基于负荷预测的园区供热系统运行优化技术-于波.pdf

《基于负荷预测的园区供热系统运行优化技术-于波.pdf》由会员分享，可在线阅读，更多相关《基于负荷预测的园区供热系统运行优化技术-于波.pdf（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第38卷第12期2017年12月电 力 建设Electric Power ConstructionV0138No12Dec2017基矛负荷预测的园区供热系统运行优化技术于波12，卢欣12，李浩3，郑鑫4，赵军3，苏鹏伟3(1国网天津市电力公司电力科学研究院，天津市300384；2国网天津节能服务有限公司，天津市300384；3天津大学中低温热能高效利用教育部重点实验室，天津市300072；4南瑞集团公司(国网电力科学研究院)，南京市210000)摘要：随着电能替代的不断深化。由“电采暖”引起的用电高峰时段电网负荷过高的问题逐步突显出来，能源系统用电负荷的预测显得尤为重要。同时，为了解决采用多阶

2、段规划方法求解能源系统运行策略时耗时较多的问题。提出了基于负荷预测的园区供热系统运行优化技术。首先采用太阳辐射、室外温度与历史负荷作为输人参数的人工神经网络构建了热负荷预测模型；然后，通过将多阶段动态规划问题转化为线性规划问题，开发了供热系统运行优化方案快速求解方法；最后，使用该方法对北方某园区进行仿真验证，得到最优运行方案。结果显示，预测期内电采暖Et运行费用可节约115万元，用电峰谷负荷差减小5 489 kW，所提出的优化方法可在短时间、较少的监测参数下得到可行的运行方案，适用于工程实际。关键词：负荷预测；多阶段动态规划；线性规划；运行优化Heating System Operation

3、Optimization Technology forPark Based on Load PredictionYU B01一，LU Xinl一，LI Ha03，Z髓NG Xin4，ZHA0 Jun3，SU Pengwei3(1Electric Power Research Institute of Tianjin Electric Power Corporation，Tianjin 300384，China；2State Grid Tianjin Energy Conservation Service Co，Ltd，Tianjin 300384，China；3Key Laboratory o

4、f Efficient Utilization of Low and Medium Grade Energy，Ministry of Education，Tianjin University，Tianjin 300072，China；NARI Group Corporation(State Grid Electric Power Research Institute)，Naming 2 10000，China)ABSTRACT：With the deepening of the electrical energy substitution，the electric heating tends

5、tO highlight that the peakload could be too high during the peak period of electricity consumption，which makes it especially important of powersystem load forecastingAt the same time，in order tO solve the problem of time consuming by using multistage planningmethod to solve the energy system operati

6、on strategy，this paper presents operation optimization technology of regionalheating system for park based on load predictionFirstly，we build a thermal load prediction model by using artificial neuralnetwork，which takes solar radiation，ambient temperature and historical load as input parametersAnd t

7、hen，we develop aquick solution method for engineering application face tO regional heating system operation optimization，by convertingmultistage dynamic programming problem into linear programming problemFinally，we validate this method through thesimulation of a park in the North，tO obtain the optim

8、al running schemeThe results show that the daily operation cost ofelectric heating can save l l 500 yuan during forecast period，and the peak valley load difference can reduce 5 489kWTheproposed optimization method Can obtain the feasible running scheme in a short time and less monitoring parameters，

9、whichis suitable for engineering practiceKEYWORDS：load prediction；multistage dynamic programming；linear programming；optimization scheme中图分类号：TM 72 文献标志码：A 文章编号：10007229(2017)12007710DOI：103969jissn10007229201712010基金项目：国家电网公司科技项目(非市政集中采暖区电采暖规划及优化运行技术研究)万方数据0 引 言近年来，在政策的导向下。“电采暖”凭借其节能环保的优势，在国内供热市场得到大

10、力推广。然而，大功率电采暖设备的接入，极易在用电高峰时段造成电网的负荷过高。因此，面向未来的新一代电力系统需要在规划、设计、建设和运行阶段以及在电力的生产、传输与分配、转换、存储、消费等环节实现有机协调与优化1。目前，计及“煤改电”的电力需求侧响应技术悼。成为关注热点。在电采暖工程中，为了实现电网的移峰填谷，通过采用蓄热式电锅炉，利用低谷电量把水箱中的水加热储存起来，可以实现移峰填谷，但由于其并非是一种高效的电采暖设备，导致其推广应用还存在一些争议。工程上通过采用能效比更高的热泵与蓄热式电锅炉组合的供热系统，不失为一种有效的解决方法。而针对上述组合供能系统根据需求侧响应情况，调整供能系统的运行

11、方案，并实现经济运行目标，是区域能源系统需求侧响应中亟需解决的核心问题。能源系统中电能的特点是易传输不易存储热能的特点是易存储不易传输热力系统的时间常数远大于电力系统。对电供热系统功率的短期调整不会明显影响供热效果一3；。文献4提出了一种综合能源系统优化规划和运行框架，探讨了建立综合能源系统需要解决的关键技术。文献5将空调负荷作为需求侧资源可以有效拟合调控目标，提出了空调负荷群参与电网调节的优化调度策略。文献61建立了以电为核心的综合能源系统优化调度模型采用具有良好全局搜索能力的粒子群算法，得到经济性和环保性目标下的综合能源系统优化调度方案项目组随后在文献7中又讨论了综合能源系统的规划问题。从

12、理论上来看系统运行优化的目的是在分时电价曲线和用户逐时热负荷曲线2个因素约束下找到一条系统运行费用最小的热负荷分配曲线。8i。而实际工程中，机组的负载无法按照预想进行精细控制系统一般会设定阈值，只有当变化超出阈值范围，系统状态才会做出调整因此系统的实际运行曲线是阶段性的9 J，这种使整个活动总效果达到最优的多阶段问题，称为多阶段决策问题_1。每个阶段都与前一阶段存在传递关系上一阶段的决策将影响下一阶段的决策，且需要全部决策达到最优j在实际计算中发现，通常以小时为阶段、以1天为周期进行运行方案设计1m11，并采用函数迭代法或者策略迭代法进行求解。文献12采用逆序动态规划与序列二次规划结合对综合能

13、源微网的优化调度模型进行了求解，得到了系统在不同交互电价类型、不同运行模式下的优化运行调度情况；文献13采用时序蒙特卡洛模拟法求解了微网可靠性评估中计及负荷与储能装置协调优化的影响。然而，随阶段数增加，采用迭代法计算时将消耗大量计算机内存和计算时间。这在实际工程中是无法满足需要的。目前文献中的算法并没有对求解时问进行论述，鉴于此，为了解决多阶段规划方法的求解耗时问题，本文从工程实际出发提出基于热负荷预测的供能系统运行方案。首先利用基于历史数据挖掘的人工神经网络建模方法，对整个园区热负荷进行预测。然后以热负荷预测为基础采用变量有上下界的改进单纯形法对预测期内供能系统进行负荷分配，提出经济性最优的

14、运行策略。使用基于热负荷预测的供能系统调控方法能够实现快速求解，同时可以获得同区用电负荷的预测数据满足工程中对于运算时长尽量短的要求，可用于指导园区级能源系统规划设计、运行。1 热负荷预测建模经典的负荷预测方法包括线性回归算法、时间序列分析算法以及指数平滑法等。141。这些预测方法的特点是计算消耗的时间较短、运算量较小但其对影响负荷的因素考虑不全面。尤其在负荷发生剧烈变化时，预测精度无法保证。文献15利用神经网络方法对空调系统进行了逐时负荷预测结果表明合理的神经网络机构具有强大的预测功能。文献16分别采用线性回归、指数平滑、神经网络对同一建筑的空调进行了负荷预测研究，结果表明，神经网络的效果最

15、好。文献17基于遗传算法的思想，对BP(backpropagation)神经网络权重进行优化，并应用于冰蓄冷中央空调预测仿真系统中。文献18 1提出了基于混沌相空间技术的BP神经网络模型，将混沌相空间技术与BP网络结合，预测精度较高，但这类预测方法模型复杂，计算量较大，在工程实际中并不适用。为了开发适合工程实际的负荷预测技术。实现快速求解，本文以室外温度、历史负荷和太阳辐射辐照度作为预测模型的输入参数。11 人工神经网络模型对空调负荷来说，室外温度、建筑特点、节假日、太阳辐射强度等影响因素与之呈非线性关系而人工神经网络具有表达任意非线性映射的能力。能够对非线性系统进行建模，因此可利用神经网络建

16、立动态模型，作为预测控制器的预测模型。人工神经网络算法主要有BP神经网络、径向基函数RBF(radial basis function)网络、LM(1evenberg万方数据marquardt)神经网络、自适应神经网络(adaptiveneural network)等，BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一，本文选用BP神经网络建模。BP神经网络结构主要包括输入层、隐含层和输出层，上下层之间实现全连接，而每层神经元之间无连接9|，如图1所示。输入层图1 BP神经网络结构图Fig1 BP neural network structure12输入参

17、数的选择合理的选择输入参数会提高模型的预测精度，一般情况下，模型引入的参数较多，预测精度也会较高，但输入变量太多不但会增加计算的复杂性，也会降低预测精度和模型的泛化能力闺，另外，参数越多，需要的传感器数量也就越多导致工程成本增加，在计算机上开展预测工作时需要的存储量也就越大。传感器本身的测量误差(即数据噪声)又造成了模型预测精度的下降。还可能会出现因某一个传感器出现故障而使负荷预测工作无法开展的情况，本文通过调研文献中他人的研究工作以及反复试验计算，选择的输入参数如下。室外温度。室外温度是影响空调负荷的首要因素且室外温度与负荷间的相关关系随间隔时间的增大而减小，文献21给出了室外温度与空调负荷

18、的相关关系。因此选取了预测日当前时刻和之前的l、2、3、4 h的实测温度作为模型的输入。历史负荷。历史负荷与当前负荷的相关性有随着间隔时间的增大而减小的趋势，且相邻两日同一时刻的负荷相关性较高，选取了当前时刻的前1、2、3、4、24、48 h的历史负荷值作为输入。太阳辐射辐照度。在供暖空调标准工况下，由于建筑的南北墙受到的太阳辐射辐照度不同，南外墙的逐时热负荷较北外墙约低20，故选取太阳辐射辐照度作为输入12 0|。13数据预处理131 数据质量分析数据质量分析是数据挖掘中数据准备过程的重要一环，是数据预处理的前提，也是数据挖掘分析结论有效性和准确性的基础。数据挖掘过程中，常见的问题是数据缺失

19、和异常。对于缺失值，常用的处理方法为数据插补r2 2|，插补法主要有均值、中位数、众数插补、回归方法插补、拉格朗日插值法以及牛顿插值法等。对于异常值常用的分析方法为简单统计量分析、30-原则以及箱形图分析，由于空调负荷的影响因素变化具有一定的规律性，所以当数据与相似日同时刻及相邻两组数据的相对误差超过50时，则为异常值。找出异常值后，可以用缺失值的处理方法来处理。132 数据归一化对于不同的输入参数而言，数据范围和单位都不相同，而且存在数量级别相差较大的现象，因此需要对数据进行一定的处理。数据处理方法很多，一般采用归一化处理4。弘等瓮 式中：x。为归一化后的目标值；X，为输入数据；X。、与x。

20、i。分别为xi中的最大值和最小值。经模型计算之后，得到预测值F，其范围为01，需要借助公式(2)将其还原。Y。=k曲+Yi(。一k。) (2)式中：YI为预测值的还原值；ym。，与ymi。分别为原始目标值中的最大值和最小值。2运行优化策略建模区域能源系统运行优化的主要思路是通过结合能源价格体系，研究区域能源系统联合运行过程中供需匹配和优化调度策略技术，寻求降低电网峰谷负荷差的运行方式。21 目标函数由于水泵功耗在整个系统中所占比例较小，且地源热泵负荷侧水泵处于常年运行的状态。其运行状态调整的余地不大，因此在本研究中将不考虑水泵的功耗对最优运行策略的影响。24 H 24 埘 F=opt(P。ft

21、Wi。+P。卜啄)=I i=l j k=I J=1 ：(3)式中：P。为第k阶段的电价；眠为第i台地源热泵在第k阶段的电功率；wj。为第J台电锅炉在第k阶段的电功率。22等式约束式(4)为蓄热水箱容量状态计算函数，初始值K万方数据I詈重蜀墨昌团 皇查堡兰 !：兰!兰望即为当天00：00的水箱蓄热量，k阶段蓄热水箱中的热量等于上一阶段蓄热水箱中的热量与电锅炉注入水箱中的热量之和，减去蓄热水箱放热量。式(5)为电锅炉热量输出关系式，由于电锅炉效率通常在95以上，可以按照100进行计算，也可以取实际运行中的平均热效率。式(6)为蓄热水箱容量状态的传递函数，这里考虑水箱每小时的热损为y。式(7)与(8

22、)为地源热泵能效计算函数，其中式(8)为地源热泵能效比，是关于机组负荷率的函数，这里以厂()表示，而且随着负荷率的降低能效比也下降。X=X一l+Q，b一D (4)三r=叼。艺Jf形。一女 (5)，=1：瓦一，=(1一y)X女 (6)二r卜t彤hp=Q11I，一kPc呲 (7)一1：P=Q hI)。) (8)式中：鼍为第k阶段的蓄热水箱中的蓄热量；鼍一。为第k一1阶段的蓄热水箱中的蓄热量；Q曲。为第k阶段的电锅炉的输出热量；D。为第k阶段的蓄热水箱的放热量；叼为电锅炉的热效率；y为蓄热水箱每小时的热损失率；We。为第k阶段单台电锅炉的耗电功率；眠。为第k阶段单台地源热泵的耗电功率；Qhp。为第k

23、阶段的地源热泵输出热量；P。为第k阶段地源热泵的能效比；Q叭。为地源热泵机组的额定制热功率。23不等式约束不等式约束除满足热负荷的需要和设备的容量约束，更多的需要考虑实际工程中的限制。式(9)为热负荷约束，这里考虑了在同区内热量从能源站供给到末端的长距离输送过程中5的热损失。式(10)为蓄热水箱的容量限制。由于换热温差的存在蓄热水箱内的热量也不会全部消耗掉，加入下限约束。式(1 1)、(12)分别为地源热泵和电锅炉的容量约束，其中式(1 1)为了保护地源热泵机组，尽量减少机组的频繁启停及低负荷状态运行，机组的低限运行负荷为50。式(1 3)为单阶段内放热的容量限制，实际工程中蓄热水箱进出口均与

24、板式换热器相连，因此换热量不是无限大，考察本项目中换热器的换热量后，该限值可取第k阶段电锅炉输出热量，满足工程需要。Hk仉，+Q，105H女 (9)ACX。C (10)05卜。；ft慨一善卜一。(11)0ft形札。-tEb-。 (12)J 21 j 。I0D一 (13)式中：巩为第k阶段的热负荷预测值；Q。为第k阶段蓄热水箱的放热量；c为蓄热水箱的总蓄热容量；A为考虑换热温差存在时，蓄热水箱放热下限的比例常数，取005；We。为单台电锅炉的额定功率。24算法构建为了保证运行速度，本研究中采用单纯形法求解。首先将上述目标函数和约束条件写成标准形式。选择的6个决策变量依次为第k阶段地源热泵输出热量

25、、第k阶段电锅炉输出热量、第k阶段输入蓄热器的热量、第k阶段蓄热水箱中的蓄热量、第k一1阶段蓄热水箱中的蓄热量和第k阶段蓄热水箱的放热量。然后以k=1阶段为例，构建决策变量的系数矩阵、价值系数向量、右端向量及边界向量，如式(14)一(20)。小一。：， c 14，6l=105以一HI。 (15)ol 1 0 0 0A叫I=1 0 0 1 l一1 1 (16)10 0 0 0 1 0-Jb。I=0 0 Xo (17)z。=【o5J形“，一。 o o Ac Ac o(18)=Jf耽。J睨。J睚。一。c c Q札。 (19)2I I J 21 J 21，l=PP“P。0 0 0 01 (20) 和右

26、端向量分别如式(21)、(22)所示，其他矩阵在此同理，在良：224阶段，根据各阶段的特点分别 不再赘述。采用MATLAB中自带linprog函数，对模构建上述矩阵。因为总的目标函数是全天运行费用 型进行求解。最小，构建包含24个阶段的矩阵，不等式的系数矩阵 A=A，A。 AM】7 (21)万方数据b=西lbb2。7 (22)3 算例分析选取北方某园区作为研究对象，该同区内一部分用户为08：0017：00工作制，一部分为7 X 24 h不间断工作制，建筑类型包括办公建筑与宿舍，图2所示为供暖季逐日负荷分布，总体上，供暖季负荷均呈现首尾负荷较低，严寒期负荷较高的趋势。图3为典型月份的典型日负荷分

27、布，可以看出，整个采暖季特征较为一致：早上07：00珈9：00为预热期负荷为全天最高，其他时段负荷较为稳定。40003 5003()002 500姜2 000星1 5001 000500040003 5003 0002 500毒2 000h毒：I 500000500O图2 2016年一2Ill7年供暖季逐日负荷分布Fig2 Daily load distribution of 20162017heating season图3 2016年2017年供暖季典型月典型日负荷分布Fig3 Real-time load distribution in a typical day of2016-2017

28、heating season园区供热系统如图4所示，由4台2 070 kw蓄热式电锅炉、3台600 m3蓄热水箱、3台额定制热量为1 402 kW的地源热泵组成。通过统计分析，园区最大热负荷在3 500 kW左右，可见同区目前入住率较低，使得供热系统设计容量远大于运行负荷，因此需要通过对热负荷的预测，调整机组运行状态，在满足按需供热的同时而不至于造成能源的浪费，有效地降低运行费用。从问题实质来看。以地源热泵与蓄热电锅炉的组合供热系统为例，运行优化的基本方向应是优先开启地源热泵进行供热，无法满足热负荷时，由蓄热补充；利用不同时段电价的价格差使电锅炉尽量利用符电加热给水，而在电价高时则不启动。而对

29、于具体到各时段如何来控制蓄热式电锅炉充、放热及机组的负荷分配，可以按时间顺序分解成若干相互联系的阶段，在每一个阶段都要做出决策，全部过程的决策是一个决策序列。系统运行优化调度的关键是区域建筑负荷需求预测和能源系统效能模型开发，通过负荷预测模型实现未来l3天的区域负荷数值大小获取利用历史运行数据获得能源供给系统效能模型，以二者为基础，运用优化算法确定出在能源系统实际效能条件下，满足负荷和供能参数需求的经济性最优的各种热源匹配和负荷分配的运行模式。其程序框图如图5所示。哑 Z可敏，换热器 rl睁睁计壤小擀图4 园区供热系统图Fig4 Heating system for park4运行优化结果与控

30、制方案41 热负荷预测首先，对负荷预测的准确性进行验证。以2017年1月1日至1月4日4天的热负荷预测结果为例，如图6所示，预测结果跟随性较好，平均预测误差为1409。可以看出，预测结果的准确性随着预测时间的延长而下降。1月1 Et的预测误差为790后3天的误差分别为1423、1719和173l，因此在实际应用中，对未来13天的热负荷进行预测的结果满足工程要求。通常情况下需要提前1天提出对第2天的运行策略，而此时对第2天的热负荷预测结果更加准确。万方数据图5 运行优化技术程序框图Fig5 Flowchart of operation optimization technolog)梦辩誉梦梦辩梦

31、梦梦梦辩梦梦辩譬Ht刻图6 2017年1月1日一1月4日热负荷预测结果Fig6 Results of heating load prediction42以单日运行成本最优为目标通过对整个供热季机组运行数据的分析，常规的运行方案是优先使用地源热泵满足供热负荷且实际工程中地源热泵应尽量长期稳定运行，在谷电期间(23：00珈7：00)开启蓄热式电锅炉进行蓄热。但考虑到保证供热安全，通常是将蓄热水箱蓄满为止，如图7(a)所示。在供热季初期与末期或者对于建筑热负荷较小的工况，地源热泵已经基本可以满足供热需求，多数时间内无需蓄热水箱放热如2016年11月23日的运行情况。在这种T况下若按照传统运行模式，将

32、会造成蓄热水箱内始终会贮存有一部分热量，而蓄热水箱中的热量在以每小时y(一般按照10取值)的速度损失因此传统思路的运行模式将造成能源的浪费以及运行成本的增加。针对上述问题，开发了基于负荷预测的运行优化技术，核心的思想是充分考虑工程实际。对机组的控制仅限于启停控制机组的实际负荷分配主要靠机组自带控制程序(根据回水温度控制)，优先开启地源热泵进行供热，无法满足热负荷时，由蓄热补充：利用不同时段电价的价格差使电锅炉尽量利用谷电加热给水，而在电价高时则不启动；蓄热量只要满足预测期内的热负荷即可。这里考虑补偿负荷预测的误差，蓄热量大于预测负荷的15。基于以上优化策略，以单日运行费用最优为目标，对2016

33、年1 1月23日至25日的运行方案进行优化，如图7(b)所示。对比实际运行状况的日均运行费用约为280万元，预测期内日平均节约运行费用115万元。其减小的耗电量主要由减少蓄热器内蓄热量引起，如图8所示，优化运行后，与传统运行模式相比蓄热水箱内的热量大幅减小，每日结束时蓄热水箱内热量基本全部释放完。43以3日运行成本最低为目标供热季中期或热负荷较高时。2017年1月18至20日的运行状况如罔9(a)所示。仅以单日运行费用最优为目标，会出现如图9(b)所示的情况，1月18日结束时蓄热量基本释放完全，1月19日热负荷较高，电价低谷期的蓄热量不足以满足全天热负荷需要在平电期(15：0017：00)开启

34、电锅炉进行蓄热。以满足当天夜间负荷。分析发现，由于1月18日负荷较低，蓄热式电锅炉并没有在谷电期满负荷运行可湖湖咖姗湖o万方数据图7 2016年11月23日至25日传统运行模式与优化运行模式对比Fig7 Comparison of optimization scheme and conventional scheme in 2016112325。$誊誊，g喾暴枣零誊瘿藩誊，誊誊，f浮暴誊蓼参，誊暴誊#潞摹零謇移HJ划图8 2016年11月23日至25日蓄热水箱内蓄热量情况对比Fig8 Comparison of heat capacity in thermal tank in 20161 12

35、325以将1月19日15：00一17：00期间的耗电量转移到18日，以实现整体最优。以未来连续3日成本最低为目标。目的在于对热负荷较高的工况，可以将电锅炉的负荷分配给前1天或前2天，避免在平电或峰电期问启动蓄热式电锅炉。优化结果如图9(c)所示，实现了仅在谷电期间开启电锅炉蓄热。与传统运行模式相比，单日优化运行模式下19日运行成本比传统运行模式高114万元。1月18至20日3日优化运行模式下日均运行费用与传统运行模式相当，主要是因为1月18日的初始时刻蓄热水箱中仍有相当一部分的热量，而优化运行方案的初始时刻蓄热量是按照蓄热水箱为空处理的因此这部分蓄热量的成本并没有计算在其中。2017年1月18

36、日至20日蓄热水箱内蓄热量如图10所示。5区域电网负荷预测根据现有模型，已经能够对园区供热负荷进行预测并依此提出能源系统运行策略，但对于“电采暖”背景下能源系统的电负荷进行预测，将有助于电网侧管理。图1 1为基于优化运行方案对区域能源系统的电负荷进行预测的结果并与实际电负荷进行了对比，本文选择峰谷差和峰谷差率作为评价指标。对比优化运行前后电网负荷特性。其中，峰谷差为最高负荷与最低负荷之差，峰谷差率为峰谷差与最高负荷的比。对比结果如表1所示，可以看出，经过优化后，预测期内(2017年1月1日至4日)园区电负荷峰谷差明显万方数据；100至80叠60薹40萋20纛图9 2017年1月18日至20日实

37、际运行状况与优化方案对比Fig9 Comparison of optimization scheme and conventional scheme in 2017011820图10 2017年1月18日至20日蓄热水箱内蓄热量情况对比Fig10 Comparison of heat capacity in thermal tank in 2017011820降低，由8 239 kW降低到2 750 kW，削峰效果明显。而峰谷差率与优化前相比略有减小，但仍然较高，这主要是因为当峰谷差与最高负荷同时减小时，其比值并没有减少：在电价低谷阶段蓄热式电锅炉与地源热泵全部开启，其余时间只有地源热泵耗电，

38、地源热泵能效高，使得峰谷电负荷相差较大。运行优化结果表明，园区电负荷高峰全部出现在23：00至次日06：00，说明优化运行方案对区域电网起到了移峰填谷的作用。但是采用蓄热式电锅炉与地源热泵相结合的系统模式，对于减小系统峰谷差率的作用并不显著。6 结 论为了解决多阶段规划方法的求解耗时的问题，本文从工程实际出发，提出基于热负荷预测的供能系统运行方案。首先利用基于历史数据挖掘的人工神经万方数据网络建模方法，对整个园区热负荷进行预测。然后以热负荷预测为基础，采用变量有上下界的改进单纯形法对预测期内供能系统进行负荷分配提出经济性最优的运行策略。得到主要结论包括：(1)面向工程实际，开发的“基于负荷预测

39、的园区供热系统运行优化技术”。求解速度快。可以实现每小时运行1次，每次运行时间1 min。还可以实现对能源系统中短期用电负荷的预测。10 0009 0008 0007 000至6 000迄5 000夸4 0003 0002 0001 0000 、辩对荸辩萨时刻图11 2017年1月1日至4日电负荷预测结果Fig11 Electric load prediction in 2017010l一04表1电负荷指标对比Table 1 Comparison of electrical load indicators(2)采用风速、太阳辐射、室外温度与历史负荷作为输入参数的人工神经网络对热负荷进行预测，预

40、测结果的准确性随着预测时间的延长而下降。预测第1天的误差为790。(3)在供热季开始与结束阶段或热负荷较低时，仅需根据后一天的热负荷给出运行方案即可满足最优化条件。(4)供热季中期或热负荷较高时，需要对未来3天的热负荷进行预测，然后给出后一天的运行方案。(5)通过与历史运行数据对比，若采用本文开发的运行优化技术后，预测期内日均运行费用节约115万元，用电峰谷负荷差减小5 489 kW。区域能源系统中，负荷预测可用来调整能源系统的供应通过运行策略的改变对负荷调整，未来高精度以及基于联网技术面向园区或城市综合能源需求的预测技术将得到极大的发展。在负荷精确预测的基础上适应于工程实际的区域能源系统运行

41、优化技术将成为研究的重点。7 参考文献1贾宏杰穆云飞余晓卅对我固综合能源系统发展的思考J电力建设2015，36(1)：16-25JIA Hongjie。MU Yunfei，YU XiaodanThought about the integratedenergy system in ChinaJElectricl Power Construction，2015，36(1)：16-252邢龙，张沛超，方陈等基于广义需求侧资源的微网运行优化J电力系统自动化，2013，37(12)：7-12XING Long，ZHANG Peichao，FANG Chenel a1Optimal operationf

42、or mierogrid using generalized demand side resourcesJAutomationof Electric Power System，2013，37(12)：7-123张新伟，耿万梅利用蓄热式电采暖提高电网风电接纳能力的研究J四川电力技术，2014，37(4)：36-394黎静华，桑川川能源综合系统优化规划与运行框架J电力建设201536(8)：4148LI JjnghuaSANG ChoamhuanDiscussion on optimal planning andoperation framework for integrated energy s

43、yslemJElectric PowerConstruction2015，36(8)：41-48f5刘利兵刘天琪参与需求侧响应的空调负荷群调节控制方法及优化调度策略J一程科学与技术，2017，49(s1)：175182LIU Libing，LIU TianqiA control strategyof airconditioning loadgroups and optimization scheduling as demandside resourcesparticipating in鲥dJAdvanced Engineering Sciences，2017(s1)：175一1826于波，吴亮

44、卢欣，等区域综合能源系统优化调度方法J电力建设，2016，37(1)：70-76YU Bo，WU Liang，LU Xin，et a1Optimal dispatching method ofintegrated community energy systemJElectric Power Construction，2016，37(I)：70-767于渡，孙恒楠，项添春等综合能源系统规划设计方法J电力建设，2016，37(2)：7884YU Bo，SUN Hengnan，XIANG Tianchun，et a1Optimal dispatchingmethod nf integrated co

45、mnmnity energy systemJElectric PowerConstrut-lion，2016，37(2)：78848姜延灿基于人T神经网络的热负荷预测及蓄热式电锅炉系统运行优化D重庆：重庆大学2003JIANG YaneanHeat load prediction based no neural network andoperation optimization in electric boiler with heat accumulatorDChongqing：Chongqing University，20039罗必雄分布式能源站的系统集成与优化运行研究J电力建设，2010，

46、3l(5)：16LUO BixiongSystem integration anti optimized operation of thedistrihuted energy stationJElectric Power Construction，2010，31(5)：1-610曾君，徐冬冬，刘俊峰，等考虑负荷满意度的微电网运行多目标优化方法研究J中国电机1二程学报，2016，36(12)：3325-3333uM_ccpcn困万方数据ZENG Jun，XU Dongdong，LIU Junfeng，et a1Multiobjectiveoptimal operation of microgri

47、d considering dynamic loadsJProceedings of the CSEE，2016，36(12)：3325-333311裴玮，邓卫，沈子奇，等可再生能源与热电联供混合微网能量协调优化J电力系统自动化，2014，38(16)：9一15PEI Wet，DENG Wei，SHEN Ziqi，et a1Energy coordination andoptimizatiun of hybrid mi(ro面【I based nn renewable energy and CHPsupplyJAutomation of Ele(tri(Power Systems，2014，3

48、8(16)：9一1512肖浩裴玮，孔力，等综合能源微网运行优化调度方法研究J电_T电能新技术，2016，35(12)：l-11XIAO Hau，PEI Wet，KONG Liet a1Research on optimal operationmethod of integrated energy mi(，rogrid systemJAdvancedTechnology of Electrical Engineering and Energy。20 1 6，35(1 2)：11113别朝红，李更丰，谢海鹏计及负荷与储能装置协调优化的微网可靠性评估J电T技术学报2014，29(2)：64-73BIE Zhaohong，LI GengfengXIE Haipenget a1