CN109740815B - 电负荷预测方法、装置、存储介质及处理器 - Google Patents
电负荷预测方法、装置、存储介质及处理器 Download PDFInfo
- Publication number
- CN109740815B CN109740815B CN201811645818.3A CN201811645818A CN109740815B CN 109740815 B CN109740815 B CN 109740815B CN 201811645818 A CN201811645818 A CN 201811645818A CN 109740815 B CN109740815 B CN 109740815B
- Authority
- CN
- China
- Prior art keywords
- heat pump
- air source
- source heat
- target user
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000010438 heat treatment Methods 0.000 claims abstract description 94
- 238000013461 design Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 12
- 239000008400 supply water Substances 0.000 claims description 8
- 238000004836 empirical method Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000295 fuel oil Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000010742 number 1 fuel oil Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Air Conditioning Control Device (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本申请公开了一种电负荷预测方法、装置、存储介质及处理器。该方法包括:建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户;建立目标用户的空气源热泵以外的用电设备的电负荷时序模型;根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型。通过本申请,解决了相关技术中采用经验法或指标法预测以空气源热泵为采暖热源的目标用户的电负荷来进行电网设备选型布局时,***经济性较差的问题。
Description
技术领域
本申请涉及电网负荷预测技术领域,具体而言,涉及一种电负荷预测方法、装置、存储介质及处理器。
背景技术
电能替代,即使用电能替代散烧煤、燃油的能源消费方式,在促进低碳经济发展、减轻环境污染方面起着重要作用,其规模化、区域化应用的步伐正在不断加快,例如,以空气源热泵代替其他方式进行供暖已经得到广泛的推广应用,与此同时,电能替代配套电网也需要进行改造,进行电网设备的重新选型与布局,而负荷预测是配电网规划的前提,是电网设备选型布局的依据,其精度直接影响配电网建设改造的效果及电网运行经济性。
针对以空气源热泵为采暖热源的电能替代用户,由于空气源热泵产生的电负荷与用户的热负荷有较强关联关系,而且随着室外温度的变化,空气源热泵的电负荷也会发生变化,而对于其它用电设备,如照明、电脑等其它电器,其产生的电负荷与空气源热泵电负荷差异巨大。在计算以空气源热泵为采暖热源的电能替代用户产生的电负荷时,通常采用经验法或指标法,这类方法过于粗略,负荷计算结果偏离实际,根据电负荷进行电网设备选型布局后,容易造成电网运行过程中配网变压器的负载率低下,***经济性较差的问题。
针对相关技术中采用经验法或指标法预测以空气源热泵为采暖热源的电能替代用户的电负荷来进行电网设备选型布局时,***经济性较差的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供一种电负荷预测方法、装置、存储介质及处理器,以解决相关技术中采用经验法或指标法预测以空气源热泵为采暖热源的目标用户的电负荷来进行电网设备选型布局时,***经济性较差的问题。
根据本申请的一个方面,提供了一种电负荷预测方法。该方法包括:建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户;建立目标用户的空气源热泵以外的用电设备的电负荷时序模型;根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型。
进一步地,该方法还包括:根据目标用户的电负荷预测模型预测目标用户的电负荷。
进一步地,建立目标用户的空气源热泵的电负荷时序模型包括:计算不同温度条件下目标用户的热负荷;计算空气源热泵的实际制热效率;根据下式计算τ时刻空气源热泵的电负荷:
其中,Ec(τ)表示τ时刻空气源热泵的电负荷,Qc(τ)表示τ时刻目标用户的热负荷,cop'c(τ)表示τ时刻空气源热泵的实际制热效率;
根据目标时段内各个时刻空气源热泵的电负荷建立空气源热泵的电负荷时序模型。
进一步地,计算不同温度条件下目标用户的热负荷包括:根据下式计算目标用户的设计热负荷:
Q'c=qc×A×rc
其中,Q'c表示目标用户的设计热负荷,qc表示目标用户的热负荷指标,A表示采暖室内面积,rc表示采暖同时率;
根据下式计算不同温度条件下目标用户的热负荷:
其中,tn表示冬季采暖室内设计温度,t'w表示冬季采暖室外计算温度,tw(τ)表示τ时刻室外温度。
进一步地,计算空气源热泵的实际制热效率包括:根据下式计算空气源热泵的理论制热效率:
其中,copc(τ)表示τ时刻空气源热泵理论制热效率,Tl表示空气源热泵供水温度,ΔTl表示空气源热泵的冷凝器传热温差,Tz(τ)表示τ时刻室外温度,ΔTz表示空气源热泵的蒸发器的传热温差;
基于理论制热效率计算空气源热泵的实际制热效率:
cop'c(τ)=ε×copc(τ)
其中,ε表示空气源热泵实际工作效率。
进一步地,建立目标用户的空气源热泵以外的用电设备的电负荷时序模型包括:
根据下式计算τ时刻空气源热泵以外的用电设备的电负荷:
其中,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷,ε(τ)表示τ时刻空气源热泵以外的用电设备的实时功率系数,rq表示τ时刻空气源热泵以外的用电设备的同时使用系数,N表示空气源热泵以外的用电设备的额定功率,m表示空气源热泵以外的用电设备的种类;
根据目标时段内各个时刻空气源热泵以外的用电设备的电负荷建立空气源热泵以外的用电设备的电负荷时序模型。
进一步地,根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型包括:
根据下式计算τ时刻目标用户的电负荷:
E(τ)=Ec(τ)+Eq(τ)
其中,E(τ)表示τ时刻目标用户的电负荷,Ec(τ)表示τ时刻空气源热泵的电负荷,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷;
根据目标时段内各个时刻目标用户的电负荷建立目标用户的电负荷预测模型。
根据本申请的另一方面,提供了一种电负荷预测装置。该装置包括:第一构建单元,用于建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户;第二构建单元,用于建立目标用户的空气源热泵以外的用电设备的电负荷时序模型;第三构建单元,用于根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型。
为了实现上述目的,根据本申请的另一方面,提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述任意一种电负荷预测方法。
为了实现上述目的,根据本申请的另一方面,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述任意一种电负荷预测方法。
通过本申请,采用以下步骤:建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户;建立目标用户的空气源热泵以外的用电设备的电负荷时序模型;根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型,解决了相关技术中采用经验法或指标法预测以空气源热泵为采暖热源的目标用户的电负荷来进行电网设备选型布局时,***经济性较差的问题。通过空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模,进而达到了准确预测目标用户的电负荷,提高***经济性的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的电负荷预测方法的流程图;
图2是根据本申请实施例提供的典型日逐时室外温度曲线图;
图3是根据本申请实施例提供的不同温度条件下热替代用户的热负荷示意图;
图4是根据本申请实施例提供的空气源热泵在不同温度条件下的制热效率示意图;
图5是根据本申请实施例提供的空气源热泵的实时电负荷示意图;
图6是根据本申请实施例提供的空气源热泵以外的用电设备的实时电负荷示意图;
图7是根据本申请实施例提供的目标用户的电负荷示意图;以及
图8是根据本申请实施例提供的电负荷预测装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于描述,以下对本申请实施例涉及的部分名词或术语进行说明:
电能替代:电能替代是在终端能源消费环节,使用电能替代散烧煤、燃油的能源消费方式,如电采暖、地能热泵、工业电锅炉(窑炉)、农业电排灌、电动汽车、靠港船舶使用岸电、机场桥载设备、电蓄能调峰等。
根据本申请的实施例,提供了一种电负荷预测方法。
图1是根据本申请实施例的电负荷预测方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户。
需要说明的是,以空气源热泵代替其他设备进行供暖的用户,空气源热泵的电负荷和其他用电设备的电负荷规律不同,空气源热泵的电负荷与用户的热负荷有较强关联关系,因而先分别进行电负荷的建模,从而预测目标用户的电负荷。
可选地,在本申请实施例提供的电负荷预测方法中,建立目标用户的空气源热泵的电负荷时序模型包括:计算不同温度条件下目标用户的热负荷;计算空气源热泵的实际制热效率;根据下式计算τ时刻空气源热泵的电负荷:
其中,Ec(τ)表示τ时刻空气源热泵的电负荷,Qc(τ)表示τ时刻目标用户的热负荷,cop'c(τ)表示τ时刻空气源热泵的实际制热效率;
根据目标时段内各个时刻空气源热泵的电负荷建立空气源热泵的电负荷时序模型。
需要说明的是,在曲线数据的时间间隔为1小时的典型日24小时的热负荷曲线下,得到的目标用户的空气源热泵的电负荷时序模型为典型日24小时的电负荷曲线,曲线数据的时间间隔为1小时。
可选地,在本申请实施例提供的电负荷预测方法中,计算不同温度条件下目标用户的热负荷包括:根据下式计算目标用户的设计热负荷:
Q'c=qc×A×rc
其中,Q'c表示目标用户的设计热负荷,qc表示目标用户的热负荷指标,A表示采暖室内面积,rc表示采暖同时率;
根据下式计算不同温度条件下目标用户的热负荷:
其中,tn表示冬季采暖室内设计温度,t'w表示冬季采暖室外计算温度,tw(τ)表示τ时刻室外温度。
需要说明的是,在参数设置上,qc的单位为W/m2,A的单位为m2,tn一般为18℃,t'w与用户所处的地区有关,其取值可查阅相关设计规范。
具体地,获取用户的典型日室外逐时温度,即典型日内每个小时的室外温度,典型日选取可以根据电能替代历史负荷数据,通过分析负荷特点确定,例如,典型日逐时室外温度如图2所示。假设位于某地区的某空气源热泵用户,设计热负荷Q'c为100kW,冬季采暖室外计算温度t'w为-7.6℃,冬季采暖室内设计温度tn为18℃,根据热负荷时序模型可计算得到上述不同温度条件下热替代用户的热负荷如图3。
可选地,在本申请实施例提供的电负荷预测方法中,计算空气源热泵的实际制热效率包括:根据下式计算空气源热泵的理论制热效率:
其中,copc(τ)表示τ时刻空气源热泵理论制热效率,Tl表示空气源热泵供水温度,ΔTl表示空气源热泵的冷凝器传热温差,Tz(τ)表示τ时刻室外温度,ΔTz表示空气源热泵的蒸发器的传热温差;
基于理论制热效率计算空气源热泵的实际制热效率:
cop'c(τ)=ε×copc(τ)
其中,ε表示空气源热泵实际工作效率。
需要说明的是,在参数设置上,Tl、ΔTl、Tz(τ)、ΔTz的单位均为K,一般可取ΔTz=8K,空气源热泵实际工作效率ε一般可取值为0.5~0.6
此外,本实施例中的温度条件指的是室外温度条件,空气源热泵在制热循环情况下的理论制热效率与冷凝温度(供水温度)以及蒸发温度(室外温度)均相关,该步骤是基于空气源热泵供水温度不变的前提下成立的。假设空气源热泵供水温度为45℃,空气源热泵在上述室外温度条件下的制热效率如图4所示。
步骤S102,建立目标用户的空气源热泵以外的用电设备的电负荷时序模型。
可选地,在本申请实施例提供的电负荷预测方法中,建立目标用户的空气源热泵以外的用电设备的电负荷时序模型包括:
根据下式计算τ时刻空气源热泵以外的用电设备的电负荷:
其中,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷,ε(τ)表示τ时刻空气源热泵以外的用电设备的实时功率系数,rq表示τ时刻空气源热泵以外的用电设备的同时使用系数,N表示空气源热泵以外的用电设备的额定功率,m表示空气源热泵以外的用电设备的种类;
根据目标时段内各个时刻空气源热泵以外的用电设备的电负荷建立空气源热泵以外的用电设备的电负荷时序模型。
需要说明的是,ε(τ)具体为设备的实时功率与额定功率的比值,该数值通过调研同类用户获取,rq通过调研同类用户获取,设备的实时功率系数为24小时内逐时功率系数,同时使用系数为24小时内的逐时同时使用系数,根据目标用户的空气源热泵以外的用电设备的电负荷时序模型得到设备的实时电负荷如下图6所示。
步骤S103,根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型。
可选地,在本申请实施例提供的电负荷预测方法中,根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型包括:
根据下式计算τ时刻目标用户的电负荷:
E(τ)=Ec(τ)+Eq(τ)
其中,E(τ)表示τ时刻目标用户的电负荷,Ec(τ)表示τ时刻空气源热泵的电负荷,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷;
根据目标时段内各个时刻目标用户的电负荷建立目标用户的电负荷预测模型。
具体地,目标用户的电负荷预测模型为目标用户24小时的电负荷曲线,曲线数值为空气源热泵实时电负荷和其它用电设备的实时电负荷之和。
可选地,在本申请实施例提供的电负荷预测方法中,该方法还包括:根据目标用户的电负荷预测模型预测目标用户的电负荷。
根据目标用户的电负荷预测模型预测目标用户的电负荷如图7所示。
本申请实施例的目标用户电负荷预测方法,依据用户用电设备的时序运行特性来指导负荷预测,电负荷预测结果为负荷的时序曲线,与常见的单点预测方法相比,负荷时序曲线能够体现目标用户的设备实际运行特点,可以更加准确地预测目标用户的电负荷。
本申请实施例提供的电负荷预测方法,通过建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户;建立目标用户的空气源热泵以外的用电设备的电负荷时序模型;根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型,解决了相关技术中采用经验法或指标法预测以空气源热泵为采暖热源的目标用户的电负荷来进行电网设备选型布局时,***经济性较差的问题。通过空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模,进而达到了准确预测目标用户的电负荷,提高***经济性的效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种电负荷预测装置,需要说明的是,本申请实施例的电负荷预测装置可以用于执行本申请实施例所提供的用于电负荷预测方法。以下对本申请实施例提供的电负荷预测装置进行介绍。
图8是根据本申请实施例的电负荷预测装置的示意图。如图8所示,该装置包括:第一构建单元10、第二构建单元20和第三构建单元30。
具体地,第一构建单元10,用于建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户。
第二构建单元20,用于建立目标用户的空气源热泵以外的用电设备的电负荷时序模型。
第三构建单元30,用于根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型。
可选地,在本申请实施例提供的电负荷预测装置中,该装置还包括:预测单元,用于在构建目标用户的电负荷预测模型之后,根据目标用户的电负荷预测模型预测目标用户的电负荷。
可选地,在本申请实施例提供的电负荷预测装置中,第一构建单元10包括:第一计算模块,用于计算不同温度条件下目标用户的热负荷;第二计算模块,用于计算空气源热泵的实际制热效率;第三计算模块,用于根据下式计算τ时刻空气源热泵的电负荷:
其中,Ec(τ)表示τ时刻空气源热泵的电负荷,Qc(τ)表示τ时刻目标用户的热负荷,cop'c(τ)表示τ时刻空气源热泵的实际制热效率;
第一构建模块,用于根据目标时段内各个时刻空气源热泵的电负荷建立空气源热泵的电负荷时序模型。
可选地,在本申请实施例提供的电负荷预测装置中,第一计算模块包括:第一计算子模块,用于根据下式计算目标用户的设计热负荷:
Q'c=qc×A×rc
其中,Q'c表示目标用户的设计热负荷,qc表示目标用户的热负荷指标,A表示采暖室内面积,rc表示采暖同时率;
第二计算子模块,用于根据下式计算不同温度条件下目标用户的热负荷:
其中,tn表示冬季采暖室内设计温度,t'w表示冬季采暖室外计算温度,tw(τ)表示τ时刻室外温度。
可选地,在本申请实施例提供的电负荷预测装置中,第二计算模块包括:第三计算子模块,用于根据下式计算空气源热泵的理论制热效率:
其中,copc(τ)表示τ时刻空气源热泵理论制热效率,Tl表示空气源热泵供水温度,ΔTl表示空气源热泵的冷凝器传热温差,Tz(τ)表示τ时刻室外温度,ΔTz表示空气源热泵的蒸发器的传热温差;
第四计算子模块,用于基于理论制热效率计算空气源热泵的实际制热效率:
cop'c(τ)=ε×copc(τ)
其中,ε表示空气源热泵实际工作效率。
可选地,在本申请实施例提供的电负荷预测装置中,第二构建单元20包括:
第四计算模块,用于根据下式计算τ时刻空气源热泵以外的用电设备的电负荷:
其中,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷,ε(τ)表示τ时刻空气源热泵以外的用电设备的实时功率系数,rq表示τ时刻空气源热泵以外的用电设备的同时使用系数,N表示空气源热泵以外的用电设备的额定功率,m表示空气源热泵以外的用电设备的种类;
第二构建模块,用于根据目标时段内各个时刻空气源热泵以外的用电设备的电负荷建立空气源热泵以外的用电设备的电负荷时序模型。
可选地,在本申请实施例提供的电负荷预测装置中,第三构建单元30包括:
第四计算模块,用于根据下式计算τ时刻目标用户的电负荷:
E(τ)=Ec(τ)+Eq(τ)
其中,E(τ)表示τ时刻目标用户的电负荷,Ec(τ)表示τ时刻空气源热泵的电负荷,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷;
第二构建模块,用于根据目标时段内各个时刻目标用户的电负荷建立目标用户的电负荷预测模型。
本申请实施例提供的电负荷预测装置,通过第一构建单元10建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户;第二构建单元20建立目标用户的空气源热泵以外的用电设备的电负荷时序模型;第三构建单元30根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型,解决了相关技术中采用经验法或指标法预测以空气源热泵为采暖热源的目标用户的电负荷来进行电网设备选型布局时,***经济性较差的问题,通过空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模,进而达到了准确预测目标用户的电负荷,提高***经济性的效果。
所述电负荷预测装置包括处理器和存储器,上述通过第一构建单元10、第二构建单元20和第三构建单元30等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决相关技术中采用经验法或指标法预测以空气源热泵为采暖热源的目标用户的电负荷来进行电网设备选型布局时,***经济性较差的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述电负荷预测方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述电负荷预测方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户;建立目标用户的空气源热泵以外的用电设备的电负荷时序模型;根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型。
该方法还包括:根据目标用户的电负荷预测模型预测目标用户的电负荷。
建立目标用户的空气源热泵的电负荷时序模型包括:计算不同温度条件下目标用户的热负荷;计算空气源热泵的实际制热效率;根据下式计算τ时刻空气源热泵的电负荷:
其中,Ec(τ)表示τ时刻空气源热泵的电负荷,Qc(τ)表示τ时刻目标用户的热负荷,cop'c(τ)表示τ时刻空气源热泵的实际制热效率;
根据目标时段内各个时刻空气源热泵的电负荷建立空气源热泵的电负荷时序模型。
计算不同温度条件下目标用户的热负荷包括:根据下式计算目标用户的设计热负荷:
Q'c=qc×A×rc
其中,Q'c表示目标用户的设计热负荷,qc表示目标用户的热负荷指标,A表示采暖室内面积,rc表示采暖同时率;
根据下式计算不同温度条件下目标用户的热负荷:
其中,tn表示冬季采暖室内设计温度,t'w表示冬季采暖室外计算温度,tw(τ)表示τ时刻室外温度。
计算空气源热泵的实际制热效率包括:根据下式计算空气源热泵的理论制热效率:
其中,copc(τ)表示τ时刻空气源热泵理论制热效率,Tl表示空气源热泵供水温度,ΔTl表示空气源热泵的冷凝器传热温差,Tz(τ)表示τ时刻室外温度,ΔTz表示空气源热泵的蒸发器的传热温差;
基于理论制热效率计算空气源热泵的实际制热效率:
cop'c(τ)=ε×copc(τ)
其中,ε表示空气源热泵实际工作效率。
建立目标用户的空气源热泵以外的用电设备的电负荷时序模型包括:
根据下式计算τ时刻空气源热泵以外的用电设备的电负荷:
其中,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷,ε(τ)表示τ时刻空气源热泵以外的用电设备的实时功率系数,rq表示τ时刻空气源热泵以外的用电设备的同时使用系数,N表示空气源热泵以外的用电设备的额定功率,m表示空气源热泵以外的用电设备的种类;
根据目标时段内各个时刻空气源热泵以外的用电设备的电负荷建立空气源热泵以外的用电设备的电负荷时序模型。
根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型包括:
根据下式计算τ时刻目标用户的电负荷:
E(τ)=Ec(τ)+Eq(τ)
其中,E(τ)表示τ时刻目标用户的电负荷,Ec(τ)表示τ时刻空气源热泵的电负荷,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷;
根据目标时段内各个时刻目标用户的电负荷建立目标用户的电负荷预测模型。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:建立目标用户的空气源热泵的电负荷时序模型,其中,目标用户为采用空气源热泵代替其他设备进行供暖的用户;建立目标用户的空气源热泵以外的用电设备的电负荷时序模型;根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型。
该方法还包括:根据目标用户的电负荷预测模型预测目标用户的电负荷。
建立目标用户的空气源热泵的电负荷时序模型包括:计算不同温度条件下目标用户的热负荷;计算空气源热泵的实际制热效率;根据下式计算τ时刻空气源热泵的电负荷:
其中,Ec(τ)表示τ时刻空气源热泵的电负荷,Qc(τ)表示τ时刻目标用户的热负荷,cop'c(τ)表示τ时刻空气源热泵的实际制热效率;
根据目标时段内各个时刻空气源热泵的电负荷建立空气源热泵的电负荷时序模型。
计算不同温度条件下目标用户的热负荷包括:根据下式计算目标用户的设计热负荷:
Q'c=qc×A×rc
其中,Q'c表示目标用户的设计热负荷,qc表示目标用户的热负荷指标,A表示采暖室内面积,rc表示采暖同时率;
根据下式计算不同温度条件下目标用户的热负荷:
其中,tn表示冬季采暖室内设计温度,t'w表示冬季采暖室外计算温度,tw(τ)表示τ时刻室外温度。
计算空气源热泵的实际制热效率包括:根据下式计算空气源热泵的理论制热效率:
其中,copc(τ)表示τ时刻空气源热泵理论制热效率,Tl表示空气源热泵供水温度,ΔTl表示空气源热泵的冷凝器传热温差,Tz(τ)表示τ时刻室外温度,ΔTz表示空气源热泵的蒸发器的传热温差;
基于理论制热效率计算空气源热泵的实际制热效率:
cop'c(τ)=ε×copc(τ)
其中,ε表示空气源热泵实际工作效率。
建立目标用户的空气源热泵以外的用电设备的电负荷时序模型包括:
根据下式计算τ时刻空气源热泵以外的用电设备的电负荷:
其中,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷,ε(τ)表示τ时刻空气源热泵以外的用电设备的实时功率系数,rq表示τ时刻空气源热泵以外的用电设备的同时使用系数,N表示空气源热泵以外的用电设备的额定功率,m表示空气源热泵以外的用电设备的种类;
根据目标时段内各个时刻空气源热泵以外的用电设备的电负荷建立空气源热泵以外的用电设备的电负荷时序模型。
根据空气源热泵的电负荷时序模型以及空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型包括:
根据下式计算τ时刻目标用户的电负荷:
E(τ)=Ec(τ)+Eq(τ)
其中,E(τ)表示τ时刻目标用户的电负荷,Ec(τ)表示τ时刻空气源热泵的电负荷,Eq(τ)表示τ时刻空气源热泵以外的用电设备的电负荷。。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种电负荷预测方法,其特征在于,包括:
建立目标用户的空气源热泵的电负荷时序模型,其中,所述目标用户为采用所述空气源热泵代替其他设备进行供暖的用户;
建立所述目标用户的所述空气源热泵以外的用电设备的电负荷时序模型;
根据所述空气源热泵的电负荷时序模型以及所述空气源热泵以外的用电设备的电负荷时序模型构建所述目标用户的电负荷预测模型;
其中,建立目标用户的空气源热泵的电负荷时序模型包括:
计算不同温度条件下所述目标用户的热负荷;
计算所述空气源热泵的实际制热效率;
根据下式计算τ时刻所述空气源热泵的电负荷:
其中,Ec(τ)表示τ时刻所述空气源热泵的电负荷,Qc(τ)表示τ时刻所述目标用户的热负荷,cop'c(τ)表示τ时刻所述空气源热泵的实际制热效率;
根据目标时段内各个时刻所述空气源热泵的电负荷建立所述空气源热泵的电负荷时序模型;
其中,建立所述目标用户的所述空气源热泵以外的用电设备的电负荷时序模型包括:
根据下式计算τ时刻所述空气源热泵以外的用电设备的电负荷:
其中,Eq(τ)表示τ时刻所述空气源热泵以外的用电设备的电负荷,ε(τ)表示τ时刻所述空气源热泵以外的用电设备的实时功率系数,rq表示τ时刻所述空气源热泵以外的用电设备的同时使用系数,N表示所述空气源热泵以外的用电设备的额定功率,m表示所述空气源热泵以外的用电设备的种类;
根据目标时段内各个时刻所述空气源热泵以外的用电设备的电负荷建立所述空气源热泵以外的用电设备的电负荷时序模型。
2.根据权利要求1所述的方法,其特征在于,在构建所述目标用户的电负荷预测模型之后,所述方法还包括:
根据所述目标用户的电负荷预测模型预测所述目标用户的电负荷。
5.根据权利要求1所述的方法,其特征在于,根据所述空气源热泵的电负荷时序模型以及所述空气源热泵以外的用电设备的电负荷时序模型构建目标用户的电负荷预测模型包括:
根据下式计算τ时刻所述目标用户的电负荷:
E(τ)=Ec(τ)+Eq(τ)
其中,E(τ)表示τ时刻所述目标用户的电负荷,Ec(τ)表示τ时刻所述空气源热泵的电负荷,Eq(τ)表示τ时刻所述空气源热泵以外的用电设备的电负荷;
根据目标时段内各个时刻所述目标用户的电负荷建立所述目标用户的电负荷预测模型。
6.一种电负荷预测装置,其特征在于,包括:
第一构建单元,用于建立目标用户的空气源热泵的电负荷时序模型,其中,所述目标用户为采用所述空气源热泵代替其他设备进行供暖的用户;
第二构建单元,用于建立所述目标用户的目标用户的所述空气源热泵以外的用电设备的电负荷时序模型;
第三构建单元,用于根据所述空气源热泵的电负荷时序模型以及所述空气源热泵以外的用电设备的电负荷时序模型构建所述目标用户的电负荷预测模型;
其中,所述第一构建单元包括:
第一计算模块,用于计算不同温度条件下所述目标用户的热负荷;
第二计算模块,用于计算所述空气源热泵的实际制热效率;
第三计算模块,用于根据下式计算τ时刻所述空气源热泵的电负荷:
其中,Ec(τ)表示τ时刻所述空气源热泵的电负荷,Qc(τ)表示τ时刻所述目标用户的热负荷,cop'c(τ)表示τ时刻所述空气源热泵的实际制热效率;
第一构建模块,用于根据目标时段内各个时刻所述空气源热泵的电负荷建立所述空气源热泵的电负荷时序模型;
其中,第三构建单元包括:
第四计算模块,用于根据下式计算τ时刻所述空气源热泵以外的用电设备的电负荷:
其中,Eq(τ)表示τ时刻所述空气源热泵以外的用电设备的电负荷,ε(τ)表示τ时刻所述空气源热泵以外的用电设备的实时功率系数,rq表示τ时刻所述空气源热泵以外的用电设备的同时使用系数,N表示所述空气源热泵以外的用电设备的额定功率,m表示所述空气源热泵以外的用电设备的种类;
第二构建模块,用于根据目标时段内各个时刻所述空气源热泵以外的用电设备的电负荷建立所述空气源热泵以外的用电设备的电负荷时序模型。
7.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至5中任意一项所述的电负荷预测方法。
8.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任意一项所述的电负荷预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811645818.3A CN109740815B (zh) | 2018-12-30 | 2018-12-30 | 电负荷预测方法、装置、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811645818.3A CN109740815B (zh) | 2018-12-30 | 2018-12-30 | 电负荷预测方法、装置、存储介质及处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740815A CN109740815A (zh) | 2019-05-10 |
CN109740815B true CN109740815B (zh) | 2021-08-20 |
Family
ID=66362717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811645818.3A Active CN109740815B (zh) | 2018-12-30 | 2018-12-30 | 电负荷预测方法、装置、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740815B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264254B (zh) * | 2019-06-04 | 2021-04-20 | 北京交通大学 | 电采暖负荷预测方法、装置、设备及可存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104515194B (zh) * | 2013-09-26 | 2017-08-01 | 珠海格力电器股份有限公司 | 供暖***的控制方法及装置 |
KR20170091620A (ko) * | 2014-12-05 | 2017-08-09 | 포노닉 디바이시즈, 인크. | 하이브리드 열전달 시스템 |
CN108154258B (zh) * | 2017-11-27 | 2021-11-05 | 国网北京市电力公司 | 空气源热泵负荷的预测方法、装置、存储介质和处理器 |
CN108895719B (zh) * | 2018-07-19 | 2020-04-10 | 珠海格力电器股份有限公司 | 一种热泵机组及其供暖控制方法 |
CN110929909B (zh) * | 2018-09-19 | 2022-07-12 | 清华大学 | 一种空气源热泵用户电负荷预测方法 |
-
2018
- 2018-12-30 CN CN201811645818.3A patent/CN109740815B/zh active Active
Non-Patent Citations (1)
Title |
---|
"地源热泵空调***用电负荷预测";朱能;《现代建筑电气》;20121030(第10期);第36-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109740815A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Optimal joint‐dispatch of energy and reserve for CCHP‐based microgrids | |
Mamlook et al. | A fuzzy inference model for short-term load forecasting | |
Huang et al. | A hierarchical coordinated demand response control for buildings with improved performances at building group | |
CN111695742B (zh) | 一种综合能源***日前调度区间优化方法、***及设备 | |
Shao et al. | The chiller’s electricity consumption simulation by considering the demand response program in power system | |
Fuentes-Cortés et al. | Integrated design and control of multigeneration systems for building complexes | |
Ismail et al. | Application of fuzzy time series approach in electric load forecasting | |
Zhu et al. | Real‐Time Pricing for Demand Response in Smart Grid Based on Alternating Direction Method of Multipliers | |
CN109711614A (zh) | 一种分布式能源站的动态优化运行控制方法及*** | |
CN113947236B (zh) | 综合能源调度方法、计算设备及介质 | |
US20140278699A1 (en) | Modeling energy conversion in systems | |
Al-Sumaiti et al. | Residential load management under stochastic weather condition in developing countries | |
Wang et al. | Real-time pricing method for smart grids based on complementarity problem | |
Han et al. | Estimation of the shapley value of a peer-to-peer energy sharing game using multi-step coalitional stratified sampling | |
Almalaq et al. | Deep learning application: Load forecasting in big data of smart grids | |
Ghorbani et al. | Multi-agent autonomous decision making in smart micro-grids’ energy management: a decentralized approach | |
Noussan et al. | Multicarrier energy systems: Optimization model based on real data and application to a case study | |
CN106557843A (zh) | 一种用能需求预测方法 | |
CN110135655A (zh) | 一种用于确定能源站的运行控制策略的方法与设备 | |
Iftikhar et al. | Biogeography based optimization for home energy management in smart grid | |
CN109740815B (zh) | 电负荷预测方法、装置、存储介质及处理器 | |
Guo et al. | Optimal model of the combined cooling, heating, and power system by improved arithmetic optimization algorithm | |
Albuquerque et al. | Proposed architecture for energy efficiency and comfort optimization in smart homes: smart home architecture for energy efficiency | |
Vesaoja et al. | Hybrid modeling and co-simulation of district heating systems with distributed energy resources | |
Sui et al. | Enhanced-decision energy trading for island renewable microgrids considering large interruptible refrigeration load intra-hour switching |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |