一种基于智能体建模的区域电供暖负荷预测方法

技术领域

本发明涉及电力系统技术领域，尤其涉及一种基于智能体建模的区域电供暖负荷预测方法。

背景技术

随着我国煤改电工程的逐步推进，电供暖负荷的接入规模不断提高，接入地区可能面临电网升级改造问题，而负荷预测是电网升级改造规划的重要依据。然而，进行煤改电工程改造的区域电供暖负荷历史数据不足，且电供暖负荷具有体量大、同时率高、利用小时数少等特点，采用传统自上而下的负荷预测方法可能存在一定偏差，造成电网升级改造时装机成本增加、设备利用小时数下降，不利于电网的可持续发展。智能体建模是复杂性科学中的一种建模方法，可以将其引入到电供暖负荷预测中，通过将人映射为模型中的智能体，对其进行日常行为模拟，自下而上地进行电供暖负荷预测，智能体的建模摆脱了对历史负荷数据的依赖，考虑多种客观因素和主观因素的影响，其中主观因素还可模拟人的不完全理性决策，为煤改电区域电供暖负荷引起的电网升级改造规划提供支撑。

基于智能化的负荷预测方法以人工神经网络(Artificial Neural Network)、模糊逻辑(Fuzzy Logic)和支持向量机(Support Vector Mechanism)等为代表，需要基于历史数据对人工神经网络进行训练，这一过程需要大量的历史数据，而新改造的煤改电区域缺乏大量的电供暖负荷历史数据，现有的智能化方法难以对处于电力规划阶段的煤改电区域电网升级改造提供有力的负荷预测支撑。

本发明提出一种基于智能体建模的区域电供暖负荷预测方法，用以对历史供暖负荷数据不足的新改造的煤改电区域进行电供暖负荷预测。

发明内容

本发明的目的是提出一种基于智能体建模的区域电供暖负荷预测方法，其特征在于，所述方法采用智能体建模对人的日常行为进行模拟，并从家庭的角度，以个人为最小决策单元，采用层级结构自下而上地进行电供暖负荷预测，包括以下步骤：

步骤1：录入目标人群的属性，包括年龄段、收入水平、衣着习惯、家庭结构和热舒适度参数；

步骤2：基于目标人群的个人属性生成每个人的出行行为的时间链；

步骤3：基于出行行为和人体最佳舒适度得到每个人的供暖温度决策；

步骤4：构建家庭网络；

步骤5：基于家庭温度决策优先权模型得到温度决策权归属者；

步骤6：考虑收入水平和消费习惯对该家庭的供暖温度决策进行修正；

步骤7：基于家庭供暖温度决策模型来决策家庭供暖温度；

步骤8：结合气象数据和供暖温度决策进行住宅热负荷计算；

步骤9：结合电供暖设备运行策略对各家庭的供暖用电情况进行模拟和计量，得到区域层面的供暖用电负荷。

所述层级结构包括个人层面、家庭层面和区域层面。

所述个人层面的供暖温度决策模型为：

采用式(1)二状态变量L

式中，L

对个人人体的热舒适度采用式(2)热舒适度模型进行计算，

I

式中，I

基于出行行为和人体最佳舒适度的家庭成员的供暖温度决策如式(3)所示：

PMV

式中，T

所述家庭层面的供暖温度决策模型为：

对于住宅区域内的某个家庭n，建立式(5)家庭温度决策优先权模型，对应最优解的家庭成员i为温度决策权归属者；

式中，r

按式(6)对拥有家庭温度决策权的成员的温度决策进行修正：

式中，T

式中，p为节约型消费倾向比例因子，s

则考虑家庭收入和消费习惯的家庭供暖温度决策如式(8)所示：

式中，T

考虑家庭成员温度决策和出行行为的家庭供暖温度决策模型，如式(9)所示。

式中，T

所述步骤8中计算住宅热负荷q

对由墙体围护结构组成的家庭住宅空间，按照如下动态传热方程计算住宅热负荷q

式中，T

所述步骤9具体为：

当家庭成员全部外出即住宅空置时长超过4小时的时候设备运行于将室温维持在18℃的低耗能状态并于家庭成员预计回家时刻前2小时恢复住宅供暖设定温度值；当有成员在家时电供暖设备持续运行，电供暖设备出力模型为：

式中，P

则t时段内家庭n的供暖用电负荷模型为：

式中，Q

则区域供暖用电负荷预测模型为：

其中，Q

本发明的有益效果在于：

本发明基于智能体建模的区域电供暖负荷预测方法是一种在工程前进行预测的方法，而当前其他的负荷预测方法是在工程后进行预测的方法；本发明通过对个体的时空行为模拟和家庭的温度决策，结合天气温度和建筑性能进行热力学计算得到住宅的热负荷，可支撑适应清洁供暖改造地区的电网升级改造，能够在煤改电工程前期负荷数据缺乏的情形下对供暖用电负荷进行预测。

附图说明

图1为本发明基于智能体建模的区域电供暖负荷预测方法的流程图。

具体实施方式

本发明提出一种基于智能体建模的区域电供暖负荷预测方法，下面结合附图和具体实施例对本发明做进一步说明。

图1为本发明基于智能体建模的区域电供暖负荷预测方法的流程图。在个人层面，本发明提出的一种基于智能体建模的区域电供暖负荷预测方法考虑影响其使用电供暖设备行为的个体因素主要为出行行为与最佳舒适温度，并基于此建立家庭成员出行规则和供暖温度决策。本发明将家庭成员的社会角色分为四类，分别为上班族、上学族、退休人群和儿童。

以A表示某个住宅区内的人群集合，每类人群的集合用A

家庭成员的出行规则为：

1)上班族：工作日早高峰出行，晚高峰返回，休息日出行/返回随机，早高峰时间段约为7:00-9:00，晚高峰时间段约为17:00-19:00，考虑到当前许多单位实行单休制度等原因，上班族工作日为周一至周六；

2)上学族：周一至周五早高峰出行，晚高峰/次晚高峰返回，周末出行/返回随机，考虑到部分学校存在晚自习等原因，上学族存在次晚高峰，早高峰时间段约为6:30-7:30，晚高峰时间段约为17:30-18:30，次晚高峰时间段约为20:45-21:30；

3)退休人群：每日早高峰出行，晚高峰返回，早高峰时间段约为7:30-11:30，晚高峰时间段约为13:15-17:35。

4)儿童：在家长陪同下出行/返回随机。

对于每位家庭成员在家与否的状态，本发明采用二状态变量L

式中，L

本发明对人体热舒适度采用简化ISO7730热舒适度模型进行计算，如式(2)所示。

I

式中，I

基于出行行为和人体最佳舒适度的家庭成员的供暖温度决策如式(3)所示：

PMV

式中，T

在家庭层面，本发明提出的一种基于智能体建模的区域电供暖负荷预测方法考虑影响使用电供暖设备行为的家庭因素主要为家庭结构、家庭内部交互规则、家庭收入和家庭消费习惯，并基于此进行家庭温度决策权分配和家庭供暖用电温度决策。

本发明的家庭温度决策权分配首先需要构建家庭网络，家庭网络将家庭中的每个个体视为单个节点，个体与个体之间产生的联系视为节点之间的边，其关系集合刻画了这个家庭中所有个体间的关系。在家庭网络中，组成家庭网络的所有成员节点之间都存在联系，即家庭成员的内部交互。本发明认为家庭网络为有向图，家庭成员温度决策倾向内部交互为有向边，对于住宅区域内的某个家庭n而言，本发明建立家庭温度决策优先权模型如式(5)所示，对应最优解的家庭成员i为温度决策权归属者。

式中，r

家庭供暖用电温度决策首先是在温度决策权分配的基础上考虑家庭收入和消费习惯对家庭成员用能行为的影响，对拥有家庭温度决策权的成员的温度决策进行进一步的修正，如式(6)所示：

式中，T

其中，用能行为系数u满足：

式中，p为节约型消费倾向比例因子，s

则考虑家庭收入和消费习惯的家庭成员供暖温度决策如式(8)所示。

式中，T

在家庭供暖用电温度决策时，考虑家庭成员温度决策和出行行为的异质性，一方面在家庭成员之间进行横向决策，得到具有温度决策权家庭成员的温度决策；另一方面在家庭成员出行时间链进行纵向决策，得到家庭空置时段，综合两方面决策得到家庭供暖用电温度决策模型，如式(9)所示。

式中，T

在区域层面，本发明提出的一种基于智能体建模的区域电供暖负荷预测方法考虑天气温度、住宅保暖性能、电供暖设备运行策略等因素进行区域电供暖负荷预测。

家庭住宅热负荷计算步骤为：首先，基于式(9)的家庭供暖用电温度决策模型可得到家庭需要维持的温度；其次，将气温、住宅属性等参数代入式(10)；最后，解微分方程，可解得住宅温度处于决策温度时所需的电供暖热负荷。

对由墙体等围护结构组成的家庭住宅空间，其动态传热方程为：

式中，T

本发明的电供暖设备的运行策略为：当家庭成员全部外出即住宅空置时长超过4小时的时候设备运行于将室温维持在18℃的低耗能状态并于家庭成员预计回家时刻前2小时恢复住宅供暖设定温度值；当有成员在家时电供暖设备持续运行，电供暖设备出力模型为：

式中，P

则t时段内家庭n的供暖用电负荷模型为：

式中，Q

则区域供暖用电负荷预测模型为：

其中，Q

此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。