论文部分内容阅读
能源短缺是目前全世界各个国家都要面对的首要问题,合理的利用能源提高能源使用效率是解决这一问题的关键。我国地处北半球,东北、西北和华北地区冬季采暖能耗十分巨大,约占我国能耗的27%,主要问题为采暖效率较低,其中单位面积的采暖能耗是西方发达国家的2-3倍。建筑采暖是国家实施节能减排的重要领域之一。本文提出的热力站负荷预报研究就是进行供热节能研究的体现。采暖节能的关键技术是进行负荷预报研究和实施系统优化配置,热力站负荷预报是实现热力站优质供热和节能的保障。本文是基于时间序列分析的各种方法供热负荷数据进行预报研究。第一部分是对所选取的东北两个地区的热力站进行基础数据采集,通过计算得出供热负荷原始数据,并对计算得出的负荷序列进行三个步骤的数据预处理:首先是对负荷序列中存在的空缺异常数据和非空缺异常数据根据异常数据处理方法进行处理。然后对经过异常数据处理后的序列进行平稳化识别。最后由于时间序列分析方法对数据的平稳性的要求,需要对判定为非平稳化的负荷序列根据其非平稳的种类采取差分的方法对序列进行平稳化处理。将处理后的平稳序列作为负荷预报研究的样本序列。针对供热负荷序列进行时间序列的模型识别,选取时间序列中的AR模型作为供热负荷预报的模型分别进行横向预报和纵向预报。首先通过F准则确定AR模型的阶次,再通过Yule-Walker法识别AR模型参数确定预报模型。为了提高负荷预报的精准度,需在横向预报和纵向预报的基础上进行以最小二乘法作为权值确定依据的负荷序列的交叉预报。根据供热负荷自身存在的趋势性和季节性,本文又采用通过了AIC(BIC)准则确定模型的阶次,再应用极大似然法识别模型参数的乘积季节性ARIMA模型进行负荷序列的预报研究。由于乘积季节性ARIMA预报方法对对负荷序列中突变部分不敏感,预报精度相对于平稳部分有所降低。为解决这一问题本文采用卡尔曼逆推方法对应用乘积季节性ARIMA方法进行供热负荷预报的方法进行改进。最后,分别对交叉预报方法和乘积季节性ARIMA预报方法进行实验仿真,仿真以采集的样本序列为对象,包括横向预报、纵向预报、交叉预报、乘积季节性ARIMA预报及其改进的乘积季节性ARIMA预报方法的仿真。对各种方法的仿真结果进行对比分析。给出工程应用的参考建议。