一种规划阶段的城市区域能源系统负荷预测方法

1.本发明涉及能源系统负荷预测技术领域，具体涉及一种规划阶段的城市区域能源系统负荷预测方法。

背景技术：

2.在城市区域能源系统建设的最初阶段，需要根据区域资源量禀赋、能源生产和消费形式对区域能源负荷进行预测，从而为城市区域能源系统的规划方案设计提供数据基础。因此，城市区域能源系统负荷预测在能源系统的建设过程中具有十分重要的作用，预测负荷不仅与系统的管网设计、能源设备的装机容量和初期投资直接相关，也间接的影响到了系统的运行。
3.城市区域能源系统中不同类型的终端用户拥有不同类型的负荷需求，同时能源需求总量也不尽相同，这些能源消耗的场景大多发生在不同类型的建筑之中。因此，区域能源系统的一般思路是针对不同建筑业态进行单独预测，然后累加求和以计算区域的总负荷。基于这种思路，传统的负荷预测方法使用个别建筑来代替该类型的所有建筑进行负荷预测，即一种基于个别建筑模型替代整个建筑业态的负荷预测方法。但是，传统的负荷预测方法存在以下缺陷：1)负荷的内扰被假设为相同，实际上与建筑的实际运行存在着较大的差异；2)负荷预测方法使用个别建筑模型来代替某一建筑类型进行负荷预测，但是这些建筑的选取缺乏科学合理的方法，导致预测结果误差较大；3)预测阶段并未充分的利用已有的规划文件信息，造成预测的结果不准确。

技术实现要素：

4.为了克服现有技术存在的缺陷与不足，本发明提供一种规划阶段的城市区域能源系统负荷预测方法，将影响建筑负荷的参数分类为第一类特征参数集、第二类特征参数集和第三类特征参数集，综合第一、二、三类特征参数集的相关构建方法预测城市区域能源系统负荷，为规划阶段提供准确的数据支持和可靠的预测结果，预测结果能够反映城市区域负荷的时间和空间特征。
5.为了达到上述目的，本发明采用以下技术方案：
6.本发明提供一种规划阶段的城市区域能源系统负荷预测方法，包括下述步骤：
7.基于规划区域气候因素的聚类方法对规划区域的历史数据进行聚类，构建第一类特征参数集；
8.对基本建筑类型的内扰进行监测，获得监测建筑的内扰参数，基于内扰因素的随机方法构建内扰随机模型，生成第二类特征参数集；
9.获取建筑物样本和建筑结构参数，将建筑样本划分为各建筑子类，确定每个建筑子类的典型建筑模型，生成第三类特征参数集；
10.所述第一类特征参数集为规划区域的气候参数集，所述第二类特征参数集为建筑内扰参数集，所述第三类特征参数集为建筑结构性参数集；
11.根据第三类特征参数定义各地块的规划建筑和建筑子类典型建筑的相对贴近度和隶属度，根据隶属度完成地块规划建筑和建筑子类典型建筑的匹配，第一类特征参数集、第二类特征参数集和匹配后的第三类特征参数集经过负荷计算后得到各规划区域地块的单位建筑面积负荷，根据城市区域能源系统的负荷预测模型进行区域负荷预测。
12.作为优选的技术方案，基于规划区域气候因素的聚类方法对规划区域的历史数据进行聚类，构建第一类特征参数集，具体步骤包括：
13.获取规划区域的历史气候数据；
14.设定单位时间分辨率，重新划分历史气候数据，采用聚类方法对历史数据进行聚类；
15.输出最大值负荷所在聚类的平均历史气候数据作为第一类特征参数集。
16.作为优选的技术方案，基于内扰因素的随机方法构建内扰随机模型，生成第二类特征参数集，具体步骤包括：
17.对基本建筑类型的内扰进行监测，获得监测建筑的内扰参数，内扰参数包括内扰的工作时间表和内扰的额定功率；
18.根据监测建筑的测定内扰参数和国家相关标准、规范中内扰参数构建内扰的差异系数；
19.对差异系数进行修正，根据内扰差异系数的修正系数计算内扰差异系数的均值和方差，计算出内扰差异系数正态分布的累积概率密度函数，建立规划阶段负荷预测的内扰的随机工作时间表模型和随机额定功率模型，以计算规划区域任一建筑的内扰；
20.采用随机的方法，根据建立规划阶段负荷预测的内扰随机模型，生成规划区域的所有建筑的内扰参数，作为第二类特征参数集。
21.作为优选的技术方案，根据监测建筑的测定内扰参数和国家相关标准、规范中内扰参数构建内扰的差异系数，具体表示为：
[0022][0023][0024]
其中，r
s,a
为内扰s的工作时间表的差异系数，r
s,b
为内扰s的额定功率的差异系数，l
r,s,t
和z
r,s
分别为相关标准、规范记载的参考建筑内扰s的工作时间表和内扰s的额定功率。
[0025]
作为优选的技术方案，基于内扰因素的随机方法构建内扰随机模型，具体表示为：
[0026][0027]
其中，l
r,s,t
和z
r,s
分别为相关标准、规范记载的参考建筑内扰s的工作时间表和内扰s的额定功率，l
′
s,t
和z
′s分别为任一建筑内扰s的工作时间表和内扰s的额定功率，r
s,a
和r
s,b
分别服从正态分布，k
s,a
和k
s,b
分别为内扰差异系数r
s,a
和r
s,b
的修正系数，σ
s,a2
和σ
s,b2
分别为内扰差异系数r
s,a
和r
s,b
的正态分布方差，μ
s,a
和μ
s,b
分别为内扰差异系数r
s,a
和r
s,b
的正态分布均值，f(r
s,a
)和f(r
s,b
)分别表示内扰差异系数r
s,a
和r
s,b
的cdf函数。
[0028]
作为优选的技术方案，确定每个建筑子类的典型建筑模型，生成第三类特征参数集，具体步骤包括：
[0029]
根据建筑业态在城市区域能源系统规划区域的相同气候区域进行分层抽样，获取建筑物样本和建筑结构参数，抽样的建筑样本包括区域规划的基本建筑类型；
[0030]
对建筑物样本的几何结构进行标准化处理，简化成统一标准的虚拟建筑模型；
[0031]
采用熵权法计算标准化建筑样本的建筑结构相关参数的权重；
[0032]
采用聚类方法，根据标准化建筑样本的第三类参数将建筑样本从基本建筑类型划分为各建筑子类；
[0033]
确定每个建筑子类的典型建筑模型，将典型建筑模型的建筑结构参数作为规划阶段城市区域能源系统负荷预测的第三类特征参数集。
[0034]
作为优选的技术方案，采用熵权法计算标准化建筑样本的建筑结构相关参数的权重，具体表示为：
[0035][0036]
其中，ωj为建筑样本i第三类特征参数中第k个指标的权重，e
ik
为建筑样本i第三类参数中第k个指标的熵值，p
ij
为建筑样本i第三类特征参数参数中第k个指标的比重，y
ik
为建筑样本i第三类特征参数中第k个指标归一化指标，n代表建筑样本的个数。
[0037]
作为优选的技术方案，确定每个建筑子类的典型建筑模型，具体表示为：
[0038][0039]
其中，bii为每个建筑子类的第i建筑样本的得分，典型建筑为建筑样本中得分最高的建筑，x
″′
ik
为城市区域负荷预测的第三类特征参数的第k个指标，ωk为第三类特征参数的第k个指标的权重，n
v,i
为建筑样本i所在建筑子类v所包含的建筑样本的数目，γi为建筑样本i所在的建筑子类v的建筑样本数目占各标准建筑类型的建筑样本数目的比例。
[0040]
作为优选的技术方案，根据第三类特征参数定义各地块的规划建筑和建筑子类典型建筑的相对贴近度和隶属度，根据隶属度完成地块规划建筑和建筑子类典型建筑的匹配，具体表示为：
[0041][0042]
其中，x
3,v
为建筑子类v的典型建筑的第三类特征参数集向量，x
3,p
为规划地块p的建筑结构的控制性详细规划向量，y
3,v
和y
3,p
分别为x
3,v
和x
3,p
的标准化向量，δ
p,v
为地块p和建筑子类v的典型建筑的相对贴近度，为地块p和建筑子类v的典型建筑的隶属度；
[0043]
根据地块规划建筑的已知的第三类参数和各建筑子类典型建筑对应的第三类特征参数计算相对贴近度以及对应的隶属度，当隶属度为1时，使用当前建筑子类典型建筑的建筑模型和第三类特征参数集并结合第一、二类特征参数集进行负荷计算，获得单位面积负荷，否则不使用，完成地块规划建筑和建筑子类典型建筑的匹配。
[0044]
作为优选的技术方案，根据城市区域能源系统的负荷预测模型进行区域负荷预测，具体表示为：
[0045][0046]
其中，q
t
为t时刻的城市区域能源系统的总负荷，s
p
为地块p的建筑面积，q
p,t
为t时刻地块p的计算单位面积负荷。
[0047]
本发明与现有技术相比，具有如下优点和有益效果：
[0048]
(1)本发明将影响建筑负荷的参数分类为第一类特征参数集、第二类特征参数集和第三类特征参数集，这种分类方法能够区分影响建筑负荷参数的特点，并且分类方法能
够体现对规划阶段已知信息和未知信息的综合考虑，特别适合于规划阶段负荷预测的前期分析。
[0049]
(2)本发明基于规划区域气候因素的聚类方法构建城市区域能源系统负荷预测的第一类特征参数集，数据容易获取，并且采用最大值负荷所在聚类的平均历史气候数据作为规划阶段城市区域能源系统负荷预测的第一类特征参数集，可以保证规划能源系统实际运行过程的稳定性。
[0050]
(3)本发明基于内扰因素的随机方法构建城市区域能源系统负荷预测的第二类特征参数集，构建城市区域能源系统负荷预测的第二类特征参数集所需的监测建筑数量较少，减少了规划阶段负荷预测过程中数据获取的难度，结合国家相关标准和规范构建内扰随机模型，减少了第二类特征参数选取过程对规划区域负荷预测精度的影响。
[0051]
(4)本发明基于建筑子类划分及典型子类建筑模型确定方法构建城市区域能源系统负荷预测的第三类特征参数集，将传统的负荷预测方法由基本建筑类型层级拓展到建筑子类层级，保证了负荷预测的精度，同时典型建筑的建立是基于实际数据，进一步保证了负荷预测结果的可靠性。
[0052]
(5)本发明能够充分地利用规划阶段的已有信息，并且综合第一、二、三类特征参数集的相关构建方法，提出了城市区域能源系统负荷预测方法，能为规划阶段提供准确的数据支持和可靠的预测结果，预测结果能够反映城市区域负荷的时间和空间特征，如负荷的逐时曲线、负荷空间密度和局部负荷规模，能够更好地指导城市区域能源系统规划及设计。
附图说明
[0053]
图1为本发明规划阶段的城市区域能源系统负荷预测方法流程示意图；
[0054]
图2为本发明基于规划区域气候因素的聚类方法构建第一类特征参数集的流程示意图；
[0055]
图3为本发明基于内扰因素的随机方法构建第二类特征参数集的流程示意图；
[0056]
图4为本发明基于建筑子类划分及典型子类建筑模型确定方法构建第三类特征参数集的流程示意图。
具体实施方式
[0057]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0058]
实施例1
[0059]
如图1所示，本实施例提供一种规划阶段的城市区域能源系统负荷预测方法，包括下述步骤：
[0060]
s1：将影响建筑物负荷的相关参数进行划分，划分为第一类特征参数集、第二类特征参数集和第三类特征参数集，具体如下：
[0061][0062]
其中，b为建筑样本，x为建筑负荷的影响参数，x
′i，x
″s，x
″′k分别为第一、二、三类特征参数集所包含的第m，s，k个具体参数，r为对建筑样本进行分类时所考虑的剩余参数的集合。
[0063]
影响建筑负荷的相关参数有很多，在规划阶段能够获得是规划区域的气候数据、建筑类型和建筑结构的相关参数，针对这一特点，在本实施例中对影响建筑负荷的因素进行分类，具体为第一类特征参数集、第二类特征参数集和第三类特征参数集。第一类特征参数集，具体为规划区域的气候参数，包括规划区域所在城市气候区，规划区域的温度、日照等观测值，这在规划阶段就已经确定，并且不允许更改；第二类特征参数集，具体为建筑内扰参数，第二类参数在规划阶段是未知的，同一基本建筑类型(如办公建筑、酒店建筑等)具有相似的内扰分布情况，这一点在国家标准中有推荐值，不限于《公共建筑节能设计标准》、《民用建筑绿设计规范》、《住宅建筑设计规范》、《办公建筑设计规范》、《旅馆建筑设计规范》、《商店建筑设计规范》，因此需要特别考虑；第三类特征参数集，具体为建筑结构性参数，包括建筑类型、建筑面积、建筑高度、建筑体形系数、建筑朝向等，这些能够参考规划区域的相关文件，不限于《总规》、《控制性详细规划》、《专项规划》、《图集》等相关规划文件，为已知的参数。剩余参数的集合为除去第一、二、三类特征参数集的其他参数，剩余参数对区域负荷的影响较少，在本实施例不进行考虑。进行区域负荷预测，保证预测准确程度的关键为充分的利用已知的参数，对未知的参数进行合理的考虑。
[0064]
s2：如图2所示，基于规划区域气候因素的聚类方法构建城市区域能源系统负荷预测的第一类特征参数集，具体包括：
[0065]
s21：获取规划区域的历史气候数据；
[0066]
在本实施例中，获取规划区域的历史气候数据(大于1年)，不限于逐时气温、空气湿度、大气压力、风速、风向、日照强度、降水等数据，这些数据容易在规划阶段获取。
[0067]
s22：以一年的时间分辨率为单位重新划分历史气候数据，采用聚类方法对历史数据进行聚类；
[0068]
在本实施例中，所选用的聚类方法不限于均值聚类、中心点聚类方法，历史气候数据经过聚类方法，可以获得具有不同气候数据的聚类，每种聚类的气候数据相似。
[0069]
s23：采用最大值负荷所在聚类的平均历史气候数据作为规划阶段城市区域能源系统负荷预测的第一类特征参数集，作为区域能源系统负荷预测方法的输入。
[0070]
在本实施例中，第一类特征参数集的构建符合区域能源系统的规划特征，即数据容易获取，并且采用最大值负荷所在聚类的平均历史气候数据作为规划阶段城市区域能源系统负荷预测的第一类特征参数集，可以保证规划能源系统实际运行过程的稳定性。
[0071]
s3：基于内扰因素的随机方法构建城市区域能源系统负荷预测的第二类特征参数集，通过对基本建筑类型的内扰进行监测，可以获得监测建筑的内扰参数，但是对于规划区域内扰是未知的，因此为了获得规划区域所有建筑的内扰需要构建随机模型，以描述不同
规划建筑的内扰情况，本实施例使用的是正态分布函数。
[0072]
首先根据监测建筑的测定的内扰和国家相关标准、规范中内扰参数定义了内扰的差异系数；其次，根据内扰差异系数的修正系数，能够计算内扰差异系数的方差和均值，从而能够计算出内扰差异系数正态分布的累积概率密度函数；然后，采用随机的方法例如蒙特卡洛法和拉丁超立方抽样方法，根据累积概率密度函数，获得规划区域建筑的差异系数；最终，利用内扰的差异系数反过来计算规划区域的内扰值。
[0073]
如图3所示，具体步骤为：
[0074]
s31：对基本建筑类型的建筑进行内扰监测，监测的内扰包括人员、灯光、设备、通风、空调等，具体包括内扰工作时间表和内扰的额定功率。
[0075]
在本实施例中，基本建筑类型为办公、酒店、住宅、商业等类别的建筑；对基本建筑类型的建筑进行内扰监测的手段，包括问卷调查、仪器监测，构建城市区域能源系统负荷预测的第二类特征参数集所需的监测建筑数量较少，减少了规划阶段负荷预测过程中数据获取的难度；建筑内扰包括人员、灯光、设备、通风、空调等，内扰s表示监测建筑的第s个内扰参数，它的工作时间表具体表示为{l
s,1
,l
s,2
,
…
,l
s,t
,
…
l
s,h
}时间长度为h的时间序列，其中l
s,t
取值为0或1，分别代表内扰s不存在(关闭)或存在(开启)，内扰s的额定功率用zs表示。l
s,t
和zs共同构成了监测建筑的第二类特征参数x
″s。
[0076]
s32：根据监测建筑的测定内扰参数和国家相关标准、规范中内扰参数构建内扰的差异系数，具体表示为：
[0077][0078][0079]
其中，r
s,a
为内扰s的工作时间表的差异系数，r
s,b
为内扰s额定功率的差异系数，l
r,s,t
和z
r,s
分别为相关标准、规范记载的参考建筑内扰s的工作时间表和内扰s的额定功率。
[0080]
s33：建立规划阶段负荷预测的内扰s的随机工作时间表模型和随机额定功率模型，以计算规划区域任一建筑的内扰。
[0081]
在本实施例中，具体内扰随机模型表示如下：
[0082][0083]
其中，内扰差异系数r
s,a
和r
s,b
分别服从正态分布，k
s,a
和k
s,b
为内扰差异系数r
s,a
和rs,b
的修正系数，σ
s,a2
和v
s,b2
分别为内扰差异系数r
s,a
和r
s,b
的正态分布方差，μ
s,a
和μ
s,b
分别为内扰差异系数r
s,a
和r
s,b
的正态分布均值，取值为0。
[0084]
f(r
s,a
)和f(r
s,b
)分别为正态分布的cdf函数(累积概率密度函数)，具体地，f(r
s,a
)为x《r
s,a
的概率，f(r
s,b
)为x《r
s,b
的概率；
[0085]
在本实施例中，建筑的内扰的差异系数被假设为服从正态分布，内扰工作时间表的差异系数r
s,a
被假设为服从均值为μ
s,a
，方差为σ
s,a2
的正态分布，记作n(μ
s,a
,σ
s,a2
)；内扰的额定功率的差异系数r
s,a
被假设为服从均值为μ
s,b
，方差为σ
s,b2
的正态分布，记作n(μ
s,b
,σ
s,b2
)。
[0086]
s34：采用随机方法和构建的内扰随机模型，生成规划区域的所有建筑的内扰参数，并将之作为规划阶段城市区域能源系统负荷预测的第二类特征参数集，作为区域能源系统负荷预测方法的输入。
[0087]
在本实施例中，包括但不限于采用蒙特卡洛法和拉丁超立方采样生成范围为[0,1]的随机数，然后根据内扰差异系数正态分布的cdf函数计算内扰差异系数r
s,a
和r
s,b
，最后计算任一建筑的内扰l
′
s,t
和z
′s，并作为规划阶段城市区域能源系统负荷预测的第二类特征参数集，作为区域能源系统负荷预测方法的输入。
[0088]
s4：如图4所示，基于建筑子类划分及典型子类建筑模型确定方法构建城市区域能源系统负荷预测的第三类特征参数集，具体包括：
[0089]
s41：根据建筑业态在城市区域能源系统规划区域的相同气候区域进行分层抽样，获取建筑物样本和建筑结构参数，抽样的建筑样本包括区域规划的基本建筑类型。
[0090]
在本实施例中，基本建筑类型为办公、酒店、住宅、商业等类别的建筑，建筑分层抽样的方法不限于问卷调查方法和gis方法，建筑样本数据集中只包含建筑结构的有关参数，这些参数容易获取，减小了负荷预测过程中数据获取的难度。
[0091]
s42：对建筑物样本的几何结构进行标准化处理，简化成统一标准的虚拟建筑模型，标准化处理过程具体为：
[0092][0093]
其中，a
′
和b
′
分别为经过标准化建筑的长和宽，h
′
为经过标准化建筑样本的高，η为样本建筑的体形系数，s为样本建筑的建筑面积，nf为样本建筑的层数，sb为样本建筑的暴露在空气中的外表面积。
[0094]
具体来说，实际建筑十分复杂，这种情况下无法用简单的几个参数来描述样本建筑的几何结构，如果要对实际建筑进行详细建模会消耗大量时间。因此有必要对实际建筑进行简化，用简化建筑的几个参数来表述样本建筑的几何结构。在本实施例中所有的样本建筑被标准化为统一样式的建筑，标准化过程所做的必要的简化包括：建筑的几何模型被简化为矩形底面的柱状体样式；建筑不考虑门窗的具体在建筑立面的具体位置，只考虑具
体的窗/墙比；建筑被简化成以每层为一个热区；简化建筑模型与建筑样本相比具有相同的总建筑面积、体形系数和外表面积。
[0095]
s43：采用熵权法计算标准化建筑样本的建筑结构相关参数的权重，具体方法为：
[0096][0097]
其中，ωj为建筑样本i第三类特征参数中第k个指标的权重，e
ik
为建筑样本i第三类参数中第k个指标的熵值，p
ij
为建筑样本i第三类特征参数参数中第k个指标的比重，y
ik
为建筑样本i第三类特征参数中第k个指标归一化指标，n代表建筑样本的个数。
[0098]
s44：采用聚类方法，根据标准化建筑样本的第三类参数将建筑样本从基本建筑类型划分为各建筑子类。
[0099]
在本实施例中，所选用的聚类方法不限于均值聚类、中心点聚类方法，通过聚类方法，可以将基本建筑类型的建筑划分为不同的建筑子类，各建筑子类的第三类参数相似，减小负荷预测过程中的误差。
[0100]
s45：确定每个建筑子类的典型建筑模型，将典型建筑模型的建筑结构参数作为规划阶段城市区域能源系统负荷预测的第三类特征参数集，输入到区域能源系统负荷预测方法，具体典型建筑模型的确定方法表示为：
[0101][0102]
其中，bii为每个建筑子类的第i建筑样本的得分，典型建筑为建筑样本中得分最高的建筑，x
″′
ik
为城市区域负荷预测的第三类特征参数的第k个指标，ωk为第三类特征参数的第k个指标的权重，n
v,i
为建筑样本i所在建筑子类v所包含的建筑样本的数目，γi为建筑样本i所在的建筑子类v的建筑样本数目占各标准建筑类型的建筑样本数目的比例。
[0103]
s5：基于区域能源系统负荷预测方法进行城市区域能源系统负荷预测，具体包括：
[0104]
s51：定义各地块的规划建筑和建筑子类典型建筑的相对贴近度和隶属度，根据隶属度完成地块规划建筑和建筑子类典型建筑的匹配。
[0105][0106]
其中，x
3,v
为建筑子类v的典型建筑的第三类特征参数集向量，x
3,p
为规划地块p的建筑结构的控制性详细规划向量，y
3,v
和y
3,p
分别为x
3,v
和x
3,p
的标准化向量。δ
p,v
为地块p和建筑子类v的典型建筑的相对贴近度，为地块p和建筑子类v的典型建筑的隶属度。
[0107]
本实施例的具体匹配过程为：根据地块规划建筑的已知的第三类参数和各建筑子类典型建筑对应的第三类特征参数计算相对贴近度，然后计算隶属度，隶属度为1则使用该建筑子类典型建筑的建筑模型和第三类特征参数集来进行之后的负荷计算，否则不使用，即为完成了地块规划建筑和建筑子类典型建筑的匹配。
[0108]
s52：根据城市区域能源系统负荷预测的第一类特征参数集、第二类特征参数集、匹配后各地块的建筑模型和第三类特征参数集，经负荷计算软件进行负荷计算，获得各规划区域地块的单位建筑面积负荷。
[0109]
在本实施例中，采用本实施例前面构建的第一类特征参数集、第二类特征参数集、匹配后各地块的建筑模型和匹配后各地块的第三类特征参数集，输入负荷计算软件，不限于energyplus，dest和trnsys等，建立各自的负荷计算模型进行负荷计算，获得各地块的典型建筑的计算负荷，然后计算单位建筑面积负荷，以此作为各规划区域地块的单位建筑面积负荷，不需要建立复杂的热力学模型来计算建筑负荷。
[0110]
s53：构建城市区域能源系统的负荷预测模型，具体表示为：
[0111][0112]
其中，q
t
为t时刻的城市区域能源系统的总负荷，s
p
为地块p的建筑面积，q
p,t
为t时刻地块p的计算单位面积负荷。
[0113]
本发明首先基于规划阶段的特点将影响建筑负荷的参数分类为第一类特征参数集、第二类特征参数集和第三类特征参数集；
[0114]
基于规划区域气候因素的聚类方法构建城市区域能源系统负荷预测的第一类特征参数集，数据容易获取，并且采用最大值负荷所在聚类的平均历史气候数据作为规划阶段城市区域能源系统负荷预测的第一类特征参数集，可以保证规划能源系统实际运行过程的稳定性。
[0115]
基于内扰因素的随机方法构建城市区域能源系统负荷预测的第二类特征参数集，构建城市区域能源系统负荷预测的第二类特征参数集所需的监测建筑数量较少，减少了规划阶段负荷预测过程中数据获取的难度，结合国家相关标准和规范构建内扰随机模型，减
少了第二类特征参数选取过程对规划区域负荷预测精度的影响；
[0116]
基于建筑子类划分及典型子类建筑模型确定方法构建城市区域能源系统负荷预测的第三类特征参数集，将传统的负荷预测方法由基本建筑类型层级拓展到建筑子类层级，保证了负荷预测的精度，同时典型建筑的建立是基于实际数据，进一步保证了负荷预测结果的可靠性。最后综合第一、二、三类特征参数集的相关方法和规划阶段文件，提出城市区域能源系统负荷预测方法，能为规划阶段提供准确的数据支持和可靠的预测结果，预测结果能够反映城市区域负荷的时间和空间特征，如负荷的逐时曲线、负荷空间密度和局部负荷规模，能够指导城市区域能源系统规划及设计。
[0117]
实施例2
[0118]
本实施例提供一种规划阶段的城市区域能源系统的负荷预测方法的具体实现示例；
[0119]
如下表1所示，得到各地块的规划信息；
[0120]
表1各地块的规划信息表
[0121][0122]
在本实施例中，根据熵权法确定第三类参数的权重占比，得到所选取的建筑的总体样本的具体参数，其中，住宅的权重占比为占地面积：体形系数：建筑层数：窗墙面积比＝0.14：0.26：0.24：0.36，办公楼的权重占比为占地面积：体形系数：建筑层数：窗墙面积比＝0.04：0.39：0.11：0.46，酒店建筑的权重占比为占地面积：体形系数：建筑层数：窗墙面积比＝0.1：0.29：0.18：0.42。商业建筑的权重占比为占地面积：体形系数：建筑层数：窗墙面积比＝0.05：0.42：0.27：0.27。根据权重占比、建筑子类划分的层次结构模型和相关规控文件及标准，确定的各建筑子类的典型建筑模型如下表2所示：
[0123]
表2各建筑子类的典型建筑模型参数表
[0124]
编号典型建筑模型总建筑面积层数体形系数窗墙比1住宅子类1170340.360.262住宅子类2571560.20.293办公子类2500060.240.22
4办公子类118000200.110.45酒店子类1480060.20.36商场子类1960030.120.4
[0125]
如下表3所示，标准、规范所规定的内扰参数：
[0126]
表3标准、规范所规定的内扰参数表
[0127][0128]
如下表4所示，计算规划文件各个地块的隶属度：
[0129]
表4各个地块的隶属度数据表
[0130][0131][0132]
本发明提出的城市区域能源系统的负荷预测方法与传统方法相比，其负荷预测结果如下表5所示，可以发现由于本发明考虑到了多种因素的影响，预测结果与传统只考虑到建筑业态层级的负荷预测方法的预测结果存在着较大的差异，预测的最大负荷值降低了，负荷预测值更加的准确。
[0133]
表5负荷预测结果表
[0134]
类别城市区域能源系统总负荷传统方法16.13mw
本发明所提出的方法14.47mw
[0135]
根据本发明计算的各个地块的负荷值和负荷密度如下表6所示，可以看出本发明的预测结果因为考虑了建筑子类层级和隶属度的关系，能够为城市区域能源系统的规划设计阶段提供较为准确的负荷空间特征数据。
[0136]
表6各个地块的负荷值和负荷密度数据表
[0137][0138][0139]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

技术特征：

1.一种规划阶段的城市区域能源系统负荷预测方法，其特征在于，包括下述步骤：基于规划区域气候因素的聚类方法对规划区域的历史数据进行聚类，构建第一类特征参数集；对基本建筑类型的内扰进行监测，获得监测建筑的内扰参数，基于内扰因素的随机方法构建内扰随机模型，生成第二类特征参数集；获取建筑物样本和建筑结构参数，将建筑样本划分为各建筑子类，确定每个建筑子类的典型建筑模型，生成第三类特征参数集；所述第一类特征参数集为规划区域的气候参数集，所述第二类特征参数集为建筑内扰参数集，所述第三类特征参数集为建筑结构性参数集；根据第三类特征参数定义各地块的规划建筑和建筑子类典型建筑的相对贴近度和隶属度，根据隶属度完成地块规划建筑和建筑子类典型建筑的匹配，第一类特征参数集、第二类特征参数集和匹配后的第三类特征参数集经过负荷计算后得到各规划区域地块的单位建筑面积负荷，根据城市区域能源系统的负荷预测模型进行区域负荷预测。2.根据权利要求1所述的规划阶段的城市区域能源系统负荷预测方法，其特征在于，基于规划区域气候因素的聚类方法对规划区域的历史数据进行聚类，构建第一类特征参数集，具体步骤包括：获取规划区域的历史气候数据；设定单位时间分辨率，重新划分历史气候数据，采用聚类方法对历史数据进行聚类；输出最大值负荷所在聚类的平均历史气候数据作为第一类特征参数集。3.根据权利要求1所述的规划阶段的城市区域能源系统负荷预测方法，其特征在于，基于内扰因素的随机方法构建内扰随机模型，生成第二类特征参数集，具体步骤包括：对基本建筑类型的内扰进行监测，获得监测建筑的内扰参数，内扰参数包括内扰的工作时间表和内扰的额定功率；根据监测建筑的测定内扰参数和国家相关标准、规范中内扰参数构建内扰的差异系数；对差异系数进行修正，根据内扰差异系数的修正系数计算内扰差异系数的均值和方差，计算出内扰差异系数正态分布的累积概率密度函数，建立规划阶段负荷预测的内扰的随机工作时间表模型和随机额定功率模型，以计算规划区域任一建筑的内扰；采用随机的方法，根据建立规划阶段负荷预测的内扰随机模型，生成规划区域的所有建筑的内扰参数，作为第二类特征参数集。4.根据权利要求3所述的规划阶段的城市区域能源系统负荷预测方法，其特征在于，根据监测建筑的测定内扰参数和国家相关标准、规范中内扰参数构建内扰的差异系数，具体表示为：表示为：其中，r
s，a
为内扰s的工作时间表的差异系数，r
s，b
为内扰s的额定功率的差异系数，l
r，s
，
t和z
r，s
分别为相关标准、规范记载的参考建筑内扰s的工作时间表和内扰s的额定功率。5.根据权利要求1或3所述的规划阶段的城市区域能源系统负荷预测方法，其特征在于，基于内扰因素的随机方法构建内扰随机模型，具体表示为：其中，l
r，s，t
和z
r，s
分别为相关标准、规范记载的参考建筑内扰s的工作时间表和内扰s的额定功率，l
′
s，t
和z
′
s
分别为任一建筑内扰s的工作时间表和内扰s的额定功率，r
s，a
和r
s，b
分别服从正态分布，k
s，a
和k
s，b
分别为内扰差异系数r
s，a
和r
s，b
的修正系数，σ
s，a2
和σ
s，b2
分别为内扰差异系数r
s，a
和r
s，b
的正态分布方差，μ
s，a
和μ
s，b
分别为内扰差异系数r
s，a
和r
s，b
的正态分布均值，f(r
s，a
)和f(r
s，b
)分别表示内扰差异系数r
s，a
和r
s，b
的cdf函数。6.根据权利要求1所述的规划阶段的城市区域能源系统负荷预测方法，其特征在于，确定每个建筑子类的典型建筑模型，生成第三类特征参数集，具体步骤包括：根据建筑业态在城市区域能源系统规划区域的相同气候区域进行分层抽样，获取建筑物样本和建筑结构参数，抽样的建筑样本包括区域规划的基本建筑类型；对建筑物样本的几何结构进行标准化处理，简化成统一标准的虚拟建筑模型；采用熵权法计算标准化建筑样本的建筑结构相关参数的权重；采用聚类方法，根据标准化建筑样本的第三类参数将建筑样本从基本建筑类型划分为各建筑子类；确定每个建筑子类的典型建筑模型，将典型建筑模型的建筑结构参数作为规划阶段城市区域能源系统负荷预测的第三类特征参数集。7.根据权利要求6所述的规划阶段的城市区域能源系统负荷预测方法，其特征在于，采用熵权法计算标准化建筑样本的建筑结构相关参数的权重，具体表示为：
其中，ω
j
为建筑样本i第三类特征参数中第k个指标的权重，e
ik
为建筑样本i第三类参数中第k个指标的熵值，p
ij
为建筑样本i第三类特征参数参数中第k个指标的比重，y
ik
为建筑样本i第三类特征参数中第k个指标归一化指标，n代表建筑样本的个数。8.根据权利要求6所述的规划阶段的城市区域能源系统负荷预测方法，其特征在于，确定每个建筑子类的典型建筑模型，具体表示为：其中，bi
i
为每个建筑子类的第i建筑样本的得分，典型建筑为建筑样本中得分最高的建筑，x
″′
ik
为城市区域负荷预测的第三类特征参数的第k个指标，ω
k
为第三类特征参数的第k个指标的权重，n
v，i
为建筑样本i所在建筑子类v所包含的建筑样本的数目，γ
i
为建筑样本i所在的建筑子类v的建筑样本数目占各标准建筑类型的建筑样本数目的比例。9.根据权利要求1所述的规划阶段的城市区域能源系统负荷预测方法，其特征在于，根据第三类特征参数定义各地块的规划建筑和建筑子类典型建筑的相对贴近度和隶属度，根据隶属度完成地块规划建筑和建筑子类典型建筑的匹配，具体表示为：其中，x
3，v
为建筑子类v的典型建筑的第三类特征参数集向量，x
3，p
为规划地块p的建筑结构的控制性详细规划向量，y
3，v
和y
3，p
分别为x
3，v
和x
3，p
的标准化向量，δ
p，v
为地块p和建筑子类v的典型建筑的相对贴近度，为地块p和建筑子类v的典型建筑的隶属度；根据地块规划建筑的已知的第三类参数和各建筑子类典型建筑对应的第三类特征参数计算相对贴近度以及对应的隶属度，当隶属度为1时，使用当前建筑子类典型建筑的建筑
模型和第三类特征参数集并结合第一、二类特征参数集进行负荷计算，获得单位面积负荷，否则不使用，完成地块规划建筑和建筑子类典型建筑的匹配。10.根据权利要求1所述的规划阶段的城市区域能源系统负荷预测方法，其特征在于，根据城市区域能源系统的负荷预测模型进行区域负荷预测，具体表示为：其中，q
t
为t时刻的城市区域能源系统的总负荷，s
p
为地块p的建筑面积，q
p，t
为t时刻地块p的计算单位面积负荷。

技术总结

本发明公开一种规划阶段的城市区域能源系统负荷预测方法，该方法步骤包括：基于规划区域气候因素的聚类方法构建第一类特征参数集；基于内扰因素的随机方法生成第二类特征参数集；基于建筑子类划分及典型子类建筑模型确定方法构建第三类特征参数集；第一、二、三类特征参数集分别为规划区域的气候参数集、建筑内扰参数集、建筑结构性参数集；根据第三类特征参数完成规划文件的地块和典型建筑模型的匹配，第一、二类特征参数集和匹配后的第三类特征参数集经过负荷计算后得到规划地块单位面积负荷，根据城市区域能源系统的负荷预测模型进行区域负荷预测。本发明为规划阶段提供准确的数据支持和可靠的预测结果，能反映城市区域负荷的时间和空间特征。负荷的时间和空间特征。负荷的时间和空间特征。