买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江英集动力科技有限公司

摘要：本发明公开了一种基于分站负荷和热网滞后模型的热源负荷预测方法，包括：通过采集各热力站在预设历史时间段内的第一时间区间、第二时间区间的运行数据和相应的天气数据，选取有效数据构成样本数据集；对动态数据进行特征关联性提取，将提取后的动态数据与静态数据进行预处理后，分为训练集和测试集；构建用于进行负荷预测的深度学习模型，将训练集输入至深度学习模型中进行学习后获得第二时间区间的负荷预测数据，并依据该热负荷预测数据和测试集，对当前的深度学习模型的预测能力进行测定，符合要求后将测试集输入深度学习模型中获得各热力站在未来时间段内的负荷预测数据；根据负荷预测数据和构建的热网滞后模型，预测热源未来时间段内的负荷。

主权项：1.一种基于分站负荷和热网滞后模型的热源负荷预测方法，其特征在于，所述热源负荷预测方法包括：步骤S1、通过采集各热力站在预设历史时间段内的第一时间区间的运行数据、第二时间区间的运行数据以及相应的天气数据后，选取出有效数据构成样本数据集，所述样本数据集包括动态数据和静态数据，所述第二时间区间晚于第一时间区间；步骤S2、对样本数据集中的动态数据进行特征关联性提取，将提取后的动态数据与静态数据进行预处理后，划分为训练集和测试集，所述训练集为第一时间区间的有效数据，所述测试集为第二时间区间的有效数据；步骤S3、构建用于进行负荷预测的深度学习模型，将所述训练集输入至深度学习模型中进行学习后获得所述第二时间区间的负荷预测数据，并依据该热负荷预测数据和测试集，对当前的深度学习模型的预测能力进行测定，符合要求后将所述测试集输入所述深度学习模型中获得各热力站在未来时间段内的负荷预测数据；步骤S4、根据各热力站在未来时间段内的负荷预测数据和构建的热网滞后模型，预测热源未来时间段内的负荷；所述步骤S4中，所述热网滞后模型的构建，包括如下步骤：由构建的热网仿真模型接入供热系统的实时运行数据，模拟热媒在管网中的流动状态，获取不同工况下热媒在由热源输送至热力站过程中对热量造成衰减和延迟的滞后影响因素，至少包括管网中管段的阻力特性系数、各管段管长、热媒密度、内管壁的当量绝对粗糙度、管道管径、热媒温度、热媒流量、热损失率和天气因素；将热媒到达热力站的完成点和在热源输送的起始点之间的时间差作为热网负荷滞后时间，分析不同因素对热网负荷滞后时间的影响程度，确定各因素权重wk的大小，wk表示第k个因素的权重；基于各因素权重wk的大小，利用机器学习算法建立获取各因素与热网负荷滞后时间之间的热网滞后模型；所述热损失率的计算公式为：式中，fi为管网起始焓值，单位是kJkg，fj为管网终点焓值，Gi为管网起始流量，Gj为管网终点流量；所述热网仿真模型的构建包括：根据供热系统中热源、热网、热力站的实际物理信息，采用建模仿真技术，通过图形组态方式建立相应的拓扑连接逻辑关系，模拟出与实际供热系统结构一致的热网仿真模型；所述步骤S4中，根据各热力站在未来时间段内的负荷预测数据和构建的热网滞后模型，预测热源未来时间段内的负荷，具体包括：对各热力站距离热源由近至远依次编号1,2,……,n；对于各热力站，在未来时间段内的预测负荷已生成，根据所述热网滞后模型获得该热源至各热力站的滞后时间矩阵T＝[t1,t2,…,tn]；根据滞后时间矩阵T＝[t1,t2,…,tn]，确定各个热力站在未来T＝[t1,t2,…,tn]小时时刻的预测负荷Q＝[Q1，Q2，…，Qn]；热源在当前时刻的预测负荷为各个热力站在未来T＝[t1,t2,…,tn]小时时刻的预测负荷之和：其中，若热源的个数为m个，则采用同样的方法依次计算不同热源的预测负荷。

全文数据：

权利要求：

百度查询： 浙江英集动力科技有限公司 基于分站负荷和热网滞后模型的热源负荷预测方法