本发明涉及电力系统自动化技术领域,尤其是一种与空调负荷相关的综合气象因素实感温度修正方法。
背景技术:
当前空调等温度相关性负荷在总电力负荷中的占比越来越大,直接导致了夏季负荷峰谷差加剧,负荷屡屡创下新高。在众多气象参数中,温度对于空调负荷的影响最大,在电力负荷预测方面已有较多关于两者关系的研究。但电力空调负荷取决于人体感知的温度而不是实测的温度,人体实感温度是各种气象要素的综合反映,城市热岛效应、相对湿度、前几日气候的累积效应等因素都会影响人们对周围环境的冷热感觉。用实感温度来分析与电力负荷的关系比用单一实测温度更加精确,因此需要研究一种计及这些综合气象因素的实感温度修正方法。
技术实现要素:
本发明的目的在于克服现有技术中存在的不足,提供一种与空调负荷相关的综合气象因素实感温度修正方法,修正之后的实感温度与空调负荷的相关性高,适用于城市空调负荷的预测与调控。本发明采用的技术方案是:
一种与空调负荷相关的综合气象因素实感温度修正方法,包括以下步骤:
第一步,基于热岛效应对地表的实测温度进行修正,得到第一修正后温度;
第二步,以第一修正后温度作为输入,基于湿度与风速对第一修正后温度进行修正;
第三步,基于累积效应,对前两步修正后的结果进行修正,得到设定时段的最终平均气温修正值。
进一步地,第一步具体包括:根据地表温度遥感反演算法,卫星在大气顶部入瞳处的辐亮度表达为:
其中,λ表示热红外传感器的热红外通道波长,ελ为地物发射率,ts为待求的地表实测温度的第一修正后温度,
c1、c2为常数;
第一修正后温度为:
其中,t0表示当天地表设定时段的实测温度;γ(λ,t0)和δ(λ,t0)通过对普朗克方程的线性近似获得;φ1,φ2和φ3是从大气状态参数中计算得到的大气状态方程;
φ1,φ2和φ3近似表示为与大气水汽含量ω的关系。
进一步地,第二步中,通过以下公式对第一修正后温度继续修正:
公式(7)中,温度t的取值为第一修正后温度ts的值;tm、tm分别为日最高气温、日最低气温,u为相对湿度,v为日平均风速;
tf为经过第二步修正后得到的结果。
进一步地,第三步具体包括:
修正公式为:
其中,targ′为当天考虑累积效应后的设定时段的最终平均气温修正值,也就是实测温度最终修正后的实感温度;th为经过前两步修正后当日该时段内的平均气温;t1h为经过前两步修正后当日该时段数小时前的平均气温;tid为i天前经过前两步修正后该时段的平均气温,t(i+1)d为i+1天前经过前两步修正后该时段的平均气温;a、b为累积效应系数,且均小于1;
建立目标函数:
max|r(targ′,l)]|(9)
l表示相应时段的最高负荷;
相关系数r的计算方法如下:
lj表示第j天的相应时段的最高负荷,targj'表示第j天的相应时段的最终平均气温修正值,
更进一步地,a、b应满足约束条件:a≤b。
本发明的优点在于:本发明通过建立热岛效应、温湿效应的修正公式,将实测温度先经过热岛效应换算,再换成基于相对湿度和风速的修正后温度,接着计及累积效应对空调负荷的影响,基于累积效应对前两步修正后的结果进行修正,最后获得综合考虑各种气象因素的实感温度修正方法,修正之后的实感温度与空调负荷的相关性高。本发明适用范围广,计算方法简单,适用于城市空调负荷的预测与调控。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
本发明提出的一种与空调负荷相关的综合气象因素实感温度修正方法,综合考虑了热岛效应、湿度与风速、累积效应等气象因素,以对实测温度进行修正,得到更精确反映人体冷热感受的实感温度,能够用于城市空调负荷的预测与调控。
(一)基于热岛效应对地表的实测温度进行修正,得到第一修正后温度;
根据地表温度遥感反演算法,利用卫星上的热红外传感器对城市的不同地区的卫星波段辐射值的变化来进行地表温度的反演,能够很精确地计算出热岛效应;
由辐射传输方程可得,卫星在大气顶部入瞳处的辐亮度可以表达为:
其中,λ表示热红外传感器的热红外通道波长,ελ为地物发射率,ts为待求的地表实测温度的第一修正后温度,
两个常数取c1=1.19104×108wμm4m-2sr-1,c2=1.43877×108μmk;
计及热岛效应对地表实测温度修正后的第一修正后温度为:
其中,t0表示当天地表设定时段的实测温度;γ(λ,t0)和δ(λ,t0)通过对普朗克方程的线性近似获得;φ1,φ2和φ3是从大气状态参数中计算得到的大气状态方程;
φ1,φ2和φ3近似表示为与大气水汽含量ω的关系:
ω表示大气水汽含量,单位是g/cm2;
(二)以第一修正后温度作为输入,基于湿度与风速对第一修正后温度进行修正;
当周围的相对湿度增大,汗液的蒸发速率变低,散热减慢,人体实际感觉就会比实测温度要热;当相对湿度减小时,人体表面皮肤的蒸发加快,与空气的对流变快,热量散发带来体表温度降低;因此在描述人体实际感受到的温度时,需要把相对湿度这个因素考虑进去;同时,风速的大小对于人体的实感温度也有影响;
此步骤中,通过以下公式对第一修正后温度继续修正:
公式(7)中,温度t的取值为第一修正后温度ts的值;tm、tm分别为日最高气温、日最低气温,u为相对湿度,v为日平均风速;
tf为经过第二步修正后得到的结果;
(三)基于累积效应,对前两步修正后的结果进行修正,得到设定时段的最终平均气温修正值;
气温的累积效应对于空调负荷的影响体现在以下两个方面:一是空调负荷与前几天的气候温度情况有关;二是当天某个时刻的空调负荷还与此时刻之前时段的气候温度情况有关。因此,本发明将温度累积效应对空调负荷的影响分为两部分:当天的待修正时段之前的温度对负荷的影响,即“当日累积效应”,以及待修正日的前几日同时段温度对负荷的影响,即“多日累积效应”,因而本发明提出如下修正公式:
其中,targ′为当天考虑累积效应后的设定时段(例如负荷午高峰的12:00-14:00)的最终平均气温修正值,也就是实测温度最终修正后的实感温度;th为经过前两步修正后当日该时段内的平均气温,具体来讲,该平均气温是将12:00-14:00的实测温度值先经过热岛效应修正,再基于湿度与风速修正后的修正后温度;t1h为经过前两步修正后当日该时段两小时前(即10:00-12:00)的平均气温;tid为i天前经过前两步修正后该时段的平均气温,t(i+1)d为i+1天前经过前两步修正后该时段的平均气温;这里只考虑5天以来累积效应的影响,超过5天前的温度可认为对考察日当天没有影响;a、b为累积效应系数,且均小于1;
因为修正温度的最终结果是希望其与空调负荷的相关性提高,故建立目标函数:
max|r(targ′,l)]|(9)
l表示相应时段的最高负荷;
相关系数r的计算方法如下:
lj表示第j天的相应时段的最高负荷,targj'表示第j天的相应时段的最终平均气温修正值,
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。