一種考慮實時氣象因素的公共樓宇空調短時基線負荷預測方法
【技術領域】
[0001] 本發明涉及一種考慮實時氣象因素的公共樓宇空調短時基線負荷預測方法，適用 于進行全國范圍內大規模公共樓宇空調短時基線負荷預測，屬于電力負荷預測技術領域。
【背景技術】
[0002] 我國電網夏季空調負荷已占尖峰負荷的30%左右。空調負荷主要集中于夏季用電 高峰時段，且年均持續時間僅數百小時，但它對電網的安全、經濟運行影響極大。冬季負荷 高峰中，空調也扮演了重要角色。在商業用戶用電負荷中，空調負荷占有較大比重，調整空 調負荷對于改變商業用戶負荷曲線、實現電網削峰填谷具有重要意義。同時商業用戶負荷 可控性較大，具有實現智能用電的巨大潛力。合理控制空調溫度和削峰填谷緊密連接在一 起。為了對空調負荷特性作進一步的實質性的分析研宄，探討應對空調負荷過快增長的有 效措施，綜合考慮各地電網與電力供應的實際情況，決定開展基于需求響應的中央空調負 荷調控技術研宄。但是，由于經濟和技術因素的影響，中國的一些地區的空調負荷沒有辦法 精確得到，而空調的基線負荷數據也是空調參與電網調度的重要參數。目前，國內外還沒有 關于如何進行設計及實時氣象因素的公共樓宇空調短時基線負荷預測方法方面的專利和 文獻。
【發明內容】
[0003] 針對現有技術存在的不足，本發明目的是提供一種考慮實時氣象因素的公共樓宇 空調短時基線負荷預測方法，該方法可以在全國范圍內，利用當地的實時氣象值方便地計 算出公共樓宇空調短時基線負荷預測值。
[0004] 為了實現上述目的，本發明是通過如下的技術方案來實現：
[0005] 本發明的一種考慮實時氣象因素的公共樓宇空調短時基線負荷預測方法，包括以 下幾個步驟：
[0006] (SI)采用皮爾森相關系數公式計算氣象影響因素中平均溫度、平均濕度、平均風 速和平均降雨量與平均空調負荷的相關性；然后選取強線性相關的參數，即平均溫度和平 均濕度，并將平均溫度和平均濕度作為公共樓宇空調短時基線負荷預測時考慮的實時氣象 因素；
[0007] (S2)計算當地兩個月的每日的溫濕度指數THI ;并將當天、昨天、前天的溫濕度指 數THI進行加權，得到考慮溫度和濕度累積效應的每日的加權溫濕度指數WTHI ;計算預測 日前兩個月內每日的加權溫濕度指數WTHI與預測日的加權溫濕度指數WTHI的誤差絕對 值，選取誤差絕對值最小的N天作為預測日的典型相似日，并按日期排序為1至N天，作為 BP神經網絡的輸入預測的典型相似日；其中，N為正整數且為4的倍數；
[0008] (S3)基于確定的N個典型相似日，采用BP神經網絡算法，將第1天至第3天的加 權溫濕度指數WTHI和1至24小時的空調負荷量以及第4天的加權溫濕度指數WTHI作為 BP神經網絡的76個輸入量，將第4天的1至24小時的空調負荷量作為BP神經網絡的24 個輸出量，依此循環，形成N-3組訓練樣本集，訓練該BP神經網絡；然后，采用訓練好的神經 網絡，輸入第N-2天至第N天的加權溫濕度指數WTHI和1至24小時的空調負荷值以及預 測日的加權溫濕度指數WTHI，則24個輸出即為預測日的1至24小時的每小時的平均空調 負荷值；最后將平均空調負荷值與實際空調負荷值進行對比，計算誤差。
[0009] 步驟（SI)中，所述皮爾森相關系數公式如下：
【主權項】
1. 一種考慮實時氣象因素的公共樓宇空調短時基線負荷預測方法，其特征在于，包括 以下幾個步驟： (51) 采用皮爾森相關系數公式計算氣象影響因素中平均溫度、平均濕度、平均風速和 平均降雨量與平均空調負荷的相關性；然后選取強線性相關的參數，即平均溫度和平均濕 度，并將平均溫度和平均濕度作為公共樓宇空調短時基線負荷預測時考慮的實時氣象因 素； (52) 計算當地兩個月的每日的溫濕度指數THI;并將當天、昨天、前天的溫濕度指數 THI進行加權，得到考慮溫度和濕度累積效應的每日的加權溫濕度指數WTHI;計算預測日 前兩個月內每日的加權溫濕度指數WTHI與預測日的加權溫濕度指數WTHI的誤差絕對值， 選取誤差絕對值最小的N天作為預測日的典型相似日，并按日期排序為1至N天，作為BP 神經網絡的輸入預測的典型相似日； (53) 基于確定的N個典型相似日，采用BP神經網絡算法，將第1天至第3天的加權溫 濕度指數WTHI和1至24小時的空調負荷量以及第4天的加權溫濕度指數WTHI作為BP神 經網絡的76個輸入量，將第4天的1至24小時的空調負荷量作為BP神經網絡的24個輸 出量，依此循環，形成N-3組訓練樣本集，訓練該BP神經網絡；然后，采用訓練好的神經網 絡，輸入第N-2天至第N天的加權溫濕度指數WTHI和1至24小時的空調負荷值以及預測 日的加權溫濕度指數WTHI，則24個輸出即為預測日的1至24小時的每小時的平均空調負 荷值；最后將平均空調負荷值與實際空調負荷值進行對比，計算誤差。
2. 根據權利要求1所述的考慮實時氣象因素的公共樓宇空調短時基線負荷預測方法， 其特征在于，步驟（S1)中，所述皮爾森相關系數公式如下：
其中，Xi分別表示當天某小時的溫度、濕度、風速或降雨量的平均值，yi分別表示該公 共樓宇當天某小時總空調負荷值，n表示當天的小時數，了表示當天溫度、濕度、風速或降 雨量的平均值，^表示該公共樓宇當天總空調負荷的平均值； 根據上述公式對氣象影響因素進行排序，得到和空調負荷強相關的氣象影響因素，即 平均溫度、平均濕度。
3. 根據權利要求1所述的考慮實時氣象因素的公共樓宇空調短時基線負荷預測方法， 其特征在于，步驟（S2)中，當地兩個月的每日的溫濕度指數THI計算方法如下：首先計算當 地兩個月的每日的平均溫度、平均濕度，然后再計算當地兩個月的每日的溫濕度指數THI， 所述溫濕度指數THI的算法公式如下：
其中，中Td為每日的平均攝氏溫度，Hi為每日的平均百分比濕度。
4. 根據權利要求1所述的考慮實時氣象因素的公共樓宇空調短時基線負荷預測方法， 其特征在于， 步驟（S2)中，每日的加權溫濕度指數WTHI的計算方法如下： WTHI= (lOXTHIo+^HLi+THI^/lS 其中，THIpTHU、THI_2*別為每日當天、昨天和前天的溫濕度指數。
【專利摘要】本發明公開了一種考慮實時氣象因素的公共樓宇空調短時基線負荷預測方法，包括步驟S1，采用皮爾森相關系數公式計算溫度、濕度、風速和降雨量與空調負荷量的相關性，選取強線性相關的參數作為公共樓宇空調短期負荷基線預測時考慮的實時氣象因素；步驟S2，分別計算預測日及其前兩個月內每日的溫濕度指數THI和加權溫濕度指數WTHI，依此選取預測日的典型相似日；步驟S3，采用BP神經網絡方法計算預測日24小時的空調負荷值。本發明可運用到全國范圍內各公共樓宇空調短時基線負荷預測，可以為典型公共樓宇空調負荷參與電網負荷調控提供理論支持和數據支撐。
【IPC分類】G06Q10-04, G06Q50-06, G06N3-02
【公開號】CN104778503
【申請號】CN201510114186
【發明人】楊永標, 顏慶國, 徐青山, 楊辰星, 王續芳, 薛溟楓, 陳璐
【申請人】國家電網公司, 南京南瑞集團公司, 國電南瑞科技股份有限公司, 江蘇省電力公司, 東南大學
【公開日】2015年7月15日
【申請日】2015年3月16日