[发明专利]一种热负荷预测方法、装置、可读介质及电子设备

说明书

本发明公开了一种热负荷预测方法、装置、可读介质及电子设备，方法包括：设置初始温度、冷却系数、终止温度，形成包括若干不同个体的候选种群，每一个体分别包括自回归项、移动平均项数及差分次数；获取目标蒸汽用户在若干个连续的测试时间段使用锅炉蒸汽时分别对应的样本热负荷量级；根据初始温度、冷却系数及各个样本热负荷量级，对候选种群进行迭代更新以形成目标种群；从目标种群确定最优个体；根据最优个体形成自回归积分滑动平均模型，利用该模型预测目标蒸汽用户在若干未来时间段使用锅炉蒸汽时分别对应的热负荷量级。通过本发明提供的技术方案，可更为准确的蒸汽用户在各个未来时间段内使用锅炉蒸汽时所分别对应的热负荷量级。

技术领域

本发明涉及计算机技术领域，尤其涉及一种热负荷预测方法、装置、可读介质及电子设备。

背景技术

为了实现对锅炉蒸汽进行高效调度，通常需要对蒸汽用户在一个或多个未来时间段内使用锅炉蒸汽时所分别对应的热负荷量级进行预测。

目前，通常利用自回归积分滑动平均模型(Autoregressive IntegratedMovingAverage Model,ARIMA模型)对蒸汽用户在各个未来时间段内使用蒸汽时所对应的热负荷量级进行预测。具体地，可首先确定蒸汽用户在若干个连续的测试单位时间段内使用锅炉蒸汽时所对应的样本热负荷量级，并根据各个样本热负荷量级绘制自相关图和偏自相关图；用户则可通过查看自相关图和偏自相关图，确定自回归项p、移动平均项数q以及差分次数d，进而根据确定的p、d、q形成能够用于对该蒸汽用户在各个未来时间段内所对应的热负荷量级进行预测的ARIMA模型。

不难看出，形成ARIMA模型时所依赖的p、d、q需要由用户通过查看绘制的自相关图和偏自相关图进行确定，人工干预程度较高，p、d、q的准确性偏低，可能导致形成的ARIMA模型无法对蒸汽用户在各个未来时间段内使用蒸汽时所分别对应的热负荷量级进行准确预测。

发明内容

本发明提供一种热负荷预测方法、装置、可读介质及电子设备，可更为准确的预测蒸汽用户在各个未来时间段内使用锅炉蒸汽时所分别对应的热负荷量级。

第一方面，本发明提供了一种热负荷预测方法，包括：

设置初始温度、冷却系数，以及形成包括若干个不同个体的候选种群，每一个所述个体分别包括自回归项、移动平均项数以及差分次数；

获取目标蒸汽用户在若干个连续的测试时间段使用锅炉蒸汽时所分别对应的样本热负荷量级；

根据所述初始温度、所述冷却系数及各个所述测试时间段所分别对应的样本热负荷量级，对所述候选种群进行迭代更新以形成目标种群；

从所述目标种群中确定出最优个体；

根据所述最优个体形成自回归积分滑动平均模型，并利用所述自回归积分滑动平均模型预测所述目标蒸汽用户在若干个未来时间段使用锅炉蒸汽时所分别对应的热负荷量级。

优选地，

所述根据所述初始温度、所述冷却系数及各个所述测试时间段所分别对应的样本热负荷量级，对所述候选种群进行迭代更新以形成目标种群，包括：

A1：计算所述候选种群中每一个所述个体相对于各个所述样本热负荷量级的当前适应度值；

A2：根据各个所述个体所分别对应的当前适应度值、所述初始温度、所述冷却系数及记录的迭代更新次数，删除所述候选种群中的N个不可信个体；

A3：根据所述候选种群中剩余的各个可信个体进行二进制变异以形成至少两个候选个体；

A4：计算每一个所述候选个体相对于各个所述样本热负荷量级的候选适应度值；