[發(fā)明專利]基于溫度調(diào)節(jié)負荷預(yù)測的能源管理控制方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710476836.2
• 申請日: 2017-06-21
• 公開（公告）號: CN107330518A
• 公開（公告）日: 2017-11-07
• 發(fā)明（設(shè)計）人: 王伯伊;秦佳婧;于志遠;胡從川
• 申請（專利權(quán)）人: 國家電網(wǎng)公司;都城偉業(yè)集團有限公司;國網(wǎng)江西省電力公司;成都魯能置業(yè)有限公司;北京國電通網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/12;G06Q10/04
• 代理公司: 北京風(fēng)雅頌專利代理有限公司11403
• 代理人: 陳宙

1.一種基于溫度調(diào)節(jié)負荷預(yù)測的能源管理控制方法，其特征在于，包括：

利用采集的過去一段時間的溫度、溫度調(diào)節(jié)負荷信息，以及預(yù)報的未來一段時間的溫度信息，預(yù)測未來一段時間的溫度調(diào)節(jié)負荷信息；

根據(jù)預(yù)測的未來一段時間的溫度調(diào)節(jié)負荷信息進行能源管理控制。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用采集的過去一段時間的溫度、溫度調(diào)節(jié)負荷信息，以及預(yù)報的未來一段時間的溫度信息，預(yù)測未來一段時間的溫度調(diào)節(jié)負荷信息，具體包括：

獲取過去一段時間采集的溫度、溫度調(diào)節(jié)負荷信息，以及預(yù)報的未來一段時間的溫度信息；

將獲取的信息輸入到徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)；

由RBF神經(jīng)網(wǎng)絡(luò)預(yù)測輸出的未來一段時間的溫度調(diào)節(jié)負荷信息；

其中，所述RBF神經(jīng)網(wǎng)絡(luò)預(yù)先經(jīng)由若干訓(xùn)練樣本訓(xùn)練得到；所述訓(xùn)練樣本是由采集的長于所述一段時間的過去時間段內(nèi)的溫度、溫度調(diào)節(jié)負荷信息形成的。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述過去一段時間采集的溫度、溫度調(diào)節(jié)負荷信息，以及預(yù)報的未來一段時間的溫度信息，具體分別為：預(yù)測日前一天24小時的溫度序列、預(yù)測日前一天24小時的溫度調(diào)節(jié)負荷序列，以及預(yù)報的預(yù)測日當(dāng)天的24小時的溫度序列；以及

所述未來一段時間的溫度調(diào)節(jié)負荷信息具體為預(yù)測日當(dāng)天24小時的溫度調(diào)節(jié)負荷序列；

所述訓(xùn)練樣本具體是由采集的過去若干天的24小時的溫度序列、溫度調(diào)節(jié)負荷序列形成的。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法包括：

利用梯度下降法對所述RBF神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，并在訓(xùn)練過程的每次迭代中利用粒子群算法對所述RBF神經(jīng)網(wǎng)絡(luò)的當(dāng)前參數(shù)進行優(yōu)化調(diào)整。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述利用梯度下降法對所述RBF神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，并在訓(xùn)練過程的每次迭代中利用粒子群算法對所述RBF神經(jīng)網(wǎng)絡(luò)的當(dāng)前參數(shù)進行優(yōu)化調(diào)整，具體包括：

建立RBF神經(jīng)網(wǎng)絡(luò)與粒子群的對應(yīng)關(guān)系；

在第k次迭代過程中，利用第k個訓(xùn)練樣本對所述RBF神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；其中，k為小于等于總迭代次數(shù)的自然數(shù)；

根據(jù)所述RBF神經(jīng)網(wǎng)絡(luò)輸出的結(jié)果，以及第k個訓(xùn)練樣本中包括的實際結(jié)果，判斷是否滿足迭代退出條件；

若不滿足，則利用粒子群算法對RBF神經(jīng)網(wǎng)絡(luò)的當(dāng)前參數(shù)作優(yōu)化調(diào)整后繼續(xù)進行下次迭代過程。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述建立RBF神經(jīng)網(wǎng)絡(luò)與粒子群的對應(yīng)關(guān)系，具體包括：

將RBF神經(jīng)網(wǎng)絡(luò)的每個輸入點分別對應(yīng)一個粒子；

對于一個粒子而言使用一個向量進行表征，在該向量中包括該粒子所對應(yīng)的輸入點與所述RBF神經(jīng)網(wǎng)絡(luò)各節(jié)點的關(guān)聯(lián)信息。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，第k個訓(xùn)練樣本包括3個輸入量分別為：第k天24小時的溫度調(diào)節(jié)負荷序列、第k天24小時的溫度序列，以及預(yù)報的第k+1天24小時的溫度序列；以及

第k個訓(xùn)練樣本還包括一個實際結(jié)果為第k+1天24小時的實際的溫度調(diào)節(jié)負荷序列。

8.一種基于溫度調(diào)節(jié)負荷預(yù)測的能源管理控制系統(tǒng)，其特征在于，包括：

信息獲取模塊，用于采集過去一段時間的溫度、溫度調(diào)節(jié)負荷信息，并獲取預(yù)報的未來一段時間的溫度信息；

負荷預(yù)測模塊，利用所述信息獲取模塊獲取的信息，預(yù)測未來一段時間的溫度調(diào)節(jié)負荷信息；

管理控制模塊，用以根據(jù)所述負荷預(yù)測模塊預(yù)測的未來一段時間的溫度調(diào)節(jié)負荷信息進行能源管理控制。

9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，

所述負荷預(yù)測模塊具體用于將所述信息獲取模塊獲取的信息輸入到RBF神經(jīng)網(wǎng)絡(luò)，將所述RBF神經(jīng)網(wǎng)絡(luò)的輸出作為未來一段時間的溫度調(diào)節(jié)負荷信息的預(yù)測結(jié)果。

10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，還包括：

訓(xùn)練模塊，用于訓(xùn)練所述RBF神經(jīng)網(wǎng)絡(luò)；其中，用于訓(xùn)練所述RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本是由采集的長于所述一段時間的過去時間段內(nèi)的溫度、溫度調(diào)節(jié)負荷信息形成的。