一种考虑实时气象因素的公共楼宇空调短时基线负荷预测方法
【技术领域】
[0001] 本发明涉及一种考虑实时气象因素的公共楼宇空调短时基线负荷预测方法，适用 于进行全国范围内大规模公共楼宇空调短时基线负荷预测，属于电力负荷预测技术领域。
【背景技术】
[0002] 我国电网夏季空调负荷已占尖峰负荷的30%左右。空调负荷主要集中于夏季用电 高峰时段，且年均持续时间仅数百小时，但它对电网的安全、经济运行影响极大。冬季负荷 高峰中，空调也扮演了重要角色。在商业用户用电负荷中，空调负荷占有较大比重，调整空 调负荷对于改变商业用户负荷曲线、实现电网削峰填谷具有重要意义。同时商业用户负荷 可控性较大，具有实现智能用电的巨大潜力。合理控制空调温度和削峰填谷紧密连接在一 起。为了对空调负荷特性作进一步的实质性的分析研宄，探讨应对空调负荷过快增长的有 效措施，综合考虑各地电网与电力供应的实际情况，决定开展基于需求响应的中央空调负 荷调控技术研宄。但是，由于经济和技术因素的影响，中国的一些地区的空调负荷没有办法 精确得到，而空调的基线负荷数据也是空调参与电网调度的重要参数。目前，国内外还没有 关于如何进行设计及实时气象因素的公共楼宇空调短时基线负荷预测方法方面的专利和 文献。
【发明内容】
[0003] 针对现有技术存在的不足，本发明目的是提供一种考虑实时气象因素的公共楼宇 空调短时基线负荷预测方法，该方法可以在全国范围内，利用当地的实时气象值方便地计 算出公共楼宇空调短时基线负荷预测值。
[0004] 为了实现上述目的，本发明是通过如下的技术方案来实现：
[0005] 本发明的一种考虑实时气象因素的公共楼宇空调短时基线负荷预测方法，包括以 下几个步骤：
[0006] (SI)采用皮尔森相关系数公式计算气象影响因素中平均温度、平均湿度、平均风 速和平均降雨量与平均空调负荷的相关性；然后选取强线性相关的参数，即平均温度和平 均湿度，并将平均温度和平均湿度作为公共楼宇空调短时基线负荷预测时考虑的实时气象 因素；
[0007] (S2)计算当地两个月的每日的温湿度指数THI ;并将当天、昨天、前天的温湿度指 数THI进行加权，得到考虑温度和湿度累积效应的每日的加权温湿度指数WTHI ;计算预测 日前两个月内每日的加权温湿度指数WTHI与预测日的加权温湿度指数WTHI的误差绝对 值，选取误差绝对值最小的N天作为预测日的典型相似日，并按日期排序为1至N天，作为 BP神经网络的输入预测的典型相似日；其中，N为正整数且为4的倍数；
[0008] (S3)基于确定的N个典型相似日，采用BP神经网络算法，将第1天至第3天的加 权温湿度指数WTHI和1至24小时的空调负荷量以及第4天的加权温湿度指数WTHI作为 BP神经网络的76个输入量，将第4天的1至24小时的空调负荷量作为BP神经网络的24 个输出量，依此循环，形成N-3组训练样本集，训练该BP神经网络；然后，采用训练好的神经 网络，输入第N-2天至第N天的加权温湿度指数WTHI和1至24小时的空调负荷值以及预 测日的加权温湿度指数WTHI，则24个输出即为预测日的1至24小时的每小时的平均空调 负荷值；最后将平均空调负荷值与实际空调负荷值进行对比，计算误差。
[0009] 步骤（SI)中，所述皮尔森相关系数公式如下：
【主权项】
1. 一种考虑实时气象因素的公共楼宇空调短时基线负荷预测方法，其特征在于，包括 以下几个步骤： (51) 采用皮尔森相关系数公式计算气象影响因素中平均温度、平均湿度、平均风速和 平均降雨量与平均空调负荷的相关性；然后选取强线性相关的参数，即平均温度和平均湿 度，并将平均温度和平均湿度作为公共楼宇空调短时基线负荷预测时考虑的实时气象因 素； (52) 计算当地两个月的每日的温湿度指数THI;并将当天、昨天、前天的温湿度指数 THI进行加权，得到考虑温度和湿度累积效应的每日的加权温湿度指数WTHI;计算预测日 前两个月内每日的加权温湿度指数WTHI与预测日的加权温湿度指数WTHI的误差绝对值， 选取误差绝对值最小的N天作为预测日的典型相似日，并按日期排序为1至N天，作为BP 神经网络的输入预测的典型相似日； (53) 基于确定的N个典型相似日，采用BP神经网络算法，将第1天至第3天的加权温 湿度指数WTHI和1至24小时的空调负荷量以及第4天的加权温湿度指数WTHI作为BP神 经网络的76个输入量，将第4天的1至24小时的空调负荷量作为BP神经网络的24个输 出量，依此循环，形成N-3组训练样本集，训练该BP神经网络；然后，采用训练好的神经网 络，输入第N-2天至第N天的加权温湿度指数WTHI和1至24小时的空调负荷值以及预测 日的加权温湿度指数WTHI，则24个输出即为预测日的1至24小时的每小时的平均空调负 荷值；最后将平均空调负荷值与实际空调负荷值进行对比，计算误差。
2. 根据权利要求1所述的考虑实时气象因素的公共楼宇空调短时基线负荷预测方法， 其特征在于，步骤（S1)中，所述皮尔森相关系数公式如下：
其中，Xi分别表示当天某小时的温度、湿度、风速或降雨量的平均值，yi分别表示该公 共楼宇当天某小时总空调负荷值，n表示当天的小时数，了表示当天温度、湿度、风速或降 雨量的平均值，^表示该公共楼宇当天总空调负荷的平均值； 根据上述公式对气象影响因素进行排序，得到和空调负荷强相关的气象影响因素，即 平均温度、平均湿度。
3. 根据权利要求1所述的考虑实时气象因素的公共楼宇空调短时基线负荷预测方法， 其特征在于，步骤（S2)中，当地两个月的每日的温湿度指数THI计算方法如下：首先计算当 地两个月的每日的平均温度、平均湿度，然后再计算当地两个月的每日的温湿度指数THI， 所述温湿度指数THI的算法公式如下：
其中，中Td为每日的平均摄氏温度，Hi为每日的平均百分比湿度。
4. 根据权利要求1所述的考虑实时气象因素的公共楼宇空调短时基线负荷预测方法， 其特征在于， 步骤（S2)中，每日的加权温湿度指数WTHI的计算方法如下： WTHI= (lOXTHIo+^HLi+THI^/lS 其中，THIpTHU、THI_2*别为每日当天、昨天和前天的温湿度指数。
【专利摘要】本发明公开了一种考虑实时气象因素的公共楼宇空调短时基线负荷预测方法，包括步骤S1，采用皮尔森相关系数公式计算温度、湿度、风速和降雨量与空调负荷量的相关性，选取强线性相关的参数作为公共楼宇空调短期负荷基线预测时考虑的实时气象因素；步骤S2，分别计算预测日及其前两个月内每日的温湿度指数THI和加权温湿度指数WTHI，依此选取预测日的典型相似日；步骤S3，采用BP神经网络方法计算预测日24小时的空调负荷值。本发明可运用到全国范围内各公共楼宇空调短时基线负荷预测，可以为典型公共楼宇空调负荷参与电网负荷调控提供理论支持和数据支撑。
【IPC分类】G06Q10-04, G06Q50-06, G06N3-02
【公开号】CN104778503
【申请号】CN201510114186
【发明人】杨永标, 颜庆国, 徐青山, 杨辰星, 王续芳, 薛溟枫, 陈璐
【申请人】国家电网公司, 南京南瑞集团公司, 国电南瑞科技股份有限公司, 江苏省电力公司, 东南大学
【公开日】2015年7月15日
【申请日】2015年3月16日