热力站负荷分时段滚动预测及自适应矫正方法及系统技术方案

本发明专利技术涉及城市供热领域，具体而言涉及一种热力站负荷分时段滚动预测及自适应矫正方法及系统，其中，热力站负荷分时段滚动预测及自适应矫正方法根据维持室内温度为设计室内温度的目标，对每个时段采用段内稳定和段后修正的方式，动态预测热力站每个时段的供热负荷，通过预测每个时段的供热负荷，来进行供热，能准确维持室内温度，消除过供或欠供的影响。

【技术实现步骤摘要】
热力站负荷分时段滚动预测及自适应矫正方法及系统
本专利技术涉及城市供热领域，具体涉及一种热力站负荷分时段滚动预测及自适应矫正方法及系统。
技术介绍
近年来，伴随中国城镇化率的不断提升，城镇集中供热行业发展迅猛。同时，随着城市化进程的加快及保护环境、节能减排观念的增强，在保证满足供热品质的前提下实现按需精准供热、降低能耗成为了供热行业的关注热点。集中供热的范围增大，热网增容现象增多，导致热网“近热远冷”现象普遍，加之热网调控方式存在的滞后性，迫切需要改变一级网的调控方式，而准确预测出热力站的热负荷是按需精准供热的前提和关键。目前，负荷预测的方法包括以下几种。1)稳态的热力工况计算。传统的稳态热力工况计算以各种稳态模型的建立为基础，并利用矩阵论的建立的工况计算方法，难以准确的预测出负荷。2)回归分析法。回归分析法的任务一般是确定影响因子和预测值的关系。供热负荷预测是通过对影响因子和供热负荷的历史资料进行统计分析，确定出它们之间的函数关系。然而究竟选择何种因子、以及该因子对应的表达式只是一种猜测，这加大了回归分析法在实际中的应用难度。3)灰色预测法灰色预测法把模型控制与运筹学相结合的一种方法，用于研究具有灰色性的问题。灰色系统理论是在原始数据累加或者累减的基础上寻找数据的规律。然而如何数据的离散性较大或者时间的周期较长，预测的精度会变得很差。综上所述：传统的稳态热力工况计算公式难以准确的预测出负荷；回归分析适用于中长期的负荷预测，且需要精确的选择自变量的值；灰色预测法则在缺少数据的情况下不能够进行有效预测。
技术实现思路
本专利技术的目的是提供一种热力站负荷分时段滚动预测及自适应矫正方法及系统。为了解决上述技术问题，本专利技术提供了一种热力站负荷分时段滚动预测及自适应矫正方法，根据维持室内温度为设计室内温度的目标，对每个时段采用段内稳定和段后修正的方式，动态预测热力站每个时段的供热负荷。进一步，所述对每个时段采用段内稳定和段后修正的方式，以动态预测热力站每个时段的供热负荷的方法包括：步骤S1，获取供热建筑物的信息，包括建筑物的类型、供热面积、建筑物保温材料厚度、建筑与外界环境的换热面积、建筑代表性室温、热力站二级网的水力不平衡系数；步骤S2，基于供热建筑物供热的历史时序数据集，对其进行数据清洗，并根据数据集将整个滚动预测周期进行时段划分，根据天气预报获取下一时段的天气信息；步骤S3，判断获取的供热建筑物供热的历史时序数据集的大小，若历史时序数据集小于预设值或者没有数据，则采用热力站供热负荷的结构机理模型，滚动获取基于结构机理模型的热力站预测负荷，进入步骤S4；或若数据集充足，构建建筑物的热负荷运行大数据辨识模型，滚动获取基于大数据辨识的热力站预测负荷，进入步骤S4；步骤S4，从热力站内二级网水力平衡度，或第i-1时段的预测负荷与实测负荷偏差，或建筑用热需求，或热网稳定性方面对第i时段进行修正补偿。进一步，在步骤S2中，所述历史时序数据集包括天气信息、楼口的回水温度、楼口的供水温度、楼口的流量；所述的数据清洗是对历史时序数据集中相应数据进行零值、缺失值、异常值的处理。进一步，在步骤S3中，依据步骤S1获取的所述信息，将建筑物分成集中供暖、分户热计量以及分时段供热三类，并分别构建集中供暖的建筑热负荷理论计算模型、分户热计量建筑热负荷理论计算模型和分时段供热的建筑热负荷理论计算模型；其中所述建筑热负荷理论计算模型，即在i时段内建筑a对应的建筑热负荷理论计算模型如下：式中：Δt为划分的每个时段的时长，单位s；Aj为第j类建筑维护结构的总面积，单位m2；Tair(i)为i时段内的平均室外环境温度，单位℃；Tn为室内设计温度，单位℃；h1,j,i为第j类维护结构的外墙与环境的在i时段的对流换热系数；h2,j,i为第j类维护结构的内墙与室内环境i时段的对流换热系数；x为第j类维护结构的保温层数目，其中(1≤x≤n)；δx,j为第j类围护结构第x层厚度，单位m；λx,j,i为第j类围护结构第x层在i时段内的导热系数，单位W/(m·K)；Qa(i)为建筑a在i时段的热力站供热负荷的机理模型预测负荷；所述分户热计量建筑热负荷理论计算模型，即在i时段内预测的建筑a的总供热负荷为：其中其中：Qj,total(i)是第j类建筑在第i时段内按照集中供暖方式计算得到的总负荷，Aj,total(i)是第j类建筑总面积，qj,h,design(i)为第i时段内第j类建筑的单位面积采暖指标，Ah(i)为第i时段内总采暖面积，αj(i)为第i时段内第j类建筑的面积因子，面积因子αj(i)反映了i时段内第j类建筑投入采暖面积占该类建筑总采暖面积的比例；所述分时段供热的建筑热负荷理论计算模型，即当采用分时段供热的供暖方式时，根据用户的用热习惯在对应时段内设置不同的室内设计温度，仍按照集中供热方式预测热力站供热负荷；构建热力站供热负荷的结构机理模型：式中Q(i)为热力站在i时段的热力站供热负荷的机理模型预测负荷；f为热力站内建筑物数目，p为所预测的热力站二次侧对应建筑物总数。进一步，将步骤S2中获取到的历史时序数据集拆分为输入序列和输出序列；输入序列包括楼口的回水温度、当量平均室外温度、风速、楼口的流量、代表性室温；输出序列包括：楼口的供热负荷。进一步，在步骤S3中构建建筑物的热负荷运行大数据辨识模型的方法包括：根据楼口的流量、楼口的供水温度、楼口的回水温度计算出楼口的供热负荷，其公式为：Q(t)＝Cm(t)(Tin(t)-Tout(t))式中：C为传热介质比热容，单位：[J/(kg℃)]；m(t)为t时刻的楼口流量，单位：t/h；Tin(t)为t时刻的楼口供水温度，单位：℃；Tout(t)为t时刻的楼口回水温度，单位：℃；将楼口的供热负荷，即输出序列记为y(t)，计算出输出序列的自相关函数，公式为：式中：为序列的平均值；εk为k的序列的自相关系数；k表示自相关函数的项数，其值可以为1,2,3,4,…yt、yt+k分别为序列在t、t+k时刻的值；计算出y(t)的偏自相关函数，其公式为：ak+1,k+1：为k+1、k+1的偏自相关系数；akj：为k、j的偏自相关系数。确定热负荷运行大数据辨识模型，即式中：t代表时间变量(其中,从t-1时刻到t时刻的时间间隔为i)，y(t)为输出变量序列，u(t)为输入变量序列，v(t)为零均值随机白噪声序列，系数aj、bj、dj为模型参数，j的范围分别是[1，na]、[1，nb]、[1，nd]；na、nb、nd为对应序列的阶次；对热负荷运行大数据辨识模型定阶，na、nd根据经验方法进行定阶计算，满足下式的k值最大值既可设定为该热负荷运行大数据辨识模型的na、nd，式中：n为序列的个数；选择nb为小于10的整数，进行参数估计，计算出模型参数，对每个选择的特定的nb都做均方根误差分析，选择最优值对应的nb、将求解得到的aj、bj、cj代入到大数据辨识模型中得到最终模型。进一步，所述参数估计适于采用矩估计方法，其公式为：式中：εj’为εj的阶矩，j＝1，2，3，…，na+nb+nd；所述均方根误差分析，其公式为：式中，yt为模型预测值，y为模型实测值。进一步，所述步骤S4中从热力站内二级网水力平衡度，或第i-1时段的预测负荷与本文档来自技高网...

【技术保护点】
1.一种热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，根据维持室内温度为设计室内温度的目标，并对每个时段采用段内稳定和段后修正的方式，以动态预测热力站每个时段的供热负荷。

【技术特征摘要】
1.一种热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，根据维持室内温度为设计室内温度的目标，并对每个时段采用段内稳定和段后修正的方式，以动态预测热力站每个时段的供热负荷。2.如权利要求1所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，所述对每个时段采用段内稳定和段后修正的方式，以动态预测热力站每个时段的供热负荷的方法包括：步骤S1，获取供热建筑物的信息，包括建筑物的类型、供热面积、建筑物保温材料厚度、建筑与外界环境的换热面积、建筑代表性室温、热力站二级网的水力不平衡系数；步骤S2，基于供热建筑物供热的历史时序数据集，对其进行数据清洗，并根据数据集将整个滚动预测周期进行时段划分，根据天气预报获取下一时段的天气信息；步骤S3，判断获取的供热建筑物供热的历史时序数据集的大小，若历史时序数据集小于预设值或者没有数据，则采用热力站供热负荷的结构机理模型，滚动获取基于结构机理模型的热力站预测负荷，进入步骤S4；或若数据集充足，构建建筑物的热负荷运行大数据辨识模型，滚动获取基于大数据辨识的热力站预测负荷，进入步骤S4；步骤S4，从热力站内二级网水力平衡度，或第i-1时段的预测负荷与实测负荷偏差，或建筑用热需求，或热网稳定性方面对第i时段进行修正补偿。3.如权利要求2所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，在步骤S2中，所述历史时序数据集包括天气信息、楼口的回水温度、楼口的供水温度、楼口的流量；所述的数据清洗是对历史时序数据集中相应数据进行零值、缺失值、异常值的处理。4.如权利要求2所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，在步骤S3中，依据步骤S1获取的所述信息，将建筑物分成集中供暖、分户热计量以及分时段供热三类，并分别构建集中供暖的建筑热负荷理论计算模型、分户热计量建筑热负荷理论计算模型和分时段供热的建筑热负荷理论计算模型；其中所述建筑热负荷理论计算模型，即在i时段内建筑a对应的建筑热负荷理论计算模型如下：式中：Δt为划分的每个时段的时长，单位s；Aj为第j类建筑维护结构的总面积，单位m2；Tair(i)为i时段内的平均室外环境温度，单位℃；Tn为室内设计温度，单位℃；h1,j,i为第j类维护结构的外墙与环境的在i时段的对流换热系数；h2,j,i为第j类维护结构的内墙与室内环境i时段的对流换热系数；x为第j类维护结构的保温层数目，其中(1≤x≤n)；δx,j为第j类围护结构第x层厚度，单位m；λx,j,i为第j类围护结构第x层在i时段内的导热系数，单位W/(m·K)；Qa(i)为建筑a在i时段的热力站供热负荷的机理模型预测负荷；所述分户热计量建筑热负荷理论计算模型，即在i时段内预测的建筑a的总供热负荷为：其中：其中：Qj,total(i)是第j类建筑在第i时段内按照集中供暖方式计算得到的总负荷，Aj,total(i)是第j类在第i时段的建筑总面积，qj,h,design(i)为第i时段内第j类建筑的单位面积采暖指标，Ah(i)为第i时段内总采暖面积，αj(i)为第i时段内第j类建筑的面积因子，面积因子αj(i)反映了i时段内第j类建筑投入采暖面积占该类建筑总采暖面积的比例；所述分时段供热的建筑热负荷理论计算模型，即当采用分时段供热的供暖方式时，根据用户的用热习惯在对应时段内设置不同的室内设计温度，仍按照集中供热方式预测热力站供热负荷；构建热力站供热负荷的结构机理模型：式中Q(i)为热力站在i时段的热力站供热负荷的机理模型预测负荷；f为热力站内建筑物数目，p为所预测的热力站二次侧对应建筑物总数。5.如权利要求2所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，将步骤S2中获取到的历史时序数据集拆分为输入序列和输出序列；输入序列包括楼口的回水温度、当量平均室外温度、风速、楼口的流量、代表性室温；输出序列包括：楼口的供热负荷。6.如权利要求5所述的热力站负荷分时段滚动预测及自适应矫正方法，其特征在于，在步骤S3中构建建筑物的热负荷运行大数据辨识模型的方法包括：根据楼口的流量、楼口的供水温度、楼口的回水温度计算出楼口的供热负荷，其公式为：Q(t)＝Cm(t)(Tin(t)-Tout(t))式中：C为传热介质比热容，单位：[J/(kg℃)]；m(t)为t时刻的楼口流量，单位：t/h；Tin(t)为t时刻的楼口供水温度，单位：℃；Tout(t)为t时刻的楼口回水温度，单位：℃；将楼口的供热负荷，即输出序列记为y(t)，计算出输出序列的自相关函数，公式为：式中：为序列的平均值；εk为k的序列的自相关系数；k表示自相关函数的项数，其值可以为1,2,3,4,…yt、yt+k分别为序列在t、t+k时刻的值；计算出y(t)的偏自相关函数，其公式为：ak+1,k+1：为k+1、k+1的偏自相关系数；akj：为k、j的偏自相关系数。确定热负荷运行大数据辨识模型，即式中：t代表时间变量(其中,从t-1时刻到t时刻的时间间隔为i)，y(t)为输出变量序列，u(t)为输入变量序列，v(t)为零均值随机白噪声序列，系数aj、bj、dj...

【专利技术属性】
技术研发人员：董亚明，沈陈栋，谢晶晶，陈谢磊，
申请(专利权)人：常州英集动力科技有限公司，
类型：发明
国别省市：江苏,32