开云优惠体育网页版入口

专利名称：一种供热系统负荷预测方法

专利类型：发明专利

专利申请号：CN202311188343.0

专利申请（专利权）人：华能苏州热电有限责任公司
权利人地址：江苏省苏州市苏州高新区长江路688号

专利发明（设计）人：周雄伟,郑永峰,韦巍,刘国兴,刘振宙,郭鹏程

专利摘要：本发明涉及供热系统负荷预测技术领域,更具体的说是涉及一种供热系统负荷预测方法，包括：基于G?I?S地理信息系统对供热系统的管网进行建模；根据供热系统模型中热用户的负荷类型，对供热系统进行区域划分；基于历史数据建立供热区域内预测模型；获取当前时间的特征数据，并将数据输入到预测模型中，得到第一预测负荷；根据第一预测负荷值，对管网的热损进行计算，根据热损值对第一预测负荷进行修正，得到第二预测负荷；根据所有供热区域的第二预测负荷进行计算，得到供热系统的预测负荷；将供热系统的范围通过供热类型进行区域划分，对每个区域单独进行负荷预测。同时对每个区域的管网热损进行计算，提高了供热系统负荷预测的精准度。

主权利要求：
1.一种供热系统负荷预测方法，其特征在于，包括：基于GIS地理信息系统对供热系统的管网进行建模；所述供热系统模型包括管网走向、系统热源、热用户、管道、阀门、疏水器、补偿器信息；
根据所述供热系统模型中热用户的负荷类型，对供热系统进行区域划分，将供热系统划分为多个供热区域；
获取所述供热区域内供热系统的历史数据，基于所述历史数据中影响供热负荷的特征数据，建立所述供热区域内的多个预测模型；
获取当前时间的特征数据，匹配相应的所述预测模型，并将数据输入到所述预测模型中，对所述供热区域内的供热负荷进行预测，得到第一预测负荷；
根据所述第一预测负荷，对所述供热区域内供热系统的运行情况进行预测，并根据供热系统的运行情况对管网的热损进行计算，根据热损值对所述第一预测负荷进行修正，得到第二预测负荷；
根据所有所述供热区域的第二预测负荷进行计算，得到供热系统的预测负荷；
所述基于GIS地理信息系统对供热系统的管网进行建模，包括：获取供热系统中供热管道的位置、长度、尺寸和连接关系信息，供热站点的位置和设备信息；
获取供热系统中热用户的负荷类型；
获取供热系统覆盖区域内的地形数据、土地使用信息和水流数据；
将获取的数据转换为GIS地理信息系统支持的数据格式，对转换后的数据进行异常值处理和缺失值处理；
将处理后的地理数据导入到GIS软件中，根据供热系统的管网数据在GIS中进行管道绘制；
根据热用户的负荷类型在GIS软件中进行标记，形成供热系统的静态模型；
所述根据所述供热系统模型中热用户的负荷类型，对供热系统进行区域划分，包括：获取热用户的负荷类型，根据负荷类型将所述供热系统范围分为多个类型区域；
获取所述类型区域的分布信息，根据分布信息将类型区域划分为多个类型子区域；
获取所述类型子区域的面积，若所述类型子区域的面积大于预设的最大面积阈值，则将当前所述类型子区域进行划分，划分后每个区域为所述供热区域，且所述供热区域大于预设的最小面积阈值；若所述类型子区域的面积小于预设的最大面积阈值，则将当前所述类型子区域作为所述供热区域；
所述获取所述供热区域内供热系统的历史数据，基于所述历史数据中影响供热负荷的特征数据，建立所述供热区域内的多个预测模型，包括：对所述供热区域内热用户负荷的历史数据和目标区域内气象的历史数据进行获。玫降谝焕肥荩
对所述第一历史数据进行预处理，清除所述第一历史数据中的异常数据，得到第二历史数据；
设置筛选特征数据，对所述第二历史数据进行分组，得到第一数据组；
利用神经网络模型根据所述第一数据组进行数据训练和验证，得到特征数据相对应的预测模型；
所述获取当前时间的特征数据，匹配相应的所述预测模型，并将数据输入到所述预测模型中，对所述供热区域内的供热负荷进行预测，得到第一预测负荷，包括：根据所述历史数据根据时间进行排序，历史统计分析法确定在不同时间段的特征数据的权重；
获取当前时间所有的特征数据，选择权重最大的特征数据对所述预测模型进行匹配；
若剩余的特征数据超过相对应的预设数据阈值时，根据特征数据超过预设数据阈值的比例，确定剩余特征数据的权重大。
确定所有特征数据权重后，将数据输入到所述预测模型中，对所述供热区域的负荷进行预测，得到第一预测负荷；
所述根据供热系统的运行情况对管网的热损进行计算，根据热损值对所述第一预测负荷进行修正，得到第二预测负荷，包括：获取所述供热区域内管道的运行数据，根据运行数据对管道的散热损失进行计算，其计算公式为：其中， 为各管道的保温层外径，单位为m； 为各不同管径和不同保温层外径管道的长度，单位为m； 为各不同管径和不同保温层外径管道的单位面积散热损失，单位W/m2；
其中， 的计算公式为：
其中， 为管道内蒸汽温度，单位K； 为外界环境温度，单位K；
为管道的保温外径，单位m； 为保温材料的当量热导率，单位W/(m*K)； 为金属管道的外径，单位m； 为绝热层外表面与周围空气的传热系数，单位W/(m2*K)；
获取所述供热区域中热源和热用户的数据信息，对供热的疏水质量损失进行计算，其计算公式为：其中， 为管网的散热损失； 为热源出口蒸汽过热状态的焓值； 为热源出口整体饱和状态的焓值； 为各热用户入口蒸汽过热状态的焓值； 为各热用户入口蒸汽饱和状态的焓值； 为热源的出口质量； 为各热用户的用气质量； 潜为蒸汽的汽化潜热；
并对所述供热区域的漏气质量损失进行计算，其计算公式为：通过管网散热损失、疏水质量损失和漏气质量损失对所述供热区域的热损进行计算，其计算公式为：其中， 为所述供热区域的热损值； 为各热用户的疏水质量损失； 为各热用户的疏水焓值； 为各热用户的漏气质量损失； 为各热用户的漏气焓值；
根据所述供热区域的热损值对所述第一预测负荷进行修正，得到第二预测负荷；
得到供热系统的预测负荷之后，还包括：
获取所述供热区域的实际热量损失，其计算公式为：
其中， 为热源的出口质量； 为热源的出口焓值； 为热用户的出口质量； 为热用户的出口焓值；
通过实际热量损失与计算热量损失计算偏差值，计算公式为：若 大于预设的偏差阈值，则根据 与所述偏差阈值的差值大小对 进行调节。 说明书 : 一种供热系统负荷预测方法技术领域[0001] 本发明涉及供热系统负荷预测技术领域,更具体的说是涉及一种供热系统负荷预测方法。背景技术[0002] 供热系统是一种集中供热的设施，用于向城市内的建筑物和区域提供热能。它通过一系列的供热设备、管道网络和热交换站将热能从生产源输送到用户区域，以满足居民、商业和工业等各种用热需求。[0003] 在我国进行供热时因为供热规模大，热源多、用户多、参数复杂的原因，在对供热系统进行负荷调节时，负荷波动较大，而且频繁的调节不利于系统的稳定，容易造成热力系统的安全问题。[0004] 在现有技术中针对上述问题，大多使用供热系统的历史负荷数据研究负荷变化规律，生成负荷预测模型，在输入当前数据进行预测。该方法不能对小范围的负荷进行确定，且没有计算供热中热用户的实际使用和网管的热损消耗，预测结果精准度较低。[0005] 因此如何提高供热系统预测负荷的精准度是本领域技术人员亟需解决的问题。发明内容[0006] 有鉴于此，本发明提供了一种供热系统负荷预测方法，将供热系统的范围通过供热类型进行区域划分，对每个区域单独进行负荷预测。同时对每个区域的管网热损进行计算，提高了供热系统负荷预测的精准度。[0007] 为实现上述目的，本发明提供如下技术方案：[0008] 优选的，在上述一种供热系统负荷预测方法，包括：[0009] 基于GIS地理信息系统对供热系统的管网进行建模；所述供热系统模型包括管网走向、系统热源、热用户、管道、阀门、疏水器、补偿器信息；[0010] 根据所述供热系统模型中热用户的负荷类型，对供热系统进行区域划分，将供热系统划分为多个供热区域；[0011] 获取所述供热区域内供热系统的历史数据，基于所述历史数据中影响供热负荷的特征数据，建立所述供热区域内的多个预测模型；[0012] 获取当前时间的特征数据，匹配相应的所述预测模型，并将数据输入到所述预测模型中，对所述供热区域内的供热负荷进行预测，得到第一预测负荷；[0013] 根据所述第一预测负荷，对所述供热区域内供热系统的运行情况进行预测，并根据供热系统的运行情况对管网的热损进行计算，根据热损值对所述第一预测负荷进行修正，得到第二预测负荷；[0014] 根据所有所述供热区域的第二预测负荷进行计算，得到供热系统的预测负荷。[0015] 优选的，在上述一种供热系统负荷预测方法，所述基于GIS地理信息系统对供热系统的管网进行建模，包括：[0016] 获取供热系统中供热管道的位置、长度、尺寸和连接关系信息，供热站点的位置和设备信息；[0017] 获取供热系统中热用户的负荷类型；[0018] 获取供热系统覆盖区域内的地形数据、土地使用信息和水流数据；[0019] 将获取的数据转换为GIS地理信息系统支持的数据格式，对转换后的数据进行异常值处理和缺失值处理；[0020] 将处理后的地理数据导入到GIS软件中，根据供热系统的管网数据在GIS中进行管道绘制；[0021] 根据热用户的负荷类型在GIS软件中进行标记，形成供热系统的静态模型。[0022] 优选的，在上述一种供热系统负荷预测方法，所述根据所述供热系统模型中热用户的负荷类型，对供热系统进行区域划分，包括：[0023] 获取热用户的负荷类型，根据负荷类型将所述供热系统范围分为多个类型区域；[0024] 获取所述类型区域的分布信息，根据分布信息将类型区域划分为多个类型子区域；[0025] 获取所述类型子区域的面积，若所述类型子区域的面积大于预设的最大面积阈值，则将当前所述类型子区域进行划分，划分后每个区域为所述供热区域，且所述供热区域大于预设的最小面积阈值；若所述类型子区域的面积小于预设的最大面积阈值，则将当前所述类型子区域作为所述供热区域。[0026] 优选的，在上述一种供热系统负荷预测方法，所述获取所述供热区域内供热系统的历史数据，基于所述历史数据中影响供热负荷的特征数据，建立所述供热区域内的多个预测模型，包括：[0027] 对所述供热区域内热用户负荷的历史数据和目标区域内气象的历史数据进行获。玫降谝焕肥荩籟0028] 对所述第一历史数据进行预处理，清除所述第一历史数据中的异常数据，得到第二历史数据；[0029] 设置筛选特征数据，对所述第二历史数据进行分组，得到第一数据组；[0030] 利用神经网络模型根据所述第一数据组进行数据训练和验证，得到特征数据相对应的预测模型。[0031] 优选的，在上述一种供热系统负荷预测方法，所述获取当前时间的特征数据，匹配相应的所述预测模型，并将数据输入到所述预测模型中，对所述供热区域内的供热负荷进行预测，得到第一预测负荷，包括：[0032] 根据所述历史数据根据时间进行排序，历史统计分析法确定在不同时间段的特征数据的权重；[0033] 获取当前时间所有的特征数据，选择权重最大的特征数据对所述预测模型进行匹配；[0034] 若剩余的特征数据超过相对应的预设数据阈值时，根据特征数据超过预设数据阈值的比例，确定剩余特征数据的权重大。籟0035] 确定所有特征数据权重后，将数据输入到所述预测模型中，对所述供热区域的负荷进行预测，得到第一预测负荷。[0036] 优选的，在上述一种供热系统负荷预测方法，所述根据供热系统的运行情况对管网的热损进行计算，根据热损值对所述第一预测负荷进行修正，得到第二预测负荷，包括：[0037] 获取所述供热区域内管道的运行数据，根据运行数据对管道的散热损失进行计算，其计算公式为：[0038] Q散＝∑(πD2iLiqi)[0039] 其中，D2i为各管道的保温层外径，单位为m；Li为各不同管径和不同保温层外径管道的长度，单位为m；qi为各不同管径和不同保温层外径管道的单位面积散热损失，单位W/m2；[0040] 其中，qi的计算公式为：[0041][0042] 其中，T为管道内蒸汽温度，单位K；Ta为外界环境温度，单位K；D2为管道的保温外径，单位m；λ为保温材料的当量热导率，单位W/(m*K)；D1为金属管道的外径，单位m；α为绝热层外表面与周围空气的传热系数，单位W/(m2*K)；[0043] 获取所述供热区域中热源和热用户的数据信息，对供热的疏水质量损失进行计算，其计算公式为：[0044][0045] 其中，Q散为管网的散热损失；H0为热源出口蒸汽过热状态的焓值；Hbq为热源出口整体饱和状态的焓值；Hi为各热用户入口蒸汽过热状态的焓值；Hbqi为各热用户入口蒸汽饱和状态的焓值；M0为热源的出口质量；Mi为各热用户的用气质量；H潜为蒸汽的汽化潜热；[0046] 并对所述供热区域的漏气质量损失进行计算，其计算公式为：[0047] ∑Mqi＝(M0?∑Mi)?∑Msi[0048] 通过管网散热损失、疏水质量损失和漏气质量损失对所述供热区域的热损进行计算，其计算公式为：[0049] ΔQ＝Q散+∑(MsiHsi)+Σ(MqiHqi)[0050] 其中，ΔQ为所述供热区域的热损值；Msi为各热用户的疏水质量损失；Hsi为各热用户的疏水焓值；Mqi为各热用户的漏气质量损失；Hqi为各热用户的漏气焓值；[0051] 根据所述供热区域的热损值对所述第一预测负荷进行修正，得到第二预测负荷。[0052] 优选的，在上述一种供热系统负荷预测方法，得到供热系统的预测负荷之后，还包括：[0053] 获取所述供热区域的实际热量损失，其计算公式为：[0054] ΔQ实测＝M0H0?∑(MiHi)[0055] 其中，M0为热源的出口质量；H0为热源的出口焓值；Mi为热用户的出口质量；Hi为热用户的出口焓值；[0056] 通过实际热量损失与计算热量损失计算偏差值，计算公式为：[0057][0058] 若η偏差值大于预设的偏差阈值，则根据η偏差值与所述偏差阈值的差值大小对α进行调节。[0059] 经由上述的技术方案可知，与现有技术相比，本发明的有益效果为：[0060] 1.将供热系统的范围通过供热类型进行区域划分，对每个区域单独进行负荷预测。同时对每个区域的管网热损进行计算，提高了供热系统负荷预测的精准度。附图说明[0061] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。[0062] 图1附图为本发明方法的流程示意图。具体实施方式[0063] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0064] 在本发明中，术语“第一”、“第二”、“第三”仅用于描述的目的，而不能理解为指示或暗示相对重要性；术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。[0065] 本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明的限制。[0066] 在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。[0067] 实施例1[0068] 如图1所示，本发明实施例公开了一种供热系统负荷预测方法，包括：[0069] 基于GIS地理信息系统对供热系统的管网进行建模；供热系统模型包括管网走向、系统热源、热用户、管道、阀门、疏水器、补偿器信息；[0070] 根据供热系统模型中热用户的负荷类型，对供热系统进行区域划分，将供热系统划分为多个供热区域；[0071] 获取供热区域内供热系统的历史数据，基于历史数据中影响供热负荷的特征数据，建立供热区域内的多个预测模型；[0072] 获取当前时间的特征数据，匹配相应的预测模型，并将数据输入到预测模型中，对供热区域内的供热负荷进行预测，得到第一预测负荷；[0073] 根据第一预测负荷，对供热区域内供热系统的运行情况进行预测，并根据供热系统的运行情况对管网的热损进行计算，根据热损值对第一预测负荷进行修正，得到第二预测负荷；[0074] 根据所有供热区域的第二预测负荷进行计算，得到供热系统的预测负荷。[0075] 在上述实施例中，热用户的类型分为住宅区域、商业区域、工业区域、公共设施区域，需要说明的是每个区域都具有各自的供热使用规律，分区域进行负荷预测，能够提高负荷预测准确度。[0076] 在上述实施例中，数据特征优选的包括气象数据(温度、湿度、风速和天气)，日期数据(节假日，用热时间段)，对供热影响较大的因素作为特征数据。[0077] 在上述实施例中，通过对各供热区域负荷预测后相加为供热系统的整体负荷。[0078] 上述实施例的有益效果为：将供热系统的范围通过供热类型进行区域划分，对每个区域单独进行负荷预测。同时对每个区域的管网热损进行计算，提高了供热系统负荷预测的精准度。[0079] 实施例2[0080] 在一个实施例中，一种供热系统负荷预测方法，基于GIS地理信息系统对供热系统的管网进行建模，包括：[0081] 获取供热系统中供热管道的位置、长度、尺寸和连接关系信息，供热站点的位置和设备信息；[0082] 获取供热系统中热用户的负荷类型；[0083] 获取供热系统覆盖区域内的地形数据、土地使用信息和水流数据；[0084] 将获取的数据转换为GIS地理信息系统支持的数据格式，对转换后的数据进行异常值处理和缺失值处理；[0085] 将处理后的地理数据导入到GIS软件中，根据供热系统的管网数据在GIS中进行管道绘制；[0086] 根据热用户的负荷类型在GIS软件中进行标记，形成供热系统的静态模型。[0087] 在上述实施例中，通过GIS软件进行静态模型建设为现有技术，在模型中加入热用户的负荷类型，利用静态模型对区域进行划分。[0088] 实施例3[0089] 在一个实施例中，一种供热系统负荷预测方法，根据供热系统模型中热用户的负荷类型，对供热系统进行区域划分，包括：[0090] 获取热用户的负荷类型，根据负荷类型将供热系统范围分为多个类型区域；[0091] 获取类型区域的分布信息，根据分布信息将类型区域划分为多个类型子区域；[0092] 获取类型子区域的面积，若类型子区域的面积大于预设的最大面积阈值，则将当前类型子区域进行划分，划分后每个区域为供热区域，且供热区域大于预设的最小面积阈值；若类型子区域的面积小于预设的最大面积阈值，则将当前类型子区域作为供热区域。[0093] 在上述实施例中，最大面积阈值和最小面积阈值根据本领人员的经验进行设置。需要说明的是进行区域划分进行负荷计算，目的为提高预测的精准度，多大的区域划分对影响预测的精准度；区域过小容易造成数据量较小影响预测结果的稳定性。[0094] 实施例4[0095] 在一个实施例中，一种供热系统负荷预测方法，获取供热区域内供热系统的历史数据，基于历史数据中影响供热负荷的特征数据，建立供热区域内的多个预测模型，包括：[0096] 对供热区域内热用户负荷的历史数据和目标区域内气象的历史数据进行获。玫降谝焕肥荩籟0097] 对第一历史数据进行预处理，清除第一历史数据中的异常数据，得到第二历史数据；[0098] 设置筛选特征数据，对第二历史数据进行分组，得到第一数据组；[0099] 利用神经网络模型根据第一数据组进行数据训练和验证，得到特征数据相对应的预测模型。[0100] 在上述实施例中，利用神经网络模型建立数据预测模型为现有技术。根据不同的特征数据进行筛选建立多个预测模型，能够提高预测精准度。如节假日的预测模型、恶劣天气的预测模型。[0101] 实施例5[0102] 在一个实施例中，一种供热系统负荷预测方法，获取当前时间的特征数据，匹配相应的预测模型，并将数据输入到预测模型中，对供热区域内的供热负荷进行预测，得到第一预测负荷，包括：[0103] 根据历史数据根据时间进行排序，历史统计分析法确定在不同时间段的特征数据的权重；[0104] 获取当前时间所有的特征数据，选择权重最大的特征数据对预测模型进行匹配；[0105] 若剩余的特征数据超过相对应的预设数据阈值时，根据特征数据超过预设数据阈值的比例，确定剩余特征数据的权重大。籟0106] 确定所有特征数据权重后，将数据输入到预测模型中，对供热区域的负荷进行预测，得到第一预测负荷。[0107] 在上述实施例中，获取当前的特征数据，如周末、大雪、中午，对于不同供热类型的区域各数据权重不同，首先确定周末对各区域的影响较大作为筛选条件，大雪对办公区域影响较小、对住宅区域和商业区域影响较大，在对剩余特征数据进行权重划分，能够提高了负荷预测的精准度。[0108] 实施例6[0109] 在一个实施例中，一种供热系统负荷预测方法，根据供热系统的运行情况对管网的热损进行计算，根据热损值对第一预测负荷进行修正，得到第二预测负荷，包括：[0110] 获取供热区域内管道的运行数据，根据运行数据对管道的散热损失进行计算，其计算公式为：[0111] Q散＝∑(πD2iLiqi)[0112] 其中，D2i为各管道的保温层外径，单位为m；Li为各不同管径和不同保温层外径管道的长度，单位为m；qi为各不同管径和不同保温层外径管道的单位面积散热损失，单位W/m2；[0113] 其中，qi的计算公式为：[0114][0115] 其中，T为管道内蒸汽温度，单位K；Ta为外界环境温度，单位K；D2为管道的保温外径，单位m；λ为保温材料的当量热导率，单位W/(m*K)；D1为金属管道的外径，单位m；α为绝热层外表面与周围空气的传热系数，单位W/(m2*K)；[0116] 获取供热区域中热源和热用户的数据信息，对供热的疏水质量损失进行计算，其计算公式为：[0117][0118] 其中，Q散为管网的散热损失；H0为热源出口蒸汽过热状态的焓值；Hbq为热源出口整体饱和状态的焓值；Hi为各热用户入口蒸汽过热状态的焓值；Hbqi为各热用户入口蒸汽饱和状态的焓值；M0为热源的出口质量；Mi为各热用户的用气质量；H潜为蒸汽的汽化潜热；[0119] 并对供热区域的漏气质量损失进行计算，其计算公式为：[0120] ∑Mqi＝(M0?∑Mi)?∑Msi[0121] 通过管网散热损失、疏水质量损失和漏气质量损失对供热区域的热损进行计算，其计算公式为：[0122] ΔQ＝Q散+∑(MsiHsi)+∑(MqiHqi)[0123] 其中，ΔQ为供热区域的热损值；Msi为各热用户的疏水质量损失；Hsi为各热用户的疏水焓值；Mqi为各热用户的漏气质量损失；Hqi为各热用户的漏气焓值；[0124] 根据供热区域的热损值对第一预测负荷进行修正，得到第二预测负荷。[0125] 在上述实施例中，需要说明的是在对管网进行建设时热源的出口和所有热用户的入口处都有相关表计，可以对管网的温度、压力和流量进行监测。[0126] 实施例7[0127] 在一个实施例中，一种供热系统负荷预测方法，得到供热系统的预测负荷之后，还包括：[0128] 获取供热区域的实际热量损失，其计算公式为：[0129] ΔQ实测＝M0H0?∑(MiHi)[0130] 其中，M0为热源的出口质量；H0为热源的出口焓值；Mi为热用户的出口质量；Hi为热用户的出口焓值；[0131] 通过实际热量损失与计算热量损失计算偏差值，计算公式为：[0132][0133] 若η偏差值大于预设的偏差阈值，则根据η偏差值与偏差阈值的差值大小对α进行调节。[0134] 在上述实施例中，根据实际的测量值与预测计算值进行对比，对传热系数α进行调节，提高负荷预测的精准度；[0135] 需要说明的是，上述实施例，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。[0136] 术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。[0137] 至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。[0138] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

专利地区：江苏

专利申请日期：2023-09-14

专利公开日期：2024-11-29

专利公告号：CN117057481B