[發明專利]一種綜合能源系統設備參數超短期預測方法及裝置

在審

• 申請號: 202111147126.8
• 申請日: 2021-09-28
• 公開（公告）號: CN113919559A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 黃源烽;郝飛;陳根軍;姜彬;解凱;顧全;莊懷東;蒲桂林;鮑永;林陽;唐迪;季炳偉;王鈞
• 申請（專利權）人: 南京南瑞繼保電氣有限公司;南京南瑞繼保工程技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 母秋松

1.一種綜合能源系統設備參數超短期預測方法，其特征在于：包括以下步驟：

采集綜合能源系統設備中包括預測參數在內的各設備參數的歷史時序數據，構造歷史數據庫；

根據對設備的機理分析從歷史數據庫的設備參數中選取與預測參數相關的表征參數；

對表征參數進行關聯分析，從表征參數中提取特征參數；

根據特征參數計算不同運行工況類別下特征標識量；

構建綜合能源系統設備在線預測模型；

確定待預測設備所處運行工況類別，從對應的歷史數據庫中選取與當前時刻最為相似的特征參數原始基礎序列的擴展序列作為綜合能源系統設備在線預測模型的輸入，求解綜合能源系統設備在線預測模型，得到待預測設備的設備參數預測值。

2.根據權利要求1所述的一種綜合能源系統設備參數超短期預測方法，其特征在于：還包括：當歷史數據庫中存在的壞點，以壞點為中心，按時間順序選取壞點前后的正常數據進行曲線擬合，根據擬合函數插值計算壞點處的數值，并將其作為壞點的校正值。

3.根據權利要求1所述的一種綜合能源系統設備參數超短期預測方法，其特征在于：所述對表征參數進行關聯分析，從表征參數中提取特征參數，包括如下步驟：

1)從歷史數據庫中獲取預測參數x₀的參考序列和p個表征參數的比較序列，

x₀＝{x₀(1),x₀(2),…x₀(i)…,x₀(n)}

式中，x₀為參考序列，x₀(i)為預測參數的第i個相關參數，為第i表征參數的比較序列，為第i個比較序列的第j個相關參數，n為序列所包含的元素個數，p為表征參數個數；

2)對參考序列和比較序列進行去量綱初始化處理，得到去量綱初始化后的參考序列和比較序列；

x'₀＝{1,x₀(2)/x₀(1),…,x₀(n)/x₀(1)}

3)計算去量綱初始化后的參考序列x'₀和比較序列在第k個相關參數上的灰色關聯系數：

式中，η為分辨系數，表示兩級最小差，表示兩級最大差；

4)計算每個表征參數的灰色關聯度γ_i；

5)設置灰色關聯度閾值γ₀，從中提取{γ_i|γ_i＞γ₀,i＝1,2,…,p}的表征參數組成新的特征參數序列x₁，x₂，…，x_q，其中，q為特征參數個數，q≤p。

4.根據權利要求3所述的一種綜合能源系統設備參數超短期預測方法，其特征在于：所述根據特征參數計算不同運行工況類別下特征標識量，包括如下步驟：

根據設備的運行工況劃分出工況類別，并按工況類別對歷史數據進行劃分；

根據劃分的歷史數據，計算對應工況類別的特征標識量；包括如下步驟：

1)建立特征參數x₁，x₂，…，x_q對預測參數x₀的回歸模型

式中，為回歸系數，為基于回歸模型計算的對象估計值；

2)由下式求出各回歸系數

式中，分別為x₀，x₁，x₂，…，x_q的平均值，T、R分別為回歸模型的離差矩陣與回歸矩陣；有

式中，T_ij表示矩陣T中第i行、第j列的元素，R_i表示矩陣R中第i個元素；

3)用λ表征預測參數x₀與特征參數x₁，x₂，…，x_q在該工況下的整體相關程度，其計算公式為：

將λ作為每組工況數據對應的特征標識量。