[发明专利]供暖热负荷预测方法、系统、设备和介质

权利要求书

1.一种基于大数据分析的供暖热负荷预测方法，其特征在于，该方法包括以下步骤：

S10、针对待预测供热系统中各个换热站对热源的输配延时，获取与各换热站输配延时对应的天气预报数据；

S20、将获取的天气预报数据和换热站中各个热负荷单元的目标室内温度数据输入到预先建立的热负荷预测模型中，得到各个热负荷单元的热负荷预测值；其中，所述热负荷预测模型基于线性回归模型建立；

S30、基于各个热负荷单元的热负荷预测值，加总得到换热站相应输配延时下的热负荷预测值；

S40、基于各个换热站相应输配延时下的热负荷预测值，加总得到待预测供热系统的热负荷预测值。

2.根据权利要求1所述的基于大数据分析的供暖热负荷预测方法，其特征在于，所述热负荷预测模型的建立方法包括：

A1、针对所述待预测供热系统，确定所述待预测供热系统的供热热负荷影响特征，所述供热热负荷影响特征包括：基础热负荷、冷风渗透热负荷、湿度影响热负荷、附加热负荷；

A2、基于所述供热热负荷影响特征，采集历史室外气象数据、历史室内温度数据以及所述待预测供热系统中各热负荷单元的历史热量数据；

A3、将所述热负荷单元的热负荷作为因变量，将所述供热热负荷影响特征作为自变量，构建线性回归模型；基于所述历史室外气象数据、所述历史室内温度数据和所述历史热量数据对构建的线性回归模型进行训练，将训练好的模型作为所述热负荷单元的热负荷预测模型。

3.根据权利要求2所述的基于大数据分析的供暖热负荷预测方法，其特征在于，所述热负荷预测模型表示为：

Q＝Kf₁+Lf₂+Mf₃+N

其中，Q是热负荷，K、L、M、N分别表示基础热负荷、冷风渗透热负荷、湿度影响热负荷、附加热负荷的特征系数，f₁、f₂、f₃分别为基础热负荷、冷风渗透热负荷以及湿度影响热负荷模型特征表达式。

4.根据权利要求2所述的基于大数据分析的供暖热负荷预测方法，其特征在于，A2之后、A3之前还包括：对所述历史室外气象数据、所述历史热量数据按照所述历史室内温度数据进行采样聚合，具体方法包括：

对所述历史室外气象数据、所述历史热量数据，遍历数据的每一行，选取与当前行的室内温度在精度上相等且最接近的一行数据，对两行数据之间的所有数据分别对每列求取平均值作为聚合后数据；其中，判断与当前行的室内温度在精度上相等且最接近的方法为，若两个室内温度相减后的绝对值小于第一预设阈值，则认为其二者在精度上相等且最接近。

5.根据权利要求2所述的基于大数据分析的供暖热负荷预测方法，其特征在于，A2中还包括：对采集到的历史室外气象数据、历史室内温度数据和历史热量数据进行数据清洗，具体包括：

清洗数据缺失值，统一数据格式；

去除数据重复值，对数据中与历史平均值的差值大于第二预设阈值的数据进行修正，剔除非目标数据段；

根据预先获取的专家知识在不同来源的数据之间进行关联性验证。

6.根据权利要求2所述的基于大数据分析的供暖热负荷预测方法，其特征在于，所述基础热负荷基于室外温度和室内温度确定，所述冷风渗透热负荷基于室外风速和室内温度确定，所述湿度影响热负荷基于室外湿度确定。

7.一种供热系统，其特征在于，该系统基于如上权利要求1至6任一项所述的基于大数据分析的供暖热负荷预测方法得到的热负荷预测值对目标热用户进行热量供给。

8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上权利要求1至6任一项所述的基于大数据分析的供暖热负荷预测方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上权利要求1至6任一项所述的基于大数据分析的供暖热负荷预测方法的步骤。