[發明專利]一種基于局部氣象預測的精準供熱負荷預測方法及系統

在審

• 申請號: 202010147902.3
• 申請日: 2020-03-05
• 公開（公告）號: CN111340302A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 胡鵬龍;鐘崴;邊福忠;林小杰;李卓辰;周懿;季鵬;吳燕玲
• 申請（專利權）人: 國惠環保新能源有限公司;浙江大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

1.一種基于局部氣象預測的精準供熱負荷預測方法，其特征在于，包括:

S1：在城市增加局部區域氣象站；

S2：獲取城市整體氣象數據和局部區域氣象數據；

S3：根據數據清洗算法進行數據處理，形成數據訓練樣本集；

S4：采用機器學習方法，構建局部區域氣象數據與城市整體氣象數據之間的關聯關系；

S5：實現局部區域室外溫度在線預測與局部區域供熱系統負荷預測。

2.如權利要求1所述的基于局部氣象預測的精準供熱負荷預測方法，其特征在于，所述城市整體氣象數據包括：城市整體氣象歷史數據和城市整體氣象預報數據；所述局部區域氣象數據包括：局部區域氣象歷史數據和局部區域氣象實時數據。

3.如權-利要求2所述的基于局部氣象預測的精準供熱負荷預測方法，其特征在于，所述氣象數據包括但不限于：環境溫度，空氣濕度，風力以及光照。

4.如權利要求3所述的基于局部氣象預測的精準供熱負荷預測方法，其特征在于，采用徑向基神經網絡，建立局部區域氣象歷史數據、城市整體氣象歷史數據、城市整體氣象預報數據與局部區域氣象預報數據間的聯系；

局部區域氣象歷史數據為：

U_a＝[t_a1,t_a2,…,t_ai,h_a1,h_a2,…,h_ai,wp_a1,wp_a2,…,wp_ai,l_a1,l_a2,…,l_ai,]^T，i＝1,2,…,I，

城市整體氣象歷史數據為：

U_b＝[t_b1,t_b2,…,t_bi,h_b1,h_b2,…,h_bi,wp_b1,wp_b2,…,wp_bi,l_b1,l_b2,…,l_bi]^T，i＝1,2,…,I，

城市整體氣象預報數據為：

U_c＝[t_c1,t_c2,…,t_cn,h_c1,h_c2,…,h_cn,wp_c1,wp_c2,…,wp_cn,l_c1,l_c2,…,l_cn]^T，n＝1,2,…,N，

局部區域氣象預報數據為：

U_f＝[t_f1,t_f2,…,t_fn]^T,(n＝1,2,…,N)

其中，t為溫度，h為濕度，wp為風力，l為光照；

RBF神經網絡的訓練樣本對為{X,F}，其中，X＝[U_a,U_b,U_c]^T為訓練樣本的輸入值，F為訓練樣本的期望輸出值，F＝[t_a1,t_a2,…,t_an]^T,n＝1,2,…,N；U_a為[T₁,T₂]時間段內的局部區域的氣象站歷史數據，U_b為[T₁,T₂]時間段內城市整體氣象歷史數據，U_c為[T₃,T₄]時間段的城市整體氣象預報數據，F為[T₃,T₄]時間段內局部區域歷史氣象數據；

其中，時刻T₁T₂T₃T₄，且均為歷史時刻；設樣本數據滾動更新的時間間隔為ΔT，即在T₁+ΔT時刻，對樣本輸入的時間段進行滾動操作，更新為[T₁+Δt,T₂+Δt]與[T₃+Δt,T₄+Δt]。

實際的輸出值為U_f：

其中，基函數為第m個隱單元的輸出值，t_m＝[t₁,t₂,…,t_M]，m＝1,2,…,M，則為基函數的中心，w_m為第m個隱單元與輸出單元之間的權值；

通過調節徑向基擴展速度SPREAD值使輸出的網絡誤差達到收斂條件；

所述收斂條件為：

|U_f-F|＜ε

其中，U_f為樣本實際輸出值，F為樣本期望輸出值，ε為收斂精度。