一种基于相似时段的供热负荷预测方法技术

本发明专利技术公开了一种基于相似时段的供热负荷预测方法，包括以下步骤：S1、读取室外气象参数数据、用户室温数据、供热量数据并进行修正；S2、从供热期第3周开始建立并每日更新逐时负荷预测模型；S3、选取相似时段并读取相似时段数据；S4、基于相似时段数据构建逐时负荷计算模型的在线修正系数；S5、建立预测时段负荷预测模型。有益效果：本专利充分考虑各种气象因素的影响，引入相似时段，利用供热期前2周数据即可开始建立模型，采用逐日增加样本量的方式每日更新模型，模型简单，相比传统的机器学习方法，周期短计算快；相比简单模型，针对地面辐射系统考虑了建筑和地面构造层热惰性的影响，提高预测精度。提高预测精度。提高预测精度。

【技术实现步骤摘要】
一种基于相似时段的供热负荷预测方法


[0001]本专利技术涉及预测供暖负荷领域，具体来说，涉及一种基于相似时段的供热负荷预测方法。

技术介绍

[0002]预测供暖负荷是降低能耗的一种重要手段，准确的负荷预测有利于达到节能的目标。供热负荷预测按预测期限的长短可以分为长期预测、中期预测、短期预测和超短期预测。其中长期预测通过负荷的年度统计数据进行预测，中期预测通过负荷的月度统计数据进行预测，短期预测通过某日内每个时刻的负荷数据进行预测，超短期预测通过当前时刻的负荷数据预测往后若干时段的负荷。目前对于负荷预测，通常使用的方法包括时间序列预测法、神经网络预测法、灰色系统预测法。时间序列预测法通过按照一定的时间间隔对热负荷数据进行记录，建立供热负荷预测模型；神经网络预测法主要通过BP神经网络以及改进型神经网络算法对供热负荷进行预测；灰色系统预测法根据供热信息不完全、影响供热负荷的各因素之间映射关系不确定的特征建立预测模型。
[0003]除上述方法外，还有一些学者提出供热负荷预测的其他方法。如中国专利201911285593.X公开了
ꢀ“
一种供热负荷预测方法及装置”根据时间序列的供热负荷数据获取与待预测时刻相似时刻的数据，根据相似时刻数据获取对应的相似时刻特征，采用长短期记忆网络对相似时刻数据进行处理获取数据的时序特征，采用多层前馈网络对相似时刻特征和时序特征进行处理获取待预测时刻的预测供热负荷。又如中国专利201911239065.0 公开了“供热负荷预测方法及装置”根据当前室内环境参数和室温预测模型，确定目标时段的室温预测范围；根据目标时段的室外预测环境参数、室温预测范围和供热负荷预测模型，确定该目标时段的供热负荷预测范围。又如中国专利202010461668.1 公开了“基于建筑物分类的供热系统负荷预测方法、装置及系统”通过分析确定热力站的负荷影响因素，将获取的所述影响因素对应的历史数据和热力站负荷的历史数据作为训练样本，对热力站负荷预测模型进行训练，使用热力站负荷预测模型对负荷进行预测。
[0004]每种技术都有不同的特点和适用性，大多数方法都需要获取大量的供热负荷历史数据进行分析和机器学习，需要的数据很多，对数据的处理很繁杂，机器学习的耗时也比较久，方案实施的周期长速度慢。供热负荷受气象参数影响很大，利用与待预测时刻间隔时间较长的历史数据可能由于气象参数不同导致预测不准确。
[0005]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]（一）解决的技术问题针对现有技术的不足，本专利技术提供了基于相似时段的供热负荷预测方法，引入相似时段，利用供热期开始后的前2周数据即可开始建立模型，采用逐日增加样本量的方式每日更新模型，模型简单，相比传统的机器学习方法，周期短计算快；相比简单模型，针对地面
辐射系统考虑了建筑和地面构造层热惰性的影响，提高预测精度的优点，进而解决了
技术介绍
中所提到的问题。
[0007]（二）技术方案为实现上述引入相似时段，利用供热期开始后的前2周数据即可开始建立模型，采用逐日增加样本量的方式每日更新模型，模型简单，相比传统的机器学习方法，周期短计算快；相比简单模型，针对地面辐射系统考虑了建筑和地面构造层热惰性的影响，提高预测精度的优点，本专利技术采用的具体技术方案如下：一种基于相似时段的供热负荷预测方法，包括以下步骤：S1、读取室外气象参数数据、用户室温数据、供热量数据并进行修正；S2、从供热期第3周开始建立并每日更新逐时负荷预测模型；S3、选取相似时段并读取相似时段数据；S4、基于相似时段数据构建逐时负荷预测模型的在线修正系数；S5、建立预测时段负荷预测模型。
[0008]进一步的，所述步骤S1读取室外气象参数数据、用户室温数据、供热量数据并进行修正具体包括以下步骤：S11、分别选取典型用户监测室温，引入供热不保证率因素，根据不保证率计算室内温度不保证的用户数量n1，将处理后当前时刻所有温度由小到大排序，将位于第n1+1位次用户的室内温度作为室内温度特征值；S12、利用气象预报的室外温度、风速、天气状况和太阳高度角构建室外综合温度；S13、根据历史供热量的记录，构建供热负荷数据。
[0009]进一步的，所述步骤S2从供热期第3周开始建立并每日更新逐时负荷预测模型，包括以下步骤：S21、首先从供热期第3周开始根据历史数据利用相关性分析确定某时刻供热负荷与哪些历史时刻的供热量、室外综合空气温度和室内温度有关；S22、并分别确定权重系数，充分考虑建筑传热和地板传热的滞后影响，建立并逐日增加样本量更新逐时负荷预测模型。
[0010]进一步的，所述步骤S3选取相似时段并读取相似时段数据，包括以下步骤：S31、按照相似时段确定方法选取预测时段对应的相似时段；S32、读取该相似时段的室外气象参数数据、用户室温数据、供热量数据。
[0011]进一步的，所述步骤S4基于相似时段数据构建逐时负荷预测模型的在线修正系数，包括以下步骤：S41、对于相似时段，利用逐时负荷预测模型计算相似时段中与预测时刻相对应的热负荷预测值；S42、根据相似时段预测时刻室内温度设定值和室外综合空气温度的温差与相似时段实际供热量下室内温度和室外综合空气温度的温差相除得到修正系数，对热负荷预测值进行在线修正。
[0012]进一步的，所述步骤S5建立预测时段负荷预测模型，包括以下步骤： S51、利用相似时段在线修正系数和逐时负荷预测模型建立预测时段负荷预测模型；
S52、利用预测时段室外温度、风速、太阳高度角和室内温度带入预测时段逐时负荷预测模型得到预测负荷。
[0013]进一步的，对于地面辐射系统，充分考虑热惰性对预测热负荷的影响。
[0014]进一步的，所述相似时段确定方法包括以下步骤：S311、选取对某时刻供热负荷有影响的前后共n2个时刻的室外综合温度共n2个数据；S312、读取历史时刻所有对应时刻的室外综合空气温度，分别计算历史数据中n2个时刻平均室外综合空气温度与预测时刻所处时段平均室外综合空气温度之差；S313、计算预测时段和历史时段对应相邻时刻的室外综合温度的变化率；S314、计算每个历史时段和预测时段对应时刻室外综合空气温度变化率之差；S315、所有历史时段中平均室外综合空气温度与预测时段平均室外综合空气温度之差的绝对值小于等于5℃且计算出的标准差最小者，即为相似时段。
[0015]根据本专利技术的另一个方面，提供了一种基于相似时段的供热负荷预测系统，包括检测元件、数据处理器和数据采集系统；检测元件包括室外温度传感器、换热站安装的热计量表、典型用户的室内温度传感器；数据处理器能够采集、转换并存储温度传感器等检测元件的信号，对数据进行计算，并向数据采集系统实时传输数据；数据采集系统可以实时采集并存储楼栋数据处理器上传的典型用户的室内温度、热力站的累计热量、热力站的瞬时热量、热力站的瞬时流量、热力站的瞬时供水温度和回水温度。
[0016]（三）有益效果与现有技术相比，本专利技术提供了基于相似时段的供热负荷预测方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相似时段的供热负荷预测方法，其特征在于，包括以下步骤：S1、读取室外气象参数数据、用户室温数据、供热量数据并进行修正；S2、从供热期第3周开始建立并每日更新逐时负荷预测模型；S3、选取相似时段并读取相似时段数据；S4、基于相似时段数据构建逐时负荷预测模型的在线修正系数；S5、建立预测时段负荷预测模型。2.根据权利要求1所述的一种基于相似时段的供热负荷预测方法，其特征在于，所述步骤S1读取室外气象参数数据、用户室温数据、供热量数据并进行修正具体包括以下步骤：S11、分别选取典型用户监测室温，引入供热不保证率因素，根据不保证率计算室内温度不保证的用户数量n1，将处理后当前时刻所有温度由小到大排序，将位于第n1+1位次用户的室内温度作为室内温度特征值；S12、利用气象预报的室外温度、风速、天气状况和太阳高度角构建室外综合温度；S13、根据历史供热量的记录，构建热负荷数据。3.根据权利要求1所述的一种基于相似时段的供热负荷预测方法，其特征在于，所述步骤S2从供热期第3周开始建立并每日更新逐时负荷预测模型，包括以下步骤：S21、首先从供热期第3周开始根据历史数据利用相关性分析确定某时刻供热负荷与哪些时刻的供热量、室外综合空气温度和室内温度有关；S22、并分别确定权重系数，充分考虑建筑传热和地板传热的滞后影响，建立并逐日增加样本量更新逐时负荷预测模型。4.根据权利要求1所述的一种基于相似时段的供热负荷预测方法，其特征在于，所述步骤S3选取相似时段并读取相似时段数据，包括以下步骤：S31、按照相似时段确定方法选取预测时段对应的相似时段；S32、读取该相似时段的室外气象参数数据、用户室温数据、供热量数据。5.根据权利要求1所述的一种基于相似时段的供热负荷预测方法，其特征在于，所述步骤S4基于相似时段数据构建逐时负荷预测模型的在线修正系数，包括以下步骤：S41、对于相似时段，利用逐时负荷预测模型计算相似时段中与预测时刻相对应的热负荷预测值；S42、根据相似时段预测时刻室内温度设定值和...

【专利技术属性】
技术研发人员：李巍，
申请(专利权)人：天津宏达瑞信科技有限公司，
类型：发明
国别省市：