[发明专利]一种基于分类预测的能量对齐方法和装置

说明书

本发明实施例公开了一种基于分类预测的能量对齐方法和装置，该方法包括：根据不同的用能特性对能源用户进行分类；对分类后获得的不同类型的能源用户分别进行负荷预测；根据负荷预测的预测结果分别获取针对不同类型的能源用户进行供能时的流量延迟时间；根据不同类型的能源用户对应的流量延迟时间对能源供应时总管出口处的能源进行对齐。通过该实施例方案，实现了能源供应总量的准确预测，是后续用供能平衡和能效优化的重要基础。

技术领域

本发明实施例涉及能源控制技术，尤指一种基于分类预测的能量对齐方法和装置。

背景技术

中国人口众多，自身资源有限，按照能源利用方式，依靠自己的能源是绝对不可能支撑巨大的用能需求。中国必须立足于现有能源资源，全力提高资源利用效率，扩大资源的综合利用范围。目前，由于冷热能量的特殊性以及传输管道的结构不合理性，使得能源传输过程中存在滞后，对供能系统的效果及稳定性都存在着很大的影响，并严重影响着后续的用供能平衡和能效优化。

发明内容

为了解决上述技术问题，本发明实施例提供了一种基于分类预测的能量对齐方法和装置，能够实现能源供应总负荷的准确预测，实现用供能平衡和能效优化。

为了达到本发明实施例目的，本发明实施例提供了一种基于分类预测的能量对齐方法，该方法包括：

根据不同的用能特性对能源用户进行分类；

对分类后获得的不同类型的能源用户分别进行负荷预测；

根据负荷预测的预测结果分别获取针对不同类型的能源用户进行供能时的流量延迟时间；

根据不同类型的能源用户对应的流量延迟时间对能源供应时总管出口处的能源进行对齐。

可选地，用能特性包括：用能类型、用能多少以及供能距离；其中，用能类型包括：冷能源和/或热能源。

可选地，对分类后获得的不同类型的能源用户分别进行负荷预测包括：

根据所述能源用户的类型分别预先设置不同的训练参数；

根据不同类型能源用户的对应的训练参数以及预建的训练模型，对该类型的能源用户进行负荷预测。

可选地，训练模型包括以下一种或多种：线性回归模型、多项式回归模型、时间序列模型、决策树模型、反向传播BP神经网络模型、径向基函数RBF神经网络模型、K近邻KNN模型、状态空间模型、灰色预测模型以及随机森林模型。

可选地，根据负荷预测的预测结果分别获取针对不同类型的能源用户进行供能时的流量延迟时间包括：预先通过流量延迟时间数学模型和预设算法获取所述流量延迟时间。

可选地，预先通过流量延迟时间数学模型和预设算法获取所述流量延迟时间包括：

建立流量延迟时间数学模型；

获取关于流量延迟时间数学模型的多组流量和流量延迟时间数据；

根据预设算法以及多组流量和流量延迟时间数据辨识流量延迟时间数学模型中的待辨识的模型系数；

将辨识出的各个模型系数分别代入流量延迟时间数学模型中获取与不同类型的能源用户对应的总管出口处至任意一个小区入口的流量延迟时间。

可选地，根据不同类型的能源用户对应的流量延迟时间对能源供应时总管出口处的能源进行对齐包括：

分别截取与每种类型的能源用户对应的流量延迟时间内所需提供的负荷；

将截取的每种类型的能源用户对应的负荷量求和，作为能源供应中总管出口处未来预设时长内需要提供的总负荷。