[发明专利]一种供热负荷预测方法和装置

说明书

本发明公开了一种供热负荷预测方法和装置，涉及智能城市技术领域。该方法的一具体实施方式包括：接收预测换热站供热负荷的请求，获取供热系统的实时运行数据；从实时运行数据中提取多个等分时刻对应的第一特征数据，并将第一特征数据按照时间序列排序，得到第一时序特征数据；其中，第一特征数据包括二次网供热特征数据、气象特征数据和用户侧特征数据；利用换热站供热负荷预测模型对第一时序特征数据进行第一处理，并将第一处理结果输入全连接层中进行第二处理，得到下一等分时刻对应的换热站供热负荷的预测值。该实施方式提高了预测结果的准确率，拓展了供热负荷预测方法的适用场景，提升了用户体验。

技术领域

本发明涉及智能城市技术领域，尤其涉及产业数字化技术领域，具体涉及一种供热负荷预测方法和装置。

背景技术

碳中和是指国家、企业、产品、活动或个人在一定时间内直接或间接产生的二氧化碳或温室气体排放总量，通过植树造林、节能减排等形式，以抵消自身产生的二氧化碳或温室气体排放量，实现正负抵消，达到相对“零排放”。供热系统在推进产业数字化的过程中，如何实现节能减排、达到碳中和，是当前的研究热点问题。

集中供热系统主要由热源、供热管网、热用户几部分组成，其中，供热管网主要包括一次网、换热站、二次网，热源厂产生的热水经由一次网传输至换热站，在通过回水管道返回到热源厂继续加热，在换热站内经由换热器与二次网中的水进行热交换，二次网中的水被加热并循环到用户的室内设施，达到室内升温的目的。

供热负荷是热源厂、换热站提供热量能力的度量，是衡量其供热能力的重要指标。对供热负荷进行准确的预测，是供热系统成功运行的前提，有助于达到最佳的供热资源调度并满足供热需求，更加合理地优化供热资源的分配、减少能源浪费，保证热用户更加舒适的用热体验，同时通过节能减排，助力碳中和。

相关技术中至少存在如下问题：

相关技术中，一种是通过传统机器学习进行预测，由于对供热特征挖掘不足，导致预测准确率较低，且存在模型构建困难，求解复杂系数高的技术问题；另一种是通过神经网络模型进行预测，由于是针对供热系统进行整体性建模，无法实现针对供热来源(热源、换热站)的精细化、分级预测，导致预测结果的精细化程度和准确率较低，无法根据预测结果对供热来源进行针对性管理、调控，预测方法的适用场景较窄，难以满足实际需求，用户体验差。

发明内容

有鉴于此，本发明实施例提供一种供热负荷预测方法和装置，能够从供热系统的运行数据中提取预测所需的全部时序特征数据，并实现了针对供热来源(热源和换热站)的分级预测，提升了预测结果的精细化程度，提高了预测结果的准确率，拓展了供热负荷预测方法的适用场景，提升了用户体验，并通过节能减排，为实现碳中和提供助力。

为实现上述目的，根据本发明实施例的一个方面，提供了一种供热负荷预测方法，包括：

接收预测换热站供热负荷的请求，获取供热系统的实时运行数据；

从实时运行数据中提取多个等分时刻对应的第一特征数据，并将第一特征数据按照时间序列排序，得到第一时序特征数据；其中，第一特征数据包括二次网供热特征数据、气象特征数据和用户侧特征数据；

利用换热站供热负荷预测模型对第一时序特征数据进行第一处理，并将第一处理结果输入全连接层中进行第二处理，得到下一等分时刻对应的换热站供热负荷的预测值。

进一步地，方法还包括：

接收预测热源供热负荷的请求，热源供热负荷的请求中指示了热源对应的全部换热站；

确定全部换热站分别对应的第一处理结果；

从实时运行数据中提取多个等分时刻对应的第二特征数据，并将第二特征数据按照时间序列排序，得到第二时序特征数据；其中，第二特征数据包括一次网供热特征数据和热源运行特征数据；