供热负荷预测方法及装置制造方法及图纸

本申请实施例提供一种供热负荷预测方法及装置，方法包括：根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围；根据所述室内温度预测范围、所述目标时段的室外预测环境参数以及供热负荷预测模型，确定该目标时段的供热负荷预测范围；本申请能够在满足人体舒适性要求的前提下将供热负荷由传统的负荷曲线变成供热负荷区间，使得总供热负荷在各个时段具有弹性，进而可以使得热电机组的调峰更加准确灵活。

Heating load forecasting method and device

【技术实现步骤摘要】
供热负荷预测方法及装置
本申请涉及电力系统领域，具体涉及一种供热负荷预测方法及装置。
技术介绍
由于北方地区冬季寒冷，保证居民的供暖是每年必不可少的一项任务。目前集中供暖多采用热电联产机组，且机组大多在“以热定电”模式运行，导致冬季火电机组调峰能力受限，极大压缩了风电上网空间，使得弃风现象严重。在实际工程中，供热公司多采用高于居民热负荷需求的供热方式，造成资源的浪费。专利技术人发现，现有技术中对于用户侧热负荷的精细化求解多采用对管道、房屋等进行建模方式，不止计算复杂，还需大量管道、房屋结构等参数，使得在实际操作中困难重重。同时，随着神经网络的发展，在负荷预测中应用越来越多，但传统神经网络方法存在收敛速度慢，容易陷入局部最优的缺点。再者，目前学者在研究电力系统中的供热问题时多以传统供热负荷曲线的方式进行研究，各个时段的供热负荷缺乏调节弹性，而根据人体热舒适性，在短时间内室内热负荷降低，人体不会感觉到不适。
技术实现思路
针对现有技术中的问题，本申请提供一种供热负荷预测方法及装置，能够在满足人体舒适性要求的前提下将供热负荷由传统的负荷曲线变成供热负荷区间，使得总供热负荷在各个时段具有弹性，进而可以使得热电机组的调峰更加准确灵活。为了解决上述问题中的至少一个，本申请提供以下技术方案：第一方面，本申请提供一种供热负荷预测方法，包括：根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围；根据所述室内温度预测范围、所述目标时段的室外预测环境参数以及供热负荷预测模型，确定该目标时段的供热负荷预测范围。进一步地，在所述确定该目标时段的供热负荷预测范围之后，包括：根据当前电网供热负荷和所述目标供热负荷预测范围，对电网发电机组进行调峰。进一步地，在所述根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围之前，包括：确定各个时段内预设人体热感受信息与预设用户室内温度评价信息的对应关系；根据各个时段内所述人体热感受信息与所述用户室内温度评价信息的对应关系，确定所述室内温度预测模型。进一步地，所述根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围，包括：根据所述室内温度预测模型和与所述目标时段对应的当前室内环境参数，确定所述目标时段的室内温度预测范围。进一步地，在所述根据所述室内温度预测范围、所述目标时段的室外预测环境参数以及供热负荷预测模型，确定该目标时段的供热负荷预测范围之前，包括：采集样本数据；根据所述样本数据中的室外温度数据、室外风速数据、室外风向数据、室外空气湿度数据和室内温度数据，确定所述供热负荷预测模型的神经网络输入层；将供热负荷数据设定为所述供热负荷预测模型的神经网络输出层；根据所述神经网络输入层、神经网络输出层和预设数量的隐层，确定所述供热负荷预测模型的神经网络。进一步地，在所述确定所述供热负荷预测模型的神经网络结构之后，包括：初始化所述神经网络；根据预设粒子群优化模型对所述神经网络进行迭代优化，得到最优神经网络；将所述粒子群优化模型中的空间向量设定为所述最优神经网络中的权值和阈值，并对所述最优神经网络进行训练，得到经过训练后的神经网络。进一步地，在所述根据预设粒子群优化模型对所述神经网络进行迭代优化，得到最优神经网络之前，包括：初始化所述粒子群优化模型的特征参数；根据预设遗传模型对所述粒子群优化模型中的各个粒子种群进行种群复制和/或种群交叉和/或种群变异处理，并更新所述粒子群优化模型直至所述粒子群优化模型满足预设迭代终止条件。第二方面，本申请提供一种供热负荷预测装置，包括：室内温度范围预测模块，用于根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围；供热负荷范围预测模块，用于根据所述室内温度预测范围、所述目标时段的室外预测环境参数以及供热负荷预测模型，确定该目标时段的供热负荷预测范围。进一步地，还包括：动态调峰单元，用于根据当前电网供热负荷和所述目标供热负荷预测范围，对电网发电机组进行调峰。进一步地，还包括：热感受对应关系确定单元，用于确定各个时段内预设人体热感受信息与预设用户室内温度评价信息的对应关系；室内温度预测模型确定单元，用于根据各个时段内所述人体热感受信息与所述用户室内温度评价信息的对应关系，确定所述室内温度预测模型。进一步地，所述室内温度范围预测模块包括：室内温度预测范围确定单元，用于根据所述室内温度预测模型和与所述目标时段对应的当前室内环境参数，确定所述目标时段的室内温度预测范围。进一步地，还包括：样本数据采集单元，用于采集样本数据；神经网络输入层确定单元，用于根据所述样本数据中的室外温度数据、室外风速数据、室外风向数据、室外空气湿度数据和室内温度数据，确定所述供热负荷预测模型的神经网络输入层；神经网络输出层确定单元，用于将供热负荷数据设定为所述供热负荷预测模型的神经网络输出层；神经网络构建单元，用于根据所述神经网络输入层、神经网络输出层和预设数量的隐层，确定所述供热负荷预测模型的神经网络。进一步地，还包括：神经网络训练预处理单元，用于初始化所述神经网络；神经网络优化单元，用于根据预设粒子群优化模型对所述神经网络进行迭代优化，得到最优神经网络；神经网络训练单元，用于将所述粒子群优化模型中的空间向量设定为所述最优神经网络中的权值和阈值，并对所述最优神经网络进行训练，得到经过训练后的神经网络。进一步地，还包括：粒子群优化模型预处理单元，用于初始化所述粒子群优化模型的特征参数；粒子群优化模型优化单元，用于根据预设遗传模型对所述粒子群优化模型中的各个粒子种群进行种群复制和/或种群交叉和/或种群变异处理，并更新所述粒子群优化模型直至所述粒子群优化模型满足预设迭代终止条件。第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的供热负荷预测方法的步骤。第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的供热负荷预测方法的步骤。由上述技术方案可知，本申请提供一种供热负荷预测方法及装置，通过根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围，以满足人体对温度的舒适性要求，然后根据所述室内温度预测范围、所述目标时段的室外预测环境参数以及供热负荷预测模型，确定该目标时段的供热负荷预测范围，由于本申请的预测结果并非现有技术中的供热负荷曲线，而是一种供热负荷的区间范围，使得总供热负荷在各个时段具有弹性，进而可以使得热电机组的调节更加准确和灵活。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下本文档来自技高网...

【技术保护点】
1.一种供热负荷预测方法，其特征在于，所述方法包括：/n根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围；/n根据所述室内温度预测范围、所述目标时段的室外预测环境参数以及供热负荷预测模型，确定该目标时段的供热负荷预测范围。/n

【技术特征摘要】
1.一种供热负荷预测方法，其特征在于，所述方法包括：
根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围；
根据所述室内温度预测范围、所述目标时段的室外预测环境参数以及供热负荷预测模型，确定该目标时段的供热负荷预测范围。


2.根据权利要求1所述的供热负荷预测方法，其特征在于，在所述确定该目标时段的供热负荷预测范围之后，包括：
根据当前电网供热负荷和所述目标供热负荷预测范围，对电网发电机组进行调峰。


3.根据权利要求1所述的供热负荷预测方法，其特征在于，在所述根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围之前，包括：
确定各个时段内预设人体热感受信息与预设用户室内温度评价信息的对应关系；
根据各个时段内所述人体热感受信息与所述用户室内温度评价信息的对应关系，确定所述室内温度预测模型。


4.根据权利要求1所述的供热负荷预测方法，其特征在于，所述根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围，包括：
根据所述室内温度预测模型和与所述目标时段对应的当前室内环境参数，确定所述目标时段的室内温度预测范围。


5.根据权利要求1所述的供热负荷预测方法，其特征在于，在所述根据所述室内温度预测范围、所述目标时段的室外预测环境参数以及供热负荷预测模型，确定该目标时段的供热负荷预测范围之前，包括：
采集样本数据；
根据所述样本数据中的室外温度数据、室外风速数据、室外风向数据、室外空气湿度数据和室内温度数据，确定所述供热负荷预测模型的神经网络输入层；
将供热负荷数据设定为所述供热负荷预测模型的神经网络输出层；
根据所述神经网络输入层、神经网络输出层和预设数量的隐层，确定所述供热负荷预测模型的神经网络。


6.根据权利要求5所述的供热负荷预测方法，其特征在于，在所述确定所述供热负荷预测模型的神经网络结构之后，包括：
初始化所述神经网络；
根据预设粒子群优化模型对所述神经网络进行迭代优化，得到最优神经网络；
将所述粒子群优化模型中的空间向量设定为所述最优神经网络中的权值和阈值，并对所述最优神经网络进行训练，得到经过训练后的神经网络。


7.根据权利要求6所述的供热负荷预测方法，其特征在于，在所述根据预设粒子群优化模型对所述神经网络进行迭代优化，得到最优神经网络之前，包括：
初始化所述粒子群优化模型的特征参数；
根据预设遗传模型对所述粒子群优化模型中的各个粒子种群进行种群复制和/或种群交叉和/或种群变异处理，并更新所述粒子群优化模型直至所述粒子群优化模型满足预设迭代终止条件。


8.一种供热负荷预测装置，其特征在于，包括：
室内温度范围预测模块，用于根据当前室内环境参数和室内温度预测模型，确定目标时段的室内温度预测范围；
供...

【专利技术属性】
技术研发人员：刘潇，周丽霞，王婷，袁瑞铭，丁恒春，钟侃，李斯琪，许琦，高帅，高赐威，丁建勇，
申请(专利权)人：国网冀北电力有限公司电力科学研究院，华北电力科学研究院有限责任公司，东南大学，国家电网有限公司，
类型：发明
国别省市：北京;11