[发明专利]一种基于离散惯性动力学系统的基线负荷热惯性修正方法

摘要

本发明提供了一种基于离散惯性动力学系统的基线负荷热惯性修正方法，包括如下步骤：收集负荷周边的历史环境数据，通过选择变量法挖掘出负荷与气温的影响关系；将连续动力学系统离散化，修正气温T′与实际气温T之间的滞后关系，并最终计算得出考虑气温、基线负荷参数的离散惯性动力学系统模型；利用粒子群算法计算得出惯性动力学系统模型关键参数；利用惯性动力学系统模型对实际气温T进行修正获得修正气温T′，再将修正气温T′代替实际气温T作为负荷预测的输入量，获得精确的基线负荷预测。该基线负荷热惯性修正方法通过建立基于离散惯性动力学系统的基线负荷热惯性修正模型，根据优化得到的参数与历史实际的气温就可得到修正后的气温。

主权项

一种基于离散惯性动力学系统的基线负荷热惯性修正方法，其特征在于，包括如下步骤：步骤1，收集负荷周边的历史环境数据，通过选择变量法挖掘出负荷与气温的影响关系；步骤2，将连续动力学系统离散化，修正气温T′与实际气温T之间的滞后关系，该滞后关系用一阶惯性环节描述为：G(s)=T′(s)T(s)=1h·s+1]]>式中，T(s)和T′(s)分别是输入与输出，h为时间常数，再利用拉普拉斯逆变换与离散化的方法得出离散条件下的时域迭代表达式为：T′(n)=hh+hsT′(n-1)+hh+hsT(n)]]>式中，hs是离散系统的采样周期，T(n)与T′(n)分别是一阶惯性环节在第n个采样周期的输入与输出，再令得到：T′(n)＝kT′(n‑1)+(1‑k)T(n)再令T′(0)＝0，对上式通过迭代计算得出考虑气温、基线负荷参数的离散惯性动力学系统模型为：T′(n)＝kn‑1(1‑k)T(1)+kn‑2(1‑k)T(2)+…+k(1‑k)T(n‑1)+(1‑k)T(n)式中，T(n)表示当天的实际最高气温，T(n‑1)表示前一天的实际最高气温，T(2)表示前n‑2天的实际最高气温，T(1)表示前n‑1天的实际最高气温；步骤3，利用粒子群算法计算得出惯性动力学系统模型关键参数k，粒子群算法的优化目标是使得负荷与修正的气温相关性系数最大，即：Min ‑COR(P,T′)式中，P是基线负荷，T′是修正后的气温，函数COR为相关系数；步骤4，利用惯性动力学系统模型对实际气温T进行修正获得修正气温T′，再将修正气温T′代替实际气温T作为负荷预测的输入量，获得精确的基线负荷预测。