算下一供能周期热负荷的预测值A热,设定A热=Ai’×(am-a1)/m×N/2,其中,Ai’为当前供能周期的最后一个有效节点的热负荷,a1为第一个供能周期的热负荷的变化系数,am为第m个供能周期的热负荷的变化系数;
所述数据处理模块设有电负荷数据处理单元,所述电负荷数据处理单元用以将供能周期内的有效电负荷数据进行计算,以得到电负荷的变化系数b,设定b=Bt-B1/v,B1为供能周期内第一个有效节点采集的电负荷,Bv为供能周期内最后一个有效节点采集的电负荷;
所述电负荷数据处理单元计算m个已供能完成的供能周期的电负荷的变化系数,计算下一供能周期电负荷的预测值B电,设定B电=Bv’×(bm-b1)/m×s0/2,其中b1为第一个供能周期的电负荷变化系数,Bv’为当前供能周期最后一个电负荷有效节点的电负荷,bm为第m个供能周期的电负荷的变化系数。
进一步地,所述数据处理模块设有负荷调节单元,所述负荷调节单元用以在对热负荷的预测值进行调节时,将下一供能周期的平均环境温度Ta0与预设最小温度Ta1进行比对,并根据比对结果设置热负荷调节系数对热负荷的预测值进行调节,其中:
当Ta0<Ta1时,所述负荷调节单元将热负荷调节系数设置为α,并以此对热负荷的预测值进行调节,设定α=1+(Ta1-Ta0)/Ta1,调节后的热负荷的预测值为A热1,设定A热1=A热×α;
当Ta1≤Ta0时,所述负荷调节单元不对下一供能周期内的热负荷预测值进行调节。
进一步地,负荷调节单元在对电负荷的预测值进行调节时,将下一供能周期的平均环境温度Ta0与预设最大温度Ta2进行比对,并根据比对结果设置电负荷调节系数对电负荷的预测值进行调节,其中:
当Ta0>Ta2时,所述负荷调节单元将电负荷调节系数设置为γ,并以此对电负荷的预测值进行调节,设定γ=1+(Ta0-Ta2)/(Ta0+Ta2),调节后的电负荷的预测值为B电1,设定B电1=B电×γ;
当Ta0≤Ta2时,所述负荷调节单元不对下一供能周期内的电负荷预测值进行调节。
进一步地,所述数据处理模块设有负荷修正单元,所述负荷修正单元用以在对热负荷的调节系数进行修正时,将下一供能周期的总降水量L0与预设最低降水量L1进行比对,并根据比对结果设置热负荷修正系数对热负荷调节系数进行修正,其中:
当L0>L1时,所述负荷修正单元将热负荷修正系数设为β,并以此对热负荷调节系数进行修正,设定β=1+(L0-L1)/(L0+L1),修正后的热负荷调节系数为α1,设定α1=α×β;
当L0≤L1时,负荷修正单元不对下一供能周期内的热负荷调节系数进行修正。
进一步地,所述能量预测模块获取下一供能周期各能量的预测值,并以此计算下一供能周期对各能量的能源预测,其中:
所述能量预测模块将下一供能周期的热能预测值设置为Q热,设定Q热=A热1×t,其中,t为供能周期时长,单位为h;
所述能量预测模块将下一供能周期的电能预测值设置为Q电,设定Q电=B电1×t。
进一步地,所述预测优化模块设有数据对比单元,所述数据对比单元用以将供能周期热能的预测值与供能周期实际消耗的热能进行差值计算,并将其与预设热能差值△Q1进行比较,并根据比对结果对下一供能周期的热负荷预测值进行优化判断,其中,
当△Q1>|Q热实-Q热|时,所述数据对比单元判定热能预测误差不满足要求,对下一供能周期的热负荷预测值进行优化;
当△Q1≤|Q热实-Q热|时,所述数据对比单元判定热能预测误差满足要求,不对下一供能周期的热负荷预测值进行优化;
其中,Q热实为供能周期热能实际的消耗值。
进一步地,所述预测优化模块设有数据优化单元,当热能预测误差不满足要求时,所述数据优化单元用以将供能周期热能实际的消耗值Q热实与供能周期的热能预测值Q热进行比对,并根据比对结果,计算下一供能周期的热负荷预测值的优化系数X热,以对下一供能周期热负荷的预测值进行优化,其中:
当Q热实≤Q热时,所述数据优化单元将热负荷预测值的优化系数设置为X热1,设定X热1=1-(Q热-Q热实)/Q热实;
当Q热实>Q热时,所述数据优化单元将热负荷预测值的优化系数设置为X热2,设定X热2=1+(Q热实-Q热)/Q热;
所述数据优化单元根据热负荷预测值的优化系数X热j对下一供能周期热负荷的预测值进行优化,设定j=1,2,优化后下一供能周期的热负荷的预测值为A热优预,设定A热优预=X热j×A热1。
另一方面,本发明还提供一种综合能源系统分布式负荷预测方法,包括,
步骤S1:实时采集综合能源系统在供能区域内的供能参数和环境参数;
步骤S2:对供能参数的进行分析,并根据分析结果对供能参数的有效性进行判断;
步骤S3:对有效的供能参数进行数据分析,并根据分析结果对下一供能周期内各类负荷的预测值进行分析,还用以根据供能区域下一供能周期内的环境温度与降水量对热负荷的预测值和电负荷的预测值进行调整;
步骤S4:根据各类负荷的预测值对综合能源系统进行能量预测;
步骤S5:根据各能量的预测值与下一供能周期各能量消耗值进行差值计算进行能量预测误差判断,并根据能量预测误差判断的结果对下一供能周期的各负荷预测值进行优化。
与现有技术相比,本发明的有益效果在于,所述采集模块采集能源区域内的热负荷值,电负荷值,对于采集到的数据进行处理、判断,在此基础上进行能量预测以及预测的优化,从而提高负荷预测的准确率以及预测效率,以使得综合能源系统高效持续的运行,所述热负荷数据判断单元用以对各节点采集的热负荷进行数据有效性判断,以防止无用数据干扰预测结果,所述电负荷数据判断单元用以对各节点采集的电负荷进行数据有效性判断,以防止无用数据干扰预测结果,所述热负荷数据处理单元用以所述热负荷数据处理单元将供能周期内的有效热负荷数据进行处理,计算出热负荷变化系数,以计算出下一供能周期热负荷的预测值,所述电负荷数据处理单元用以所述电负荷数据处理单元将供能周期内的有效电负荷数据进行处理,计算出电负荷变化系数,以计算出下一供能周期电负荷的预测值,所述负荷调节单元用以对供能周期内各负荷的变化系数进行调节,用以调节下一供能周期各负荷的预测值,所述修正单元用以对供能周期内的热负荷调节系数进行修正,所述能量预测模块将数据处理模块所预测的下一供能周期各负荷的预测数据数据进行下一供能周期各能量的预测,以得到资源利用的最大化,所述数据对比单元将供能周期各能量的预测值与供能周期各能量实际的消耗值进行差值计算,用以筛选需对其进行数据优化的供能周期各负荷的预测值,所述数据优化单元将数据对比单元中供能周期不满足能量预测误差的各能量的预测值进行数据优化,以对下一供能周期的各负荷值进行预测,提高负荷预测的准确率以及预测效率,使得综合能源系统高效持续的运行。
尤其,所述热负荷判断单元通过对热负荷数据有效性的判断以筛选出有效数据,防止无效数据干扰数据处理结果,这有利于提高热负荷数据处理单元计算热负荷变化系数的准确性,从而提高下一供能周期热负荷预测值的准确性。
尤其,所述热负荷处理单元通过计算m个供能热负荷的变化系数以预测下一供能周期热负荷的变化规律,这有利于提高下一供能周期热负荷变化系数预测的准确性,从而提高下一供能周期热负荷预测值的准确性。
尤其,所述负荷调节单元通过将供能周期的平均环境温度与预设最小温度进行比对,并根据比对结果设置热负荷调节系数对热负荷的预测值进行调节,这有利于减少温度因素对于热负荷预测值的影响,从而提高下一供能周期热负荷预测值的准确性。
尤其,所述数据对比单元通过将供能周期热能的预测值与供能周期实际消耗的热能进行差值计算,并将其与预设热能差值进行比较,并根据比对结果对下一供能周期的热负荷预测值进行优化判断,这有利于提高预测优化模块的数据的精准性,同时提高预测优化模块的优化效率,提高下一供能周期热负荷预测值的准确性。
尤其,所述数据优化单元通过对热能预测误差不满足要求的热能预测值与热能实际的消耗值进行比对,并根据比对结果,计算下一供能周期的热负荷预测值的优化系数,以对下一供能周期热负荷的预测值进行优化,这有利于提高综合能源系统的能量利用效率,同时有利于提高下一供能周期热负荷预测值的准确性。
附图说明
图1为本实施例综合能源系统分布式负荷预测系统的结构示意图;
图2为本实施例采集模块的结构示意图;
图3为本实施例数据判断模块的结构示意图;
图4为本实施例数据处理模块的结构示意图;
图5为本实施例预测优化模块的结构示意图;
图6为本实施例综合能源系统分布式负荷预测方法的流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
此外,还需要说明的是,在本发明的描述中,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,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本实施例综合能源系统分布式负荷预测系统,所述系统包括,
采集模块,用以实时采集综合能源系统在供能区域内的供能参数,环境参数,所述供能参数包括供能区域在供能周期热负荷和电负荷,所述环境参数包括供能区域在供能周期内的环境温度和降水量,所述采集模块在供能周期内规律设有若干采集节点进行供能参数采集;本实施例不对供能周期及采集节点作具体限定,本领域技术人员可自由设置,如将供能周期设置为3天、5天、7天等,将采集节点设置为没隔1小时或2小时或3小时采集一次等;
数据判断模块,用以对供能参数的进行分析,并根据分析结果对供能参数的有效性进行判断,数据判断模块与所述采集模块连接;
数据处理模块,用以对有效的供能参数进行数据分析,并根据分析结果对下一供能周期内各类负荷的预测值进行分析,还用以根据供能区域下一供能周期内的环境温度与降水量对热负荷的预测值和电负荷的预测值进行调整,数据处理模块与所述数据判断模块连接;
能量预测模块,用以根据各类负荷的预测值对综合能源系统进行能量预测;
预测优化模块,用以根据各能量的预测值与下一供能周期各能量消耗值进行差值计算进行能量预测误差判断,并根据能量预测误差判断的结果对下一供能周期的各负荷预测值进行优化。
请参阅图2所示,其为本实施例采集模块的结构示意图,所述采集模块包括:
热负荷采集单元,其用以实时采集供能区域的热负荷;
电负荷采集单元,其用以实时采集供能区域的电负荷,电负荷采集单元与所述热负荷采集单元连接;
环境采集单元,其用以实时采集供能区域的环境参数,环境采集单元与所述气负荷采集单元连接;所述环境参数包括供能区域的温度、降水量等。
具体而言,本实施例可通过安装传感器来实时监测采集供能区域内的热负荷,可通过安装电能监测系统来实时监测供能区域内的电负荷,可通过网络获取天气状态的方式进行环境参数采集,本领域技术人员还可采用其他方式进行参数采集,本实施例不做具体限定,只需满足参数采集需求即可。
请参阅图3所示,其为本实施例数据判断模块的结构示意图,所述数据判断模块包括:
热负荷数据判断单元,用以根据供能周期内各采集节点所采集的热负荷与相邻采集节点进行差值计算并与预设热负荷节点差值进行比较,以对各节点采集的热负荷进行数据有效性判断;
电负荷数据判断单元,用以根据供能周期内各采集节点所采集的电负荷与相邻采集节点进行差值计算,并与预设电负荷节点差值进行比较,以对各节点采集的电负荷进行数据有效性判断,电负荷数据判断单元与热负荷数据判断单元连接。
请参阅图4所示,其为本实施例数据处理模块的结构示意图,所述数据处理模块包括:
热负荷数据处理单元,用以计算供能周期内热负荷值的变化系数,并根据热负荷值的变化系数计算下一供能周期内热负荷的预测值;
电负荷数据处理单元,用以计算供能周期内电负荷值的变化系数,并根据电负荷值的变化系数计算下一供能周期内电负荷的预测值,电负荷数据处理单元与热负荷数据处理单元连接;
负荷调节单元,用以根据供能区域下一供能周期内的环境温度设置不同调节系数分别对热负荷的预测值和电负荷的预测值进行调节,负荷调节单元与热负荷数据处理单元和电负荷数据处理单元连接;
负荷修正单元,用以根据供能区域下一供能周期内的降水量对热负荷的调节系数进行修正,负荷修正单元与负荷调节单元连接。
请参阅图5所示,其为本实施例预测优化模块的结构示意图,所述预测优化模块包括:
数据对比单元,用以根据各能量的预测值与下一供能周期各能量消耗值进行差值计算,并与预设能量差值进行比较,以进行能量预测误差判断;
数据优化单元,用以在能量预测误差不满足要求时,计算下一供能周期内各负荷预测值的优化系数,以对下一供能周期的各负荷预测值进行优化,数据优化单元与数据对比单元连接。
具体而言,本实例所述分布式负荷预测系统应用于综合能源系统中,以控制能源系统各负荷值的预测过程,以提高能源系统各负荷预测值的准确率以及预测效率。
具体而言,所述采集模块采集能源区域内的热负荷值,电负荷值,对于采集到的数据进行处理、判断,在此基础上进行能量预测以及预测的优化,从而提高负荷预测的准确率以及预测效率,以使得综合能源系统高效持续的运行,所述热负荷数据判断单元用以对各节点采集的热负荷进行数据有效性判断,以防止无用数据干扰预测结果,所述电负荷数据判断单元用以对各节点采集的电负荷进行数据有效性判断,以防止无用数据干扰预测结果,所述热负荷数据处理单元用以所述热负荷数据处理单元将供能周期内的有效热负荷数据进行处理,计算出热负荷变化系数,以计算出下一供能周期热负荷的预测值,所述电负荷数据处理单元用以所述电负荷数据处理单元将供能周期内的有效电负荷数据进行处理,计算出电负荷变化系数,以计算出下一供能周期电负荷的预测值,所述负荷调节单元用以对供能周期内各负荷的变化系数进行调节,用以调节下一供能周期各负荷的预测值,所述修正单元用以对供能周期内的热负荷调节系数进行修正,所述能量预测模块将数据处理模块所预测的下一供能周期各负荷的预测数据数据进行下一供能周期各能量的预测,以得到资源利用的最大化,所述数据对比单元将供能周期各能量的预测值与供能周期各能量实际的消耗值进行差值计算,用以筛选需对其进行数据优化的供能周期各负荷的预测值,所述数据优化单元将数据对比单元中供能周期不满足能量预测误差的各能量的预测值进行数据优化,以对下一供能周期的各负荷值进行预测,提高负荷预测的准确率以及预测效率,使得综合能源系统高效持续的运行。
具体而言,所述热负荷数据判断单元将供能周期内各采集节点采集的热负荷与相邻采集节点采集的热负荷进行差值计算,得到热负荷节点误差△A,设定△A=An-An-1,并将各节点的热负荷节点差值△A与预设热负荷节点差值△A0进行比对,以对各节点采集的热负荷进行数据有效性判断,其中,
当△A>△A0时,所述热负荷判断单元判定该节点的热负荷数据为无效数据,该节点为热负荷无效节点;
当△A≤△A0时,所述热负荷判断单元判定该节点的热负荷数据为有效数据,该节点为热负荷有效节点;
其中,An为供能周期内第n个节点的热负荷数据,An-1为供能周期内第n-1个节点的热负荷数据,1<n<N,N为供能周期内热负荷的采集节点数量。
具体而言,所述热负荷判断单元通过对热负荷数据有效性的判断以筛选出有效数据,防止无效数据干扰数据处理结果,这有利于提高热负荷数据处理单元计算热负荷变化系数的准确性,从而提高下一供能周期热负荷预测值的准确性。
具体而言,所述热负荷数据处理单元将供能周期内的有效热负荷数据进行计算,以得到热负荷的变化系数a,设定a=(Ai-A1)/i,A1为供能周期内第一个有效节点采集的热负荷,Ai为供能周期内最后一个热负荷有效节点采集的热负荷;
所述热负荷数据处理单元计算m个已供能完成的供能周期的热负荷的变化系数,计算下一供能周期热负荷的预测值A热,设定A热=Ai’×(am-a1)/m×N/2,其中,Ai’为当前供能周期的最后一个有效节点的热负荷,a1为第一个供能周期的热负荷的变化系数,am为第m个供能周期的热负荷的变化系数。
具体而言,所述热负荷处理单元通过计算m个供能热负荷的变化系数以预测下一供能周期热负荷的变化规律,这有利于提高下一供能周期热负荷变化系数预测的准确性,从而提高下一供能周期热负荷预测值的准确性。
具体而言,所述负荷调节单元在对热负荷的预测值进行调节时,将下一供能周期的平均环境温度Ta0与预设最小温度Ta1进行比对,并根据比对结果设置热负荷调节系数对热负荷的预测值进行调节,其中:
当Ta0<Ta1时,所述负荷调节单元将热负荷调节系数设置为α,并以此对热负荷的预测值进行调节,设定α=1+(Ta1-Ta0)/Ta1,调节后的热负荷的预测值为A热1,设定A热1=A热×α;
当Ta1≤Ta0时,所述负荷调节单元不对下一供能周期内的热负荷预测值进行调节。
具体而言,所述负荷调节单元通过将供能周期的平均环境温度Ta0与预设最小温度Ta1进行比对,并根据比对结果设置热负荷调节系数对热负荷的预测值进行调节,这有利于减少温度因素对于热负荷预测值的影响,从而提高下一供能周期热负荷预测值的准确性。
具体而言,所述负荷修正单元在对热负荷的调节系数进行修正时,将下一供能周期的总降水量L0与预设最低降水量L1进行比对,并根据比对结果设置热负荷修正系数对热负荷调节系数进行修正,其中:
当L0>L1时,所述负荷修正单元将热负荷修正系数设为β,并以此对热负荷调节系数进行修正,设定β=1+(L0-L1)/(L0+L1),修正后的热负荷调节系数为α1,设定α1=α×β;
当L0≤L1时,负荷修正单元不对下一供能周期内的热负荷调节系数进行修正。
具体而言,所述负荷修正单元将下一供能周期的总降水量与预设最低降水量进行比对,并根据比对结果设置热负荷修正系数对热负荷调节系数进行修正,这有利于减少降水量对于热负荷调节系数的影响,从而提高热负荷调节系数的准确性,进而提高下一供能周期热负荷预测值的准确性。
具体而言,所述电负荷数据判断单元将供能周期内各采集节点采集的电负荷与相邻采集节点采集的电负荷进行差值计算,得到电负荷节点误差△B,设定△B=Bs-Bs-1,并将各节点的电负荷节点差值△B与预设电负荷节点差值△B0进行比对,以对各节点采集的电负荷进行数据有效性判断,其中,
当△B>△B0时,所述电负荷判断单元判定该节点的电负荷数据为无效数据,该节点为电负荷无效节点;
当△B≤△B0时,所述电负荷判断单元判定该节点的电负荷数据为有效数据,该节点为电负荷有效节点;
其中,Bs为供能周期内第s个节点采集的电负荷数据,Bs-1为供能周期内第s-1个节点采集的电负荷数据,1<s<s0,s0为供能周期内电负荷的采集节点数量。
具体而言,所述电负荷数据处理单元将供能周期内的有效电负荷数据进行计算,以得到电负荷的变化系数b,设定b=Bt-B1/v,B1为供能周期内第一个有效节点采集的电负荷,Bv为供能周期内最后一个有效节点采集的电负荷;
所述电负荷数据处理单元计算m个已供能完成的供能周期的电负荷的变化系数,计算下一供能周期电负荷的预测值B电,设定B电=Bv’×(bm-b1)/m×s0/2,其中b1为第一个供能周期的电负荷变化系数,Bv’为当前供能周期最后一个电负荷有效节点的电负荷,bm为第m个供能周期的电负荷的变化系数。
具体而言,所述电负荷处理单元通过计算m个供能电负荷的变化系数以预测下一供能周期电负荷的变化规律,这有利于提高下一供能周期电负荷变化系数预测的准确性,从而提高下一供能周期电负荷预测值的准确性。
具体而言,所述负荷调节单元在对电负荷的预测值进行调节时,将下一供能周期的平均环境温度Ta0与预设最大温度Ta2进行比对,并根据比对结果设置电负荷调节系数对电负荷的预测值进行调节,其中:
当Ta0>Ta2时,所述负荷调节单元将电负荷调节系数设置为γ,并以此对电负荷的预测值进行调节,设定γ=1+(Ta0-Ta2)/(Ta0+Ta2),调节后的电负荷的预测值为B电1,设定B电1=B电×γ;
当Ta0≤Ta2时,所述负荷调节单元不对下一供能周期内的电负荷预测值进行调节。
具体而言,所述负荷调节单元通过将下一供能周期的平均环境温度Ta0与预设最大温度Ta2进行比对,并根据比对结果设置电负荷调节系数对电负荷的预测值进行调节,这有利于减少温度因素对于电负荷预测值的影响,从而提高下一供能周期电负荷预测值的准确性。
具体而言,所述能量预测模块获取下一供能周期各能量的预测值,并以此计算下一供能周期对各能量的能量预测,其中:
所述能量预测模块将下一供能周期的热能预测值设置为Q热,设定Q热=A热1×t,其中,t为供能周期时长,单位为h;
所述能量预测模块将下一供能周期的电能预测值设置为Q电,设定Q电=B电1×t。
具体而言,所述数据对比单元将供能周期热能的预测值与供能周期实际消耗的热能进行差值计算,并将其与预设热能差值△Q1进行比较,并根据比对结果对下一供能周期的热负荷预测值进行优化判断,其中,
当△Q1>|Q热实-Q热|时,所述数据对比单元判定热能预测误差不满足要求,对下一供能周期的热负荷预测值进行优化;
当△Q1≤|Q热实-Q热|时,所述数据对比单元判定热能预测误差满足要求,不对下一供能周期的热负荷预测值进行优化;
其中,Q热实为供能周期热能实际的消耗值。
具体而言,所述数据对比单元通过将供能周期热能的预测值与供能周期实际消耗的热能进行差值计算,并将其与预设热能差值进行比较,并根据比对结果对下一供能周期的热负荷预测值进行优化判断,这有利于提高预测优化模块的数据的精准性,同时提高预测优化模块的优化效率,提高下一供能周期热负荷预测值的准确性。
具体而言,所述数据对比单元将所述供能周期电能的预测值与供能周期电能实际的消耗值的进行差值计算,并将其与预设电能差值△Q2进行比较,并根据比对结果对下一供能周期的电负荷预测值进行优化判断,其中,
当△Q2>|Q电实-Q电|时,所述数据对比单元判定电能预测误差不满足要求,对下一供能周期的电负荷预测值进行优化;
当△Q2≤|Q电实-Q电|时,所述数据对比单元判定电能预测误差满足要求,不对下一供能周期的电负荷预测值进行优化;
其中,Q电实为供能周期电能实际的消耗值。
具体而言,当热能预测误差不满足要求时,所述数据优化单元将供能周期热能实际的消耗值Q热实与供能周期的热能预测值Q热进行比对,并根据比对结果,计算下一供能周期的热负荷预测值的优化系数X热,以对下一供能周期热负荷的预测值进行优化,其中:
当Q热实≤Q热时,所述数据优化单元将热负荷预测值的优化系数设置为X热1,设定X热1=1-(Q热-Q热实)/Q热实;
当Q热实>Q热时,所述数据优化单元将热负荷预测值的优化系数设置为X热2,设定X热2=1+(Q热实-Q热)/Q热;
所述数据优化单元根据热负荷预测值的优化系数X热j对下一供能周期热负荷的预测值进行优化,设定j=1,2,优化后下一供能周期的热负荷的预测值为A热优预,设定A热优预=X热j×A热1。
具体而言,所述数据优化单元通过对热能预测误差不满足要求的热能预测值与热能实际的消耗值进行比对,并根据比对结果,计算下一供能周期的热负荷预测值的优化系数,以对下一供能周期热负荷的预测值进行优化,这有利于提高综合能源系统的能量利用效率,同时有利于提高下一供能周期热负荷预测值的准确性。
具体而言,当电能预测误差不满足要求时,所述数据优化单元将供能周期电能的实际消耗值Q电实与供能周期的电能预测值Q电进行比对,并根据比对结果,计算下一供能周期电能预测值的优化系数X电,以对下一供能周期电负荷的预测值进行优化,其中:
当Q电实≤Q电时,所述数据优化单元将电负荷预测值的优化系数设置为X电1,设定X电1=1-(Q电-Q电实)/Q电实;
当Q电实>Q电时,所述数据优化单元将电负荷预测值的优化系数设置为X电2,设定X电2=1+(Q电实-Q电)/Q电;
所述数据优化单元根据电负荷预测值的优化系数X电w对下一供能周期电负荷的预测值进行优化,设定w=1,2,优化后下一供能周期的电负荷预测值为B电优预=X电w×B电1。
请参阅图6所示,其为本实施例综合能源系统分布式负荷预测方法的流程示意图,所述方法包括:
步骤S1:实时采集综合能源系统在供能区域内的供能参数和环境参数;
步骤S2:对供能参数的进行分析,并根据分析结果对供能参数的有效性进行判断;
步骤S3:对有效的供能参数进行数据分析,并根据分析结果对下一供能周期内各类负荷的预测值进行分析,还用以根据供能区域下一供能周期内的环境温度与降水量对热负荷的预测值和电负荷的预测值进行调整;
步骤S4:根据各类负荷的预测值对综合能源系统进行能量预测;
步骤S5:根据各能量的预测值与下一供能周期各能量消耗值进行差值计算进行能量预测误差判断,并根据能量预测误差判断的结果对下一供能周期的各负荷预测值进行优化。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (7)
1.一种综合能源系统分布式负荷预测系统,其特征在于,包括,
采集模块,用以实时采集综合能源系统在供能区域内的供能参数和环境参数,所述供能参数包括供能区域在供能周期热负荷和电负荷,所述环境参数包括供能区域在供能周期内的环境温度和降水量;
数据判断模块,用以对供能参数的进行分析,并根据分析结果对供能参数的有效性进行判断;
数据处理模块,用以对有效的供能参数进行数据分析,并根据分析结果对下一供能周期内各类负荷的预测值进行分析,还用以根据供能区域下一供能周期内的环境温度与降水量对热负荷的预测值和电负荷的预测值进行调整;
能量预测模块,用以根据各类负荷的预测值对综合能源系统进行能量预测;
预测优化模块,用以根据各能量的预测值与下一供能周期各能量消耗值进行差值计算进行能量预测误差判断,并根据能量预测误差判断的结果对下一供能周期的各负荷预测值进行优化;
所述数据处理模块设有热负荷数据处理单元,所述热负荷数据处理单元用以将供能周期内的有效热负荷数据进行计算,以得到热负荷的变化系数a,设定a=(Ai-A1)/i,A1为供能周期内第一个有效节点采集的热负荷,Ai为供能周期内最后一个热负荷有效节点采集的热负荷;
所述热负荷数据处理单元计算m个已供能完成的供能周期的热负荷的变化系数,计算下一供能周期热负荷的预测值A热,设定A热=Ai’×(am-a1)/m×N/2,其中,Ai’为当前供能周期的最后一个有效节点的热负荷,a1为第一个供能周期的热负荷的变化系数,am为第m个供能周期的热负荷的变化系数;
所述数据处理模块设有电负荷数据处理单元,所述电负荷数据处理单元用以将供能周期内的有效电负荷数据进行计算,以得到电负荷的变化系数b,设定b=Bv-B1/v,B1为供能周期内第一个有效节点采集的电负荷,Bv为供能周期内最后一个有效节点采集的电负荷;
所述电负荷数据处理单元计算m个已供能完成的供能周期的电负荷的变化系数,计算下一供能周期电负荷的预测值B电,设定B电=Bv’×(bm-b1)/m×s0/2,其中b1为第一个供能周期的电负荷变化系数,Bv’为当前供能周期最后一个电负荷有效节点的电负荷,bm为第m个供能周期的电负荷的变化系数,s0为供能周期内电负荷的采集节点数量;
所述数据处理模块设有负荷调节单元,所述负荷调节单元用以在对热负荷的预测值进行调节时,将下一供能周期的平均环境温度Ta0与预设最小温度Ta1进行比对,并根据比对结果设置热负荷调节系数对热负荷的预测值进行调节,其中:
当Ta0<Ta1时,所述负荷调节单元将热负荷调节系数设置为α,并以此对热负荷的预测值进行调节,设定α=1+(Ta1-Ta0)/Ta1,调节后的热负荷的预测值为A热1,设定A热1=A热×α;
当Ta1≤Ta0时,所述负荷调节单元不对下一供能周期内的热负荷预测值进行调节;
所述预测优化模块设有数据优化单元,当热能预测误差不满足要求时,所述数据优化单元用以将供能周期热能实际的消耗值Q热实与供能周期的热能预测值Q热进行比对,并根据比对结果,计算下一供能周期的热负荷预测值的优化系数X热,以对下一供能周期热负荷的预测值进行优化,其中:
当Q热实≤Q热时,所述数据优化单元将热负荷预测值的优化系数设置为X热1,设定X热1=1-(Q热-Q热实)/Q热实;
当Q热实>Q热时,所述数据优化单元将热负荷预测值的优化系数设置为X热2,设定X热2=1+(Q热实-Q热)/Q热;
所述数据优化单元根据热负荷预测值的优化系数X热j对下一供能周期热负荷的预测值进行优化,设定j=1,2,优化后下一供能周期的热负荷的预测值为A热优预,设定A热优预=X热j×A热1。
2.根据权利要求1所述的综合能源系统分布式负荷预测系统,其特征在于,所述数据判断模块设有热负荷数据判断单元,所述热负荷数据判断单元用以将供能周期内各采集节点采集的热负荷与相邻采集节点采集的热负荷进行差值计算,得到热负荷节点误差△A,设定△A=An-An-1,并将各节点的热负荷节点差值△A与预设热负荷节点差值△A0进行比对,以对各节点采集的热负荷进行数据有效性判断,其中,
当△A>△A0时,所述热负荷判断单元判定该节点的热负荷数据为无效数据,该节点为热负荷无效节点;
当△A≤△A0时,所述热负荷判断单元判定该节点的热负荷数据为有效数据,该节点为热负荷有效节点;
其中,An为供能周期内第n个节点的热负荷数据,An-1为供能周期内第n-1个节点的热负荷数据,1<n<N,N为供能周期内热负荷的采集节点数量。
3.根据权利要求1所述的综合能源系统分布式负荷预测系统,其特征在于,负荷调节单元在对电负荷的预测值进行调节时,将下一供能周期的平均环境温度Ta0与预设最大温度Ta2进行比对,并根据比对结果设置电负荷调节系数对电负荷的预测值进行调节,其中:
当Ta0>Ta2时,所述负荷调节单元将电负荷调节系数设置为γ,并以此对电负荷的预测值进行调节,设定γ=1+(Ta0-Ta2)/(Ta0+Ta2),调节后的电负荷的预测值为B电1,设定B电1=B电×γ;
当Ta0≤Ta2时,所述负荷调节单元不对下一供能周期内的电负荷预测值进行调节。
4.根据权利要求1所述的综合能源系统分布式负荷预测系统,其特征在于,所述数据处理模块设有负荷修正单元,所述负荷修正单元用以在对热负荷调节系数进行修正时,将下一供能周期的总降水量L0与预设最低降水量L1进行比对,并根据比对结果设置热负荷修正系数对热负荷调节系数进行修正,其中:
当L0>L1时,所述负荷修正单元将热负荷修正系数设为β,并以此对热负荷调节系数进行修正,设定β=1+(L0-L1)/(L0+L1),修正后的热负荷调节系数为α1,设定α1=α×β;
当L0≤L1时,负荷修正单元不对下一供能周期内的热负荷调节系数进行修正。
5.根据权利要求1所述的综合能源系统分布式负荷预测系统,其特征在于,所述能量预测模块获取下一供能周期各能量的预测值,并以此计算下一供能周期对各能量的能量预测,其中:
所述能量预测模块将下一供能周期的热能预测值设置为Q热,设定Q热=A热1×t,其中,t为供能周期时长,单位为h;
所述能量预测模块将下一供能周期的电能预测值设置为Q电,设定Q电=B电1×t。
6.根据权利要求1所述的综合能源系统分布式负荷预测系统,其特征在于,所述预测优化模块设有数据对比单元,所述数据对比单元用以将供能周期热能的预测值与供能周期实际消耗的热能进行差值计算,并将其与预设热能差值△Q1进行比较,并根据比对结果对下一供能周期的热负荷预测值进行优化判断,其中,
当△Q1>|Q热实-Q热|时,所述数据对比单元判定热能预测误差不满足要求,对下一供能周期的热负荷预测值进行优化;
当△Q1≤|Q热实-Q热|时,所述数据对比单元判定热能预测误差满足要求,不对下一供能周期的热负荷预测值进行优化;
其中,Q热实为供能周期热能实际的消耗值。
7.一种应用于如权利要求1-6任一项所述的综合能源系统分布式负荷预测系统的方法,其特征在于,包括,
步骤S1:实时采集综合能源系统在供能区域内的供能参数和环境参数;
步骤S2:对供能参数的进行分析,并根据分析结果对供能参数的有效性进行判断;
步骤S3:对有效的供能参数进行数据分析,并根据分析结果对下一供能周期内各类负荷的预测值进行分析,还用以根据供能区域下一供能周期内的环境温度与降水量对热负荷的预测值和电负荷的预测值进行调整;
步骤S4:根据各类负荷的预测值对综合能源系统进行能量预测;
步骤S5:根据各能量的预测值与下一供能周期各能量消耗值进行差值计算进行能量预测误差判断,并根据能量预测误差判断的结果对下一供能周期的各负荷预测值进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410141115.6A CN117669839B (zh) | 2024-02-01 | 2024-02-01 | 一种综合能源系统分布式负荷预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410141115.6A CN117669839B (zh) | 2024-02-01 | 2024-02-01 | 一种综合能源系统分布式负荷预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117669839A CN117669839A (zh) | 2024-03-08 |
CN117669839B true CN117669839B (zh) | 2024-04-30 |
Family
ID=90075412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410141115.6A Active CN117669839B (zh) | 2024-02-01 | 2024-02-01 | 一种综合能源系统分布式负荷预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117669839B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101301123B1 (ko) * | 2012-05-31 | 2013-12-31 | 충남대학교산학협력단 | 냉난방부하 예측방법 |
WO2015004742A1 (ja) * | 2013-07-10 | 2015-01-15 | 三菱電機株式会社 | 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム |
CN110796307A (zh) * | 2019-10-29 | 2020-02-14 | 北京天易数聚科技有限公司 | 一种综合能源系统分布式负荷预测方法及系统 |
CN111754037A (zh) * | 2020-06-19 | 2020-10-09 | 国网河南省电力公司经济技术研究院 | 区域终端集成供能系统长期负荷混合预测方法 |
CN113762643A (zh) * | 2021-09-23 | 2021-12-07 | 国网湖南省电力有限公司 | 区域综合能源系统的储能容量优化配置方法 |
CN114202176A (zh) * | 2021-11-26 | 2022-03-18 | 中国电力科学研究院有限公司 | 一种综合能源系统优化调度方法、系统、设备及存储介质 |
CN114676941A (zh) * | 2022-05-30 | 2022-06-28 | 国网天津市电力公司经济技术研究院 | 园区综合能源系统电-热负荷联合自适应预测方法及装置 |
CN114861555A (zh) * | 2022-06-08 | 2022-08-05 | 上海工程技术大学 | 一种基于Copula理论的区域综合能源系统短期负荷预测方法 |
CN117035154A (zh) * | 2023-06-25 | 2023-11-10 | 武汉大学 | 一种综合能源系统多元负荷预测方法及装置 |
CN117217726A (zh) * | 2023-07-27 | 2023-12-12 | 国网综合能源服务集团有限公司 | 一种综合能源运维的异常数据监测方法及系统 |
-
2024
- 2024-02-01 CN CN202410141115.6A patent/CN117669839B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101301123B1 (ko) * | 2012-05-31 | 2013-12-31 | 충남대학교산학협력단 | 냉난방부하 예측방법 |
WO2015004742A1 (ja) * | 2013-07-10 | 2015-01-15 | 三菱電機株式会社 | 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム |
CN110796307A (zh) * | 2019-10-29 | 2020-02-14 | 北京天易数聚科技有限公司 | 一种综合能源系统分布式负荷预测方法及系统 |
CN111754037A (zh) * | 2020-06-19 | 2020-10-09 | 国网河南省电力公司经济技术研究院 | 区域终端集成供能系统长期负荷混合预测方法 |
CN113762643A (zh) * | 2021-09-23 | 2021-12-07 | 国网湖南省电力有限公司 | 区域综合能源系统的储能容量优化配置方法 |
CN114202176A (zh) * | 2021-11-26 | 2022-03-18 | 中国电力科学研究院有限公司 | 一种综合能源系统优化调度方法、系统、设备及存储介质 |
CN114676941A (zh) * | 2022-05-30 | 2022-06-28 | 国网天津市电力公司经济技术研究院 | 园区综合能源系统电-热负荷联合自适应预测方法及装置 |
CN114861555A (zh) * | 2022-06-08 | 2022-08-05 | 上海工程技术大学 | 一种基于Copula理论的区域综合能源系统短期负荷预测方法 |
CN117035154A (zh) * | 2023-06-25 | 2023-11-10 | 武汉大学 | 一种综合能源系统多元负荷预测方法及装置 |
CN117217726A (zh) * | 2023-07-27 | 2023-12-12 | 国网综合能源服务集团有限公司 | 一种综合能源运维的异常数据监测方法及系统 |
Non-Patent Citations (4)
Title |
---|
Short-Term Power Load Forecasting Based on Improved SVR;Qian Zhi;《Electric Power》;20160831;第49卷(第8期);全文 * |
基于ANFIS-BPNN-LSSVM短期负荷预测方法研究;谢丹等;《信息技术与信息化》;20230630(第6期);全文 * |
综合能源系统负荷特性分析及应用研究;张涌新;沈弘;马静;;电力建设;20180901(第09期);全文 * |
考虑多能互动的农村区域电网负荷预测方法;韩璟琳等;《电力系统及其自动化学报》;20240131;第36卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117669839A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106489101B (zh) | 太阳能板清洁系统的预测性维护和推断模式 | |
US9535135B2 (en) | Method for calculating solar radiation amount and method for determining power to be supplied | |
JP2006304402A (ja) | 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体 | |
CN102316496A (zh) | 无线传感器网络中基于卡尔曼滤波的数据融合方法 | |
CN107942958A (zh) | 一种面向物联网的工业控制系统及方法 | |
KR20200119367A (ko) | 에너지 저장 시스템용 수요전력 예측 장치 및 이를 이용한 수요전력 예측 방법 | |
CN117669839B (zh) | 一种综合能源系统分布式负荷预测方法及系统 | |
CN117650628B (zh) | 一种基于自适应预调节场景的能效管理系统 | |
CN114662751A (zh) | 基于lstm的园区多能短期负荷预测及优化方法 | |
JPH09273795A (ja) | 熱負荷予測装置 | |
CN117748722A (zh) | 一种电能管理综合检测系统 | |
CN117634836A (zh) | 一种基于矩阵分析的光伏电站清洗过程评估方法及系统 | |
CN117595491A (zh) | 一种综合能源设备控制方法 | |
CN114460890B (zh) | 一种无人值守配电房的远程监控系统及方法 | |
KR20180129399A (ko) | 태양광 발전 시스템 | |
CN113537575A (zh) | 一种含分布式光伏和电动汽车并网的趋势负荷预测方法 | |
JP4348450B2 (ja) | 可制御負荷の消費電力制御方法及び可制御負荷制御システム | |
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 | |
CN113300404B (zh) | 基于智能远控开关的分布式光伏群控群调系统及方法 | |
CN118372707B (zh) | 一种分布式光储充换智能锂电牵引系统 | |
CN117411006B (zh) | 一种自动电压控制平台及其方法 | |
KR20230069534A (ko) | Ai 기반 태양광 발전의 발전량 예측 시스템 | |
CN118137676A (zh) | 光储系统控制方法、光储系统、计算机系统及存储介质 | |
JP5552498B2 (ja) | 情報処理装置及び方法 | |
EP3648283B1 (en) | Method for forecasting the electric power production of a renewable energy power generation plant |
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 |