《一种时间序列交叉的供热负荷预报工程化方法.pdf》由会员分享，可在线阅读，更多相关《一种时间序列交叉的供热负荷预报工程化方法.pdf（12页完整版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102509169 A (43)申请公布日 2012.06.20 CN 102509169 A *CN102509169A* (21)申请号 201110302034.2 (22)申请日 2011.09.28 G06Q 10/04(2012.01) G06Q 50/06(2012.01) (71)申请人 哈尔滨工业大学 地址 150001 黑龙江省哈尔滨市南岗区西大 直街 92 号 (72)发明人 齐维贵 张永明 邓盛川 于德亮 陈烈 (74)专利代理机构 哈尔滨市松花江专利商标事 务所 23109 代理人 杨立超 (54) 发明名称 一种时间序列交叉的供热负荷预报工。
2、程化方 法 (57) 摘要 一种时间序列交叉的供热负荷预报工程化方 法， 涉及一种适用于工程应用的供热负荷预报方 法。本发明为了解决现有的供热负荷预报方法存 在计算复杂、 速度慢、 精度不高， 不适合用于工程 上供热负荷预报的问题。主要步骤为 ： 首先分别 使用时间序列的横向及纵向预报对数据进行预 报 ； 纵向预报选取了采样周期内每天同一时刻的 热负荷值， 进行建模 ； 横向预报则选取一天内的 所有热负荷数据进行预报 ； 然后根据最小平方误 差和原则， 利用最小二乘法， 确定交叉预报的加权 系数从而确定热负荷交叉预报模型。本发明可以 减少预报的系统误差， 较常规工程预报算法具有 更高的精度， 。
3、为节能监控工程应用提供了参考。 而 且预报速度快， 能够达到预报速度与预报精度的 最佳折衷。 (51)Int.Cl. 权利要求书 2 页 说明书 6 页 附图 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 2 页 说明书 6 页 附图 3 页 1/2 页 2 1. 一种时间序列交叉的供热负荷预报工程化方法， 其特征在于 ： 所述方法是按照以下 步骤实现的 ： 步骤一、 横向预报 ： 将第 t 天第 i 时刻的负荷记为 Lt(i)， 根据横向负荷时间序列， Lt(i) 可由第 i 时刻的前 m1个时刻的历史负荷预报 ； 步骤二、 纵向预报 ： 将第 t 天第 i。
4、 时刻的负荷记为 Lt(i)， 根据纵向负荷时间序列， Lt(i) 可由第 t 天之前 m2天第 i 时刻的历史负荷来预报 ； 步骤三、 时间序列交叉预报 ： 在横向预报和纵向预报的基础上， 将两种预报结合起来， 根据最小平方误差和原则， 确定交叉预报的加权系数， 得到交叉预报模型 ： yC f(yH， yV) kHyH+kVyV (1) 式中 ： yC为交叉预报结果， yH为横向预报结果， yV为纵向预报结果 ； 所述交叉预报的加 权系数包括横向预报权数 kH和纵向预报权数 kV。 2. 根据权利要求 1 所述的一种时间序列交叉的供热负荷预报工程化方法， 其特征在 于 ： 所述横向预报和纵向。
5、预报均由 AR 模型来实现， 利用 Yule-Walker 法的建模理论以及 F 定阶准则确定 AR 模型， 具体过程为 ： 步骤 A、 AR 模型的描述 ： AR 模型就是自回归模型， AR 模型的系统函数 H(z) 表示为 AR 模型的系统函数 H(z) 有极点而没零点， 模型阶由分母多项式阶 p 决定， 表示为 AR(p) ； 如果在白噪声 w(n) 激励下模型的输出为 x(n)， 则模型输入输出关系的时域表达式 为 ： 此式为 AR 模型的差分方程 ； 步骤 B、 Yule-Walker 法估计参数 ： Yule-Walker 法估计参数是一种直接估计法， 即直接观测数据或者数据的采样。
6、特性估 计出模型参数 ； 在已知其前 N+1 个相关函数 Rx(0)， Rx(1)， L Rx(N) 或者是这 N+1 个相关函数 的估计值， 由这个 N+1 个值估计出模型参数 ak(k 1， 2， L， N) ； 由公式 (2) 可知， p 阶 AR 模型有 p+1 个待定参数 ： a1， a2， L ap和系统增益 G ； 由公式 (3) 可知， 系统输出 即用 n 时刻之前 p 个值的线性组合来预报 n 时刻的值 x(n)， 预报误差为 Gw(n) ； 在均方误差最小的情况下， 组合系数 a1， a2， L ap的选择应使预报误差 Gw(n) 均方值 最小 ； 令预报误差为 e(n)，。
7、 有 权 利 要 求 书 CN 102509169 A 2 2/2 页 3 则 式中， G2和白噪声的方差是同时出现的， 故将其中的一个量固定， 求另一个 ； 在最小均方差准则下， 要使预报值最佳地逼近 x(n)， 参数 ai的选取应该满足 ： 从而推倒出 AR 模型的正则方程， 即尤勒 - 沃克 (Yule-Walker) 方程 ： 并以此方程确定 AR 模型的 p+1 个参数 ； 步骤 C、 AR 模型的 F 检验法定阶 ： 设 Xt(1 t N) 是零均值平稳序列 Xt， t 0， 1， L 一段样本， 并用 AR(p) 模型 进行拟合， 根据模型阶数节省原则， 采取由低阶逐步升高的 “。
8、过拟合” 办法， 先对观测数 据拟合模型 AR(p)(p 1， 2， L)， 用递推最小二乘估计其参数并分别计算对应 模型的残差平方和 ； 根据适用的模型应具有较小的残差平方和的特点， 用 F 准则判定模型 的阶数改变后相应的残差平方和变化是否显著 ； 检验假设即表示模型 AR(p-1) 是合适的 ； 由于模型 AR(p) 残差平方和为 ： 模型 AR(p-1) 的残差平方和为 ： 可以证明统计量 F 服从自由度 1 和 N-p 的 F 分布， 即 对 给 定 的 显 著 性 0.05 或 0.01，查 F 分 布 表 得 F(1， N-p)，并 计 算 若 F F， 拒绝 H0； 若 F F。
9、， 则接受 H0， 即 AR(p-1) 是合适模型。 3. 根据权利要求 1 所述的一种时间序列交叉的供热负荷预报工程化方法， 其特征在 于 ： 在步骤三中， 所述交叉预报的加权系数利用最小二乘法来确定。 权 利 要 求 书 CN 102509169 A 3 1/6 页 4 一种时间序列交叉的供热负荷预报工程化方法 技术领域 0001 本发明涉及一种适用于工程应用的供热负荷预报方法。 属于供热负荷预报技术领 域。 背景技术 0002 现有供热负荷预报方法多根据天气进行线性预报， 其预报精度较低， 无法满足供 热节能控制的需要 ； 现有的供热调节方式一种是根据天气温度进行调节， 属于横向预报， 。
10、预 报精度低， 另外一种是根据供热负荷前几个时刻的负荷进行预报， 精度也比较低。而且， 现 有智能供热负荷预报方法， 研究针对离线进行的， 停留在实验室仿真层面， 并且没有给出供 热工程节能应用实例， 更没有开发供热负荷预报软件， 使得理论成果无法应用于实际工程。 总而言之， 现有的供热负荷预报方法存在计算复杂、 速度慢、 精度不高， 不适合用于工程上 供热负荷预报， 因此， 亟需一种预报精度高、 实时性好的工程预报方法， 满足供热工程应用 需要。 发明内容 0003 本发明为了解决现有的供热负荷预报方法存在计算复杂、 速度慢、 精度不高， 不适 合用于工程上供热负荷预报的问题， 进而提供了一。
11、种时间序列交叉的供热负荷预报工程化 方法。 0004 本发明为解决上述技术问题采取的技术方案是 ： 时间序列交叉预报按照以下步骤 实现 ： 首先分别使用时间序列的横向及纵向预报对数据进行预报。使用 Yule-Walker 法的 建模理论， 以及 F 定阶准则， 确定模型的 AR 模型。纵向预报选取了采样周期内每天同一时 刻的热负荷值， 进行建模 ； 横向预报则选取一天内的所有热负荷数据进行预报。 然后根据最 小平方误差和原则， 利用最小二乘法， 确定交叉预报的加权系数从而确定热负荷交叉预报 模型。本文所采用的交叉预报中横向和纵向所采用的模型类是相同的， 但数据源和模型阶 是不同的， 组合方法采。
12、用加权平均法， 权值的确定采用最小二乘法确定。 0005 所述时间序列交叉的供热负荷预报工程化方法是按照以下步骤实现的 ： 0006 步骤一、 横向预报 ： 将第 t 天第 i 时刻的负荷记为 Lt(i)， 根据横向负荷时间序列， Lt(i) 可由第 i 时刻的前 m1个时刻的历史负荷预报 ； 0007 步骤二、 纵向预报 ： 将第 t 天第 i 时刻的负荷记为 Lt(i)， 根据纵向负荷时间序列， Lt(i) 可由第 t 天之前 m2天第 i 时刻的历史负荷来预报 ； 0008 步骤三、 时间序列交叉预报 ： 在横向预报和纵向预报的基础上， 将两种预报结合起 来， 根据最小平方误差和原则， 。
13、确定交叉预报的加权系数， 得到交叉预报模型 ： 0009 yC f(yH， yV) kHyH+kVyV (1) 0010 式中 ： yC为交叉预报结果， yH为横向预报结果， yV为纵向预报结果 ； 所述交叉预报 的加权系数包括横向预报权数 kH和纵向预报权数 kV。 0011 本发明的有益效果是 ： 说 明 书 CN 102509169 A 4 2/6 页 5 0012 本发明所述的时间序列交叉预报方法是一种高精度的工程预报方法， 其可以减少 预报的系统误差， 较常规工程预报算法具有更高的精度， 为节能监控工程应用提供了参考。 而且预报速度快， 能够达到预报速度与预报精度的最佳折衷。 与横向。
14、预报相比， 误差平方和 降低 10以上。 0013 本发明所述的时间序列交叉预报方法， 充分挖掘了负荷时间序列自身的信息， 仅 采用负荷时间序列交叉就可得到较高的预报精度， 可以避免引入天气、 节假日属性等影响 因素， 提高预报算法实时性。 0014 北方建筑采暖能耗高、 比例大， 应为建筑节能的重点， 而热力站调节是实现供热系 统节能的关键之一。根据供热过程的特点和节能控制的要求， 对供热系统热力站作实时负 荷预报， 并以此作节能监控信号。本项发明的时间序列交叉预报方法可直接为供热系统热 力站节能控制应用。 附图说明 0015 图 1 是本发明的原理示意图。图 1 是本发明所述的时间序列交叉。
15、的供热负荷预报 工程化方法的原理示意图， 图2是实施例中的供热系统日平均负荷曲线图， 图3是实施例中 的热负荷 AR(3) 模型的纵向预报曲线图， 图 4 是热负荷 AR(3) 模型的横向预报曲线图， 图 5 是热负荷 AR(3) 模型的交叉预报曲线图。 具体实施方式 0016 具体实施方式一 ： 如图 1 所示， 本实施方式所述的一种时间序列交叉的供热负荷 预报工程化方法是按照以下步骤实现的 ： 0017 步骤一、 横向预报 ： 将第 t 天第 i 时刻的负荷记为 Lt(i)， 根据横向负荷时间序列， Lt(i) 可由第 i 时刻的前 m1个时刻的历史负荷预报 ； 0018 步骤二、 纵向预。
16、报 ： 将第 t 天第 i 时刻的负荷记为 Lt(i)， 根据纵向负荷时间序列， Lt(i) 可由第 t 天之前 m2天第 i 时刻的历史负荷来预报 ； 0019 步骤三、 时间序列交叉预报 ： 在横向预报和纵向预报的基础上， 将两种预报结合起 来， 根据最小平方误差和原则， 确定交叉预报的加权系数， 得到交叉预报模型 ： 0020 yC f(yH， yV) kHyH+kVyV (1) 0021 式中 ： yC为交叉预报结果， yH为横向预报结果， yV为纵向预报结果 ； 所述交叉预报 的加权系数包括横向预报权数 kH和纵向预报权数 kV。 0022 具体实施方式二 ： 本实施方式所述所述横向。
17、预报和纵向预报均由 AR 模型来实现， 利用 Yule-Walker 法的建模理论以及 F 定阶准则确定 AR 模型， 具体过程为 ： 0023 步骤 A、 AR 模型的描述 ： 0024 AR 模型就是自回归模型， AR 模型的系统函数 H(z) 表示为 0025 0026 AR 模型的系统函数 H(z) 有极点而没零点， 模型阶由分母多项式阶 p 决定， 表示为 AR(p) ； 如果在白噪声 w(n) 激励下模型的输出为 x(n)， 则模型输入输出关系的时域表达式 说 明 书 CN 102509169 A 5 3/6 页 6 为 ： 0027 0028 此式为 AR 模型的差分方程 ； 0。
18、029 步骤 B、 Yule-Walker 法估计参数 ： 0030 Yule-Walker 法估计参数是一种直接估计法， 即直接观测数据或者数据的采样特 性估计出模型参数 ； 在已知其前 N+1 个相关函数 Rx(0)， Rx(1)， L Rx(N) 或者是这 N+1 个相关 函数的估计值， 由这个 N+1 个值估计出模型参数 ak(k 1， 2， L， N) ； 0031 由公式 (2) 可知， p 阶 AR 模型有 p+1 个待定参数 ： a1， a2， L ap和系统增益 G ； 0032 由公式 (3) 可知， 系统输出 0033 即用 n 时刻之前 p 个值的线性组合来预报 n 时。
19、刻的值 x(n)， 预报误差 为 Gw(n) ； 在均方误差最小的情况下， 组合系数 a1， a2， L ap的选择应使预报误差 Gw(n) 均方 值最小 ； 0034 令预报误差为 e(n)， 有 0035 0036 则 0037 0038 式中， G2和白噪声的方差是同时出现的， 故将其中的一个量固定， 求另一个 ； 0039 在最小均方差准则下， 要使预报值最佳地逼近 x(n)， 参数 ai的选取应该满足 ： 0040 0041 从而推倒出 AR 模型的正则方程， 即尤勒 - 沃克 (Yule-Walker) 方程 ： 0042 0043 并以此方程确定 AR 模型的 p+1 个参数 ；。
20、 0044 步骤 C、 AR 模型的 F 检验法定阶 ： 0045 设 Xt(1 t N) 是零均值平稳序列 Xt， t 0， 1， L 一段样本， 并用 AR(p) 模 型 0046 0047 进行拟合， 根据模型阶数节省原则， 采取由低阶逐步升高的 “过拟合” 办法， 先对观 测数据拟合模型 AR(p)(p 1， 2， L)， 用递推最小二乘估计其参数并分别计算 对应模型的残差平方和 ； 根据适用的模型应具有较小的残差平方和的特点， 用 F 准则判定 模型的阶数改变后相应的残差平方和变化是否显著 ； 说 明 书 CN 102509169 A 6 4/6 页 7 0048 检验假设即表示模型。
21、 AR(p-1) 是合适的 ； 由于模型 AR(p) 残差平方和 为 ： 0049 0050 模型 AR(p-1) 的残差平方和为 ： 0051 0052 可以证明统计量 F 服从自由度 1 和 N-p 的 F 分布， 即 0053 0054 对 给 定 的 显 著 性 0.05 或 0.01，查 F 分 布 表 得 F(1， N-p)，并 计 算 若 F F， 拒绝 H0； 若 F F， 则接受 H0， 即 AR(p-1) 是合适模型。其 它步骤与具体实施方式一相同。 0055 具体实施方式三 ： 本实施方式在步骤三中， 所述交叉预报的加权系数利用最小二 乘法来确定。其它步骤与具体实施方式一。
22、相同。 0056 实施例 ： 0057 1. 热力站原始数据的采集及预处理 0058 以哈尔滨市某热力站 2006 年 1 月 20 号至 3 月 20 号共 60 天实测数据作为供热系 统负荷预报的原始数据。在热力站现场每隔 15 分钟采样一次， 每天从早晨 7 点到晚上 7 点 共 12 小时， 采样 49 次。根据所得到的数据， 利用三次样条插值， 绘出日平均负荷的平滑曲 线图 2。 0059 应用最小二乘估计可对信号确定部分的预报， 因此可以用来提取信号中的随机部 分。时间序列可以写成 0060 x(i) X(i)+(i) (12) 0061 其中， X(i) 是信号中的确定部分， (。
23、i) 即是信号中的随机部分。而经过平稳化处 理之后， 可以从原始信号中分离出随机信号部分。 0062 2.AR 模型的纵向与横向预报 0063 1)AR 模型的纵向预报 0064 采用纵向预报的方法进行预报。选取每天中午 1 点钟的负荷值共 60 个数据。根 据 Yule-Walker 法的建模理论， 以及 F 定阶准则， 对这组数据进行预报。AR(P) 模型参数的 F 检验结果如表 1 所示。 0065 表 1AR(P) 模型参数的 F 检验结果 说 明 书 CN 102509169 A 7 5/6 页 8 0066 0067 对数据建立 AR(3) 模型进行预报， 结果如图 3 所示。 0。
24、068 2) 供热负荷的横向预报 0069 横向预报是根据一天内49个数据所进行的预报。 所预报的目标是每天下午1点钟 的负荷值， 所以分别对 60 天内的数据进行 60 次预报， 预报模型用的是 AR(3) 模型， 把每次 预报的下午 1 点钟的负荷值提取出来， 组成对每天中午 1 点钟的负荷值的横向预报值。如 图 4 所示 ： 0070 3.AR 模型的交叉预报 0071 根据最小二乘法确定 13:00 的横向预报权数为 0.8694， 纵向预报权数为 0.1389， 13:00 负荷序列的交叉预报结果如图 5 所示。 0072 4. 预报结果分析 0073 经过计算， 13:00 的负荷。
25、序列的交叉预报相对于横向预报值误差平方和改进 16.1， 交叉预报能有效地降低短期预报的误差， 提高预报精度。 交叉预报的误差分析如表 2。 0074 表 2 误差分析表 0075 0076 以热力站现场采集的热负荷数据作为预报的样本数据， 对其进行平稳化处理后用 于供热系统的负荷预报 ； 使用 Yule-Walker 法和 F 检验的方法确定模型的阶次， 建立了时 间序列的 AR 模型 ； 在进行纵向预报和横向预报的基础上， 提出热负荷交叉预报， 并给出了 权系数 ； 最后通过比较交叉预报、 纵向预报及横向预报的误差平方和， 证明了时间序列交叉 说 明 书 CN 102509169 A 8 6/6 页 9 预报这种工程预报方法， 具有更高的精度， 实时的特点， 为节能监控工程应用提供了理论依 据。 说 明 书 CN 102509169 A 9 1/3 页 10 图 1 图 2 说 明 书 附 图 CN 102509169 A 10 2/3 页 11 图 3 图 4 说 明 书 附 图 CN 102509169 A 11 3/3 页 12 图 5 说 明 书 附 图 CN 102509169 A 12 。