一种氢负荷预测方法技术

一种氢负荷预测的方法。所述方法首先调研工业领域合成相关产品用氢量的经验系数，相关产品以月份为单位的产量时间序列，采用SVM回归算法进行预测，完成数学建模；然后调研供热领域以年为单位时间为序列的城市天然气年用量，查找国外天然气管道掺氢比，构建改进的灰色预测模型，结合新陈代谢模型结合，替换旧数据、填补新数据，构建天然气中掺氢负荷量预测模型；其次，调研交通领域氢能汽车分类，参考国家政策，经济增长情况，预测氢能汽车增长趋势，预测交通领域的氢能需求。最后，将得到的三种氢负荷预测叠加，构建氢负荷预测的数学模型。

【技术实现步骤摘要】
一种氢负荷预测方法
本专利技术涉及一种氢负荷预测方法。
技术介绍
近年来，随着化石能源日渐枯竭，世界各国都不约而同的将目光转向新能源。然而，随着越来越多的可再生能源电场建成，可再生能源装机容量不断攀升，部分地区可再生能源装机容量占到本地区总装机容量的一半以上，本地消纳能力有限、外送通道制约等问题导致弃风弃光量居高不下。采用可再生能源电解制氢是一种有前途的大规模制氢方法，由于间歇性可再生能源的波动性，电网并不能完全接纳这类发电机组发出的电能，相当一部分电能被直接浪费了。从经济角度来看，这部分电能是近乎免费的。电解制氢技术发展较为成熟，主要缺陷就在于电费支出导致的高昂制氢成本，如果利用间歇性可再生能源过剩的电能电解制氢，制氢成本将大大下降。氢气的应用领域很广，广泛用于生产合成氨、甲醇以及石油炼制等工业领域。此外，在供热、交通运输领等域额对氢气的需求也十分巨大。我国氢气的需求量巨大。
技术实现思路
本专利技术的目的在于克服现有技术的上述缺点，针对未来社会中氢能在工业、供热、交通等领域的需求，提出一种氢负荷预测的方法。...

【技术保护点】
1.一种氢负荷预测的方法，其特征在于，所述方法的步骤为：/n(1)首先，从中国统计年鉴获得工业领域石油裂化、合成氨、制甲醇、煤制气和还原铁这些产品以月份为单位的产量时间序列，通过查找文献得到各产品需氢量的经验参数，进而得到各产品的月需氢量时间序列，采用SVM回归算法对工业领域对氢能的需求进行预测，建立数学预测模型；/n(2)其次，从中国统计年鉴获得供热领域以月份为单位的时间序列的城市天然气需求量，查找外文文献获得国外天然气掺氢比，采用改进的灰色预测方法，结合新陈代谢方法进行新旧数据替换，构建天然气中掺氢量的数学预测模型；/n(3)再次，从中国统计年鉴获得传统公共汽车和私家车的以月为时间序列的销...

【技术特征摘要】
1.一种氢负荷预测的方法，其特征在于，所述方法的步骤为：
(1)首先，从中国统计年鉴获得工业领域石油裂化、合成氨、制甲醇、煤制气和还原铁这些产品以月份为单位的产量时间序列，通过查找文献得到各产品需氢量的经验参数，进而得到各产品的月需氢量时间序列，采用SVM回归算法对工业领域对氢能的需求进行预测，建立数学预测模型；
(2)其次，从中国统计年鉴获得供热领域以月份为单位的时间序列的城市天然气需求量，查找外文文献获得国外天然气掺氢比，采用改进的灰色预测方法，结合新陈代谢方法进行新旧数据替换，构建天然气中掺氢量的数学预测模型；
(3)再次，从中国统计年鉴获得传统公共汽车和私家车的以月为时间序列的销售数量，采用改进的灰色预测方法构建传统公共汽车和私家车的数学预测模型；从中国统计年鉴获得氢能公共汽车和私家车当月的销售数量，采用类比方法获得氢能汽车的数学预测模型，考虑到政策鼓励与技术进步给该数学模型乘以修正系数，通过文献查找氢能汽车的年行驶里程和百公里行驶里程耗油量，最终获得交通领域氢能需求的数学预测模型；
(4)最后，将得到的三种氢负荷预测叠加，构建氢负荷的数学预测模型。


2.按照权利要求1所述的氢负荷预测的方法，其特征在于，所述的步骤(1)建立的工业领域的氢负荷需求预测模型为；



f：Rn→R(2)
yi＝f(xi)(i＝1,…I)(3)






上式(1)中，Q1为工业领域的氢负荷预测，He为核函数，b为阈值，b∈R，R为负荷预测值，ai为上支持矢量为下支持矢量，I为训练样本个数，i为训练样本序数，x和xi均为从i…I的训练样本；
上式(2)中，f为函数映射，Rn即为影响负荷预测的因素，为负荷的趋势分量和周期分量；R为负荷预测值；
上式(3)中，I为训练样本个数；xi为第i个训练样本，yi为第i个输出值，i为训练样本序数；
上式(4)中，yt为t月负荷观测值；T为序列长度，N为观测数据序列年份个数，且有关系为T＝12N；Gt为t月负荷观测值的趋势分量；Ht为t月负荷观测值的周期分量；Et是均值为零的随机噪声，包括测量噪声或模型误差，对于含有趋势性和季节变化规律的负荷模型；
上式(5)中，表示以12为周期，以t为中心的2阶滑动平均数字滤波，经过数字滤波后，不再含有周期分量，j为月份序数，yt+j为t+j月负荷观测值，yt+j+1为t+j+1月负荷观测值；



S.t.((ω·xi)+b)-yi≤ε+ξi(7)
yi-((ω·xi)+b)≤ε+ξi(8)
ξi≥0,ε≥0(9)















上式(6)～(14)中，Rn为影响负荷预测的因素，R为负荷预测值，ω为权重，ω∈Rn：x为样本输入值，x∈Rn：b为阈值,b∈R，C为用来平衡模型复杂性项||ω||2/2的权重参数，V为用来平衡模型训练误差项的权重参数，l为训练样本个数，ε为不敏感损失函数，ξ为上松弛因子，为下松弛因子；为拉格朗日算法引入相应的乘子，αi为拉格朗日算法引...

【专利技术属性】
技术研发人员：冉亮，孙传帅，袁铁江，王进君，李国锋，
申请(专利权)人：国网甘肃省电力公司经济技术研究院，国家电网有限公司，大连理工大学，
类型：发明
国别省市：甘肃;62