量化风况影响的热负荷预测方法、系统、装置及存储介质制造方法及图纸

本发明专利技术公开了一种量化风况影响的热负荷预测方法、系统、装置及存储介质，具体步骤包括获取供热的历史数据；根据历史数据进行运算以及预处理，得到体积供暖指标；根据体积供暖指标与风况状况，建立风况对热负荷影响的离散函数模型；获取实际供热数据，根据离散函数模型和热负荷预测公式进行热负荷预测。本发明专利技术能够通过对历史数据的运算及预处理，建立风况对热负荷影响的离散函数模型，并根据离散函数模型和热负荷预测公式进行热负荷预测，得到比传统方法更加准确的数据，避免了因未考虑风力和风向等自然情况对热负荷的影响导致预测不准确，使得供热不足或者过多的问题出现。可以既节约能源，又降低用户投诉率。

【技术实现步骤摘要】
量化风况影响的热负荷预测方法、系统、装置及存储介质
本专利技术涉及供热热负荷预测
，特别涉及一种量化风况影响的热负荷预测方法、系统、装置及存储介质。
技术介绍
城市集中供热是一种较好的供热方式，具有舒适、节能、环保、安全等特点。近年来，随着国家相关政策的出台，城市建筑的采暖方式越来越多的采用集中供热的方式解决。但是在集中供热中存在很多的问题，供热过多或不足就是其中比较突出的问题。供热过多会导致资源浪费，供热不足会降低热用户的舒适度，进而造成用户投诉率提高。因此，如果可以精准预测热负荷，就可以既节约能源，又降低用户投诉率。现有技术的不足之处在于，传统集中供热中，热力公司主要根据过去的供热经验结合供热面积和室外温度预测热负荷进行热量准备。这仅考虑了供热面积和室外温度，没有考虑风力、风向对热负荷的影响，导致热负荷预测不准确，使得供热过多或不足。
技术实现思路
本专利技术的目的克服现有技术存在的不足，为实现以上目的，采用一种量化风况影响的热负荷预测方法、系统、装置及存储介质，以解决上述
技术介绍
中提出的问题。本专利技术所采取的第一技术方案：一种量化风况影响的热负荷预测方法，具体步骤包括：获取供热的历史数据；根据历史数据进行运算以及预处理，得到体积供暖指标；根据体积供暖指标与风况状况，建立风况对热负荷影响的离散函数模型；获取实际供热数据，根据离散函数模型和热负荷预测公式进行热负荷预测。作为本专利技术进一步的技术方案：所述根据历史数据进行运算以及预处理，得到体积供暖指标的具体步骤包括：首先根据历史数据的热用户面积，计算单元的供热面积：其中，Si为i单元的供热面积，Sij为i单元j户的面积，N为单元的数量，ni为单元i的热用户数量；根据单元热用户的供热面积和历史数据的热用户室内温度，计算单元任意时刻的面积加权室内均温：同时，计算单元任意时刻的面积加权室内均温与室外温度的差：其中，为单元i在t时刻的面积加权室内均温，为i单元j户在t时刻的室内温度，T表示时间总跨度数，表示单元i在t时刻的面积加权室内均温与室外温度的差，表示t时刻的室外温度；根据面积加权室内均温与室外温度的差和历史数据的预处理，计算单元任意时刻的体积供暖指标。作为本专利技术进一步的技术方案：所述计算单元任意时刻的体积供暖指标的具体步骤包括：获取历史数据的任意单元的风力、风向、面积加权室内均温与室外温度的差、热负荷数据进行数据预处理，其中所述数据预处理包括数据对齐、删除无效数据和数据插值；根据单元供热面积、楼层高、面积加权室内均温与室外温度的差、单元热负荷，计算单元任意时刻风力、风向下的体积供暖指标：其中，表示单元i在t时刻的体积供暖指标，为单元i在t时刻的热负荷，h为层高。作为本专利技术进一步的技术方案：所述根据体积供暖指标与风况状况，建立风况对热负荷影响的离散函数模型的具体步骤包括：将所有单元的风力、风向、体积供暖指标数据合并，并根据风力、风向的组合数据将体积供暖指标数据进行分组求算术平均值，利用同一风力、风向组合下的体积供暖指标的算术平均值表示实际真值：其中，m表示风力，n表示风向，qmn表示在风力m、风向n下的q实际真值，表示在风力m、风向n下的所有q值的算数平均值；风况对热负荷影响的数据量化的离散函数模型f(m,n)为：f(m,n)＝qmn。作为本专利技术进一步的技术方案：所述获取实际供热数据，根据离散函数模型和热负荷预测公式进行热负荷预测的具体步骤包括：获取实际供热数据，所述实际供热数据包括供热面积、适宜的室内温度、实时数据的风力、风向和室外温度；根据实际供热数据预测计算热负荷：Q＝qmnSh(tn-tw)；其中，S表示供热面积，tn表示适宜室内温度，m表示风力，n表示风向，tw表示室外温度。本专利技术所采取的第二技术方案：一种热负荷预测系统，包括：获取模块，用于获取供热的历史数据；函数模型建立模块，用于建立风况对热负荷影响的离散函数模型；预测模块，用于依据获取的实际供热数据、离散函数模型以及热负荷预测公式进行热负荷预测。本专利技术所采取的第三技术方案：一种热负荷预测装置，还包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上任一项所述一种量化风况影响的热负荷预测方法。本专利技术所采取的第四技术方案：一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现如上任一项所述一种量化风况影响的热负荷预测方法。与现有技术相比，本专利技术存在以下技术效果：通过采用上述的技术方案，利用历史数据中的每一热用户的供热面积，通过室内温度得到面积加权室内均温，以及面积加权室内均温与室外温度的差，历史数据的热负荷，从而得到体积供暖指标。同时考虑到风力和风向对供热的影响，构建风力和风向对于体积供热指标的离散函数，进而对实际情况下的供热热负荷进行精准预测。附图说明下面结合附图，对本专利技术的具体实施方式进行详细描述：图1为本申请公开的一些实施例的热负荷预测方法的步骤示意图；图2为本申请公开的一些实施例的热负荷预测方法的流程框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参考图1和图2，本专利技术实施例中，一种量化风况影响的热负荷预测方法，具体步骤包括：S1、获取供热的历史数据，具体根据对各个小区单元用户的供热的历史数据进行采集；S2、根据历史数据进行运算以及预处理，得到体积供暖指标，具体步骤包括：S21、首先根据历史数据的每个热用户面积，计算每个单元的供热面积，具体公式如下：其中，Si为i单元的供热面积，Sij为i单元j户的面积，N为单元的数量，ni为单元i的热用户数量；S22、再根据计算得到每个单元热用户的供热面积和历史数据的热用户室内温度，计算每个单元每一时刻的面积加权室内均温：同时，计算每个单元每一时刻的面积加权室内均温与室外温度的差：其中，为单元i在t时刻的面积加权室内均温，为i单元j户在t时刻的室内温度，T表示时间总跨度数，表示单元i在t时刻的面积加权室内均温与室外温度的差，表示t时刻的室外温度；S23、根据面积加权室内均温与室外温度的差和历史数据的预处理，计算单元任意时刻的体积供暖指标，具体步骤包括：S231、获取历史数据的每个单元的风力、风向、面积加权室内均温与室外温度的差、热负荷数据进行数据预处理，本文档来自技高网...

【技术保护点】
1.一种量化风况影响的热负荷预测方法，其特征在于，包括：/n获取供热的历史数据；/n根据历史数据进行运算以及预处理，得到体积供暖指标；/n根据体积供暖指标与风况状况，建立风况对热负荷影响的离散函数模型；/n获取实际供热数据，根据离散函数模型和热负荷预测公式进行热负荷预测。/n

【技术特征摘要】
1.一种量化风况影响的热负荷预测方法，其特征在于，包括：
获取供热的历史数据；
根据历史数据进行运算以及预处理，得到体积供暖指标；
根据体积供暖指标与风况状况，建立风况对热负荷影响的离散函数模型；
获取实际供热数据，根据离散函数模型和热负荷预测公式进行热负荷预测。


2.根据权利要求1所述一种量化风况影响的热负荷预测方法，其特征在于，所述根据历史数据进行运算以及预处理，得到体积供暖指标的具体步骤包括：
首先根据历史数据的热用户面积，计算单元的供热面积：



其中，Si为i单元的供热面积，Sij为i单元j户的面积，N为单元的数量，ni为单元i的热用户数量；
根据单元热用户的供热面积和历史数据的热用户室内温度，计算单元任意时刻的面积加权室内均温：



同时，计算单元任意时刻的面积加权室内均温与室外温度的差：



其中，为单元i在t时刻的面积加权室内均温，为i单元j户在t时刻的室内温度，T表示时间总跨度数，表示单元i在t时刻的面积加权室内均温与室外温度的差，表示t时刻的室外温度；
根据面积加权室内均温与室外温度的差和历史数据的预处理，计算单元任意时刻的体积供暖指标。


3.根据权利要求2所述一种量化风况影响的热负荷预测方法，其特征在于，所述计算单元任意时刻的体积供暖指标的具体步骤包括：
获取历史数据的任意单元的风力、风向、面积加权室内均温与室外温度的差、热负荷数据进行数据预处理，其中所述数据预处理包括数据对齐、删除无效数据和数据插值；
根据单元供热面积、楼层高、面积加权室内均温与室外温度的差、单元热负荷，计算单元任意时刻风力、风向下的体积供暖指标：



其中，表示单元i在t时刻的体积供暖指标，为单元i在t时刻的热负荷，h为层高。


4.根据权利要求3所述一种量化风况影响...

【专利技术属性】
技术研发人员：李红粉，钱律求，何红伟，
申请(专利权)人：瑞纳智能设备股份有限公司，
类型：发明
国别省市：安徽;34