【技术实现步骤摘要】
基于LSTM算法的相变蓄热式电采暖负控系统控制方法
[0001]本专利技术涉及源荷协调调度方法
,是一种基于LSTM算法的相变蓄热式电采暖负控系统控制方法。
技术介绍
[0002]推动能源消费革命、加强节能降耗是我国从中央到地方关注的焦点,也是解决我国能源粗放利用所带来高能耗、高污染问题的必由之路。电采暖作为一种安全、清洁、舒适的采暖方式,被我国各级政府认定有利于环境改善,对治理城市空气污染、提高居民生活质量有显著的作用。为此,国务院关于印发大气污染防治行动计划的通知(国发[2013]37号)明确指出:“要通过政策补偿和实施峰谷电价、季节性电价、阶梯电价、调峰电价等措施,逐步推行以电替代煤炭”。截至2018年9月,北方地区“煤改电”项目累计完成确村确户223.83万户,覆盖取暖面积15897万平方米,涉及村(社区)11278个,完成政府计划任务的90.85%。其中:相变蓄热式电采暖确认面积6370万平方米,占北方地区确村确户总面积40%。电采暖工程推广应用发展迅速。然而,现有电采暖示范区在前期规划及示范应用阶段,未充分 ...
【技术保护点】
【技术特征摘要】
1.一种基于LSTM算法的相变蓄热式电采暖负控系统控制方法,其特征在于包括以下步骤:步骤1,基于LSTM算法分析计及相变蓄热式电采暖建模所需数据,依据分析后的数据进行相变蓄热式电采暖入网的预测处理,得到预测数据;步骤2,考虑相变蓄热式电采暖在用能过程中的响应特性和多阶段温度约束;步骤3,设计相变蓄热式电采暖负控系统的双层优化控制策略,得到相变蓄热式电采暖系统的用电控制策略。2.根据权利要求1所述的基于LSTM算法的相变蓄热式电采暖负控系统控制方法,其特征在于步骤1具体包括:步骤11,(1)将第i个相变蓄热式电采暖系统的负荷功率P
i
(t),负荷功率极值P
i,min
、P
i,max
,负荷变化趋势T
i
(t),负荷波动信息F
i
(t),按矩阵进行排列并进行M阶窗口移动平滑处理,削弱周期影响,此时负荷数据记做(2)将负荷数据转换时间数据集,使其处在{
‑
1,1}区间内,转换后的数据集记作X
i
={x
i,1
,x
i,2
,...,x
i,k
,x
i,n
},输出为负荷变化趋势预测信息;(3)采用滑动窗口分割的方式对数据集X
i
进行重构:若LSTM模型输入时间步长为l1,输出预测步长为l2,则滑动窗口长度为设置为l1+l2,每次滑动一个单位,共产生n
‑
m
‑
l1+l2+1条长度为l1+l2的序列,每个序列中取前l1个数据构建一条输入X
i,j
,后l2个数据构建输出Y
i,j
,则LSTM模型输入数据集为:其中,LSTM模型输出数据集表示为:其中,重构处理后的数据标记为D
i
={X
i,in
,Y
i,out
},将D
i
划分为训练集和测试集,其中训练集为D
i,tr
={X
i,tr
,Y
i,tr
},测试集为D
i,ts
={X
i,ts
,Y
i,ts
};步骤12,应用LSTM模型进行训练前,确定LSTM模型中涉及的参数,参数包括激励函数、学习率、损失函数、数据输入批量,模型参数确定后,每次选取批量大小数目的序列输入LSTM模型,不断对LSTM模型进行训练,训练过程表示为:Y
i,tr
=F(W,b)(X
i,tr
)LSTM模型训练的目的在于寻找历史负荷数据X
i,tr
与负荷数据变化趋势Y
i,tr
之间的关系,经过训练后,实际输出Y
′
i,j
与理论输出Y
i,j
之间差值表示为损失函数,损失函数表示为L
i,j
=l(Y
i,j
,Y
′
i,j
)LSTM模型训练时,以L
i,j
最小为目标,逐步更新神经层中的权重W和b,达到规定的误差水平或迭代次数时,训练停止;步骤13,LSTM模型训练完毕后,将测试集D
i,ts
中X
i,ts
逐步输入训练所得的LSTM模型,得出Y
i,tr
对应的预测值Y
i,pre
,
将Y
i,tr
、Y
i,pre
通过反缩放、反差分还原为最初量级的负荷数据,得出与原始时间序列对应的负荷实际值以及负荷预测值。3.根据权利要求1或2所述的基于LSTM算法的相变蓄热式电采暖负控系统控制方法,其特征在于步骤2具体为:相变蓄热式电采暖在用能过程中,用户体感温度计算公式如下:T
B
=T
in
‑
a
b
|T...
【专利技术属性】
技术研发人员:马波,高峰,张海丽,韩宏刚,黎彦林,谷祖盛,
申请(专利权)人:国网新疆电力有限公司昌吉供电公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。