[发明专利]基于热网历史数据挖掘的负荷预报方法

说明书

技术领域

本发明涉及基于热网历史数据挖掘的负荷预报方法，属于暖通领域。

背景技术

已有的热网系统的负荷预报方法基本是从电力系统中的负荷预报方法中借鉴过来的，这些预报方法将热网的历史数据当作合理的数据进行系统辨识然后利用辨识的模型进行负荷预报。但是热网系统和电力系统的不同之处在于，当前的大部分供热系统热用户并不是按需用热，而是只能被动地接受供热。因此热源向热用户供出的热量并不一定是适量的，有可能存在供热过量和供热不足的情况。而现有的负荷预报方法并没有剔除不合理数据，没有基于实时供热情况进行修正，其预报的结果不合理、精度差。传统预报方法采用直接辨识得到的供热模型并不能很好的指导供热系统的节能运行。

发明内容

本发明目的是为了解决现有的负荷预报方法并没有剔除不合理数据，没有基于实时供热情况进行修正，其预报的结果不合理、精度差的问题，提供了一种基于热网历史数据挖掘的负荷预报方法。

本发明方法根据热网历史运行数据绘制随室外温度变化的实际供热量分布图，并按以下步骤获取负荷预报曲线，来进行负荷预报：

步骤一、获取N个供热工况历史数据点的集合，所述供热工况历史数据点的集合包括室外温度集合和实际供热量集合，室外温度集合T₀＝[t₀₁，t₀₂，…，t_0i，…t_0N]，实际供热量集合Q＝[q₁，q₂，…，q_i，…q_N]；

步骤二、采用最小二乘法将步骤一获取的室外温度集合和实际供热量集合拟合成一次曲线，第一次拟合后供热量q′与室外温度t₀的关系为：

q′＝kt₀+b，

式中，k为第一次拟合曲线的一次项系数，b为第一次拟合曲线的常数项系数；

步骤三、获取与室外温度集合T₀对应的第一次拟合后供热量集合Q′＝[q₁′，q₂′，…，q_i′，…q_N′]；

步骤四、获取相同室外温度下实际供热量与第一次拟合曲线中对应的供热量的偏差绝对值，进而获取所有室外温度下的偏差绝对值集合E＝[e₁，e₂，…，e_i，…e_N]：

步骤五、按从大到小的顺序去除偏差绝对值集合中10％的数据点，获取新的数据点集合；

步骤六、判断是否已经执行步骤一至步骤五大于等于3次，

判断结果为否，令N＝N-10％N，然后返回执行步骤一，判断结果为是，执行步骤七，

步骤七、将筛选过的数据点集合中的所有数据点采用最小二乘法拟合成一次曲线，第二次拟合后供热量q_p与室外温度t₀的关系为：

q_p＝At₀+B，

式中，A为第二次拟合曲线的一次项系数，B为第二次拟合曲线的常数项系数；

步骤八、对步骤七获取的第二次拟合曲线进行两次修正，获取负荷预报曲线，进行负荷预报。

本发明的优点：

1.剔除了热网历史运行数据中的不合理数据，从历史数据中挖掘出供热负荷预报曲线，经过数据筛选后得到的负荷预报曲线比原来直接拟合得到的曲线更加合理；

2.在负荷预报曲线中加入基于实时供热情况的修正项，让负荷预报曲线能够适应实际供热情况的变化；

3.将新产生的数据加入挖掘，滚动更新预报曲线。负荷预测曲线能够不断地自我修正来适应实际供热情况的变化，得到的负荷预测曲线更精准。

附图说明

图1是热网历史运行数据关于随室外温度变化的实际供热量分布图；

图2是室外温度集合和实际供热量集合的第一次拟合曲线；

图3是实际供热量与第一次拟合曲线供热量的偏差值分布图；

图4是实际供热量与第一次拟合曲线供热量的偏差绝对值分布图；

图5是经过排序的偏差绝对值并删除高偏差数据点的示意图；

图6是对图1所示历史数据经过第一次筛选后的结果示意图；

图7是对历史数据经过第二次筛选后的结果示意图；

图8是对历史数据经过第三次筛选后的结果示意图；

图9是室外温度集合和实际供热量集合的第二次拟合曲线；