考虑电动汽车与热岛效应的空调负荷预测方法及系统

1.本发明属于电力系统负荷预测时技术领域，尤其涉及一种考虑电动汽车与热岛效应的空调负荷预测方法及系统。


背景技术：

2.随着经济和电力需求的快速增长，电力供需经常处于偏紧状态；空调负荷占电力终端设备的比重逐年增长，已成为峰荷最重要的组成部分，加深了高峰时段的供需矛盾，导致峰谷差进一步拉大；因此，准确预测夏季空调负荷是调节峰谷差和保证电力系统安全经济运行的重要前提。
3.发明人发现，现有的空调负荷预测方法中，没有充分考虑城市热岛效应以及经济发展对空调负荷的影响，导致了对空调负荷预测存在考虑因素不准确、模型偏离实际生活现状以及预测精度较低的问题。


技术实现要素：

4.本发明为了解决上述问题，提出了一种考虑电动汽车与热岛效应的空调负荷预测方法及系统，本发明构建了考虑电动汽车与城市热岛效应的空调负荷预测模型方法；并且在预测方法中着重考虑了经济发展对空调负荷的影响，得到了空调负荷关于经济因素的回归方程，使空调负荷预测更加贴近现实生活。
5.为了实现上述目的，本发明是通过如下的技术方案来实现：
6.第一方面，本发明提供了一种考虑电动汽车与热岛效应的空调负荷预测方法，包括：
7.获取待预测空调负荷预所在的区域信息；
8.依据区域信息和预设的空调负荷预测模型，得到预测结果；
9.其中，所述空调负荷预测模型为回归方程，所述回归方程的变量为城市热岛效应下确定的温度以及经济指标中的因素；所述城市热岛效应下确定的温度受电动汽车预设替代率的影响。
10.进一步的，所述区域信息至少包括待预测区域内预设的夏季温度和经济指标中的因素。
11.进一步的，经济指标中的因素至少包括人均可支配收入、城镇化率和人均生活用电量中的一种或几种。
12.进一步的，所述空调负荷预测模型为：y
fcst
＝k1x1 k2x2 k3x3 k4x4 b，其中，y
fcst
表示人均空调负荷，x1表示人均可支配收入，x2表示城镇化率，x3表示人均生活用电量，x4表示温度，k1、k2、k3、k4和b均为系数。
13.进一步的，所述空调负荷预测模型的构建包括：
14.获取空调负荷的历史数据，根据所述历史数据对空调负荷进行回归分析，分析人均空调负荷与经济指标的关系，得到第一空调负荷预测模型；
15.在所述第一空调负荷预测模型中引入温度，得到计及温度影响的空调负荷模型，并分析电动汽车发展对城市热岛效应的影响，从而对温度产生的影响。
16.进一步的，所述替代率为未来电动汽车对于燃油汽车的替代比例。
17.进一步的，根据电动汽车预设替代率确定温度，具体为：具体为：
18.根据替代率确定未来电动汽车的数量，得到随电动汽车数目增多而减少的汽车尾气排放量：
19.汽车尾气减排量与温度的变化量呈对数关系，根据汽车尾气排放量与温度变化量的关系，确定温度。
20.第二方面，本发明还提供了一种考虑电动汽车与热岛效应的空调负荷预测系统，包括：
21.数据采集模块，被配置为：获取待预测空调负荷预所在的区域信息；
22.预测模块，被配置为：依据区域信息和预设的空调负荷预测模型，得到预测结果；
23.其中，所述空调负荷预测模型为回归方程，所述回归方程的变量为城市热岛效应下确定的温度以及经济指标中的因素；所述城市热岛效应下确定的温度受电动汽车预设替代率的影响。
24.第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的考虑电动汽车与热岛效应的空调负荷预测方法的步骤。
25.第四方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的考虑电动汽车与热岛效应的空调负荷预测方法的步骤。
26.与现有技术相比，本发明的有益效果为：
27.1、本发明构建了考虑电动汽车与城市热岛效应的空调负荷预测模型方法。并且在预测方法中着重考虑了经济发展对空调负荷的影响，得到了空调负荷关于经济因素的回归方程，使空调负荷预测更加贴近现实生活；
28.2、本发明定量分析了电动汽车替代与城市热岛效应的耦合关系，并将这种关系融入到空调负荷预测方法中；电动汽车作为新兴行业，未来势必会对温度产生较大的影响，从而对空调负荷产生影响；本发明在考虑经济因素的基础上考虑了电动汽车技术的快速发展对未来空调负荷的影响，提高了空调负荷预测模型的精度与可靠性。
附图说明
29.构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
30.图1为本发明实施例1的流程图；
31.图2为本发明实施例1的城市热岛效应示意图；
32.图3为本发明实施例2的考虑经济因素的空调负荷拟合示意图；
33.图4为本发明实施例2的考虑城市热岛效应的空调负荷拟合示意图；
34.图5为本发明实施例2的电动汽车保有量增长曲线；
35.图6为本发明实施例2的电动汽车替代率与空调负荷减少量关系示意图；
36.图7为本发明实施例2的空调负荷预测结果示意图。
具体实施方式：
37.下面结合附图与实施例对本发明作进一步说明。
38.应该指出，以下详细说明都是示例性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
39.实施例1：
40.电力系统的负荷预测，本质来讲，就是对电力需求进行提前预估，根据历史负荷数据，推算未来的负荷值，从而为电力部门发电计划的制定提供可靠依据；电力系统负荷预测是能源利用、电力规划、调度和其他管理服务的紧要任务之一；电力负荷预测一方面可以为电网的建设规划、基础设施布局等提供有力依据，避免一些地区存在电力基础设施落后导致重复建设造成的资源浪费；另一方面，精准的电力负荷预测有利于更加科学的确定各发电机组的启停数量及出力分配，维持发、变、输、配、用等环节的平衡，进而减少系统的发电成本，保证电网的安全可靠运行。
41.随着经济和电力需求的快速增长，电力供需经常处于偏紧状态；空调负荷占电力终端设备的比重逐年增长，已成为峰荷最重要的组成部分，加深了高峰时段的供需矛盾，导致峰谷差进一步拉大；因此，准确预测夏季空气调节负荷是调节峰谷差、保证电力系统安全经济运行的重要前提。
42.随着汽车数量激增，尾气污染替代煤气污染成为主要污染源之一；车辆种类多、质量参差不齐、排放标准低和油品质量差等因素导致汽车尾气污染严重而尾气污染是导致城市热岛效应的重要原因之一。
43.城市热岛效应是指城市中的空气温度明显高于城市外围郊区的现象；从近地面温度图上看，郊区气温变化很小，而城区高温区的形状像是海里突出海面的岛屿，因此形象地称之为城市热岛。
44.现有的研究认为，城市热岛的形成机制、强度和时空分布特征主要与以下几个因子有关：下垫面材质影响、建筑组合和材质影响、人为热排放影响。人为热排放主要是指城市中人们日常生产生活所产生的各种热量，加剧了城市热岛效应，可包括工业生产的热量、交通工具产生的热量、空调向外排放的热量等。图2反应了城郊与城区的温度特征，郊区至城区至中心城区气温增加，清晰看出热岛存在，根据统计结果，市区年均温度高村郊0.5℃-2℃。
45.针对上述问题，如图1所示，本实施例提供了一种考虑电动汽车与热岛效应的空调负荷预测方法，包括：
46.获取待预测空调负荷预所在的区域信息；
47.依据区域信息和预设的空调负荷预测模型，得到预测结果；
48.其中，所述空调负荷预测模型为回归方程，所述回归方程的变量为城市热岛效应下确定的温度以及经济指标中的因素；所述城市热岛效应下确定的温度受电动汽车预设替代率的影响。
49.在本实施例中，所述区域信息至少包括待预测区域内预设的夏季温度和经济指标
中的因素。
50.在本实施例中，经济指标中的因素至少包括人均可支配收入、城镇化率和人均生活用电量中的一种或几种。
51.在本实施例中，所述空调负荷预测模型为：y
fcst
＝k1x1 k2x2 k3x3 k4x4 b，其中，y
fcst
表示人均空调负荷，x1表示人均可支配收入，x2表示城镇化率，x3表示人均生活用电量，x4表示温度，k1、k2、k3、k4和b均为系数。
52.在本实施例中，所述空调负荷预测模型的构建包括：
53.获取空调负荷的历史数据，根据所述历史数据对空调负荷进行回归分析，分析人均空调负荷与经济指标的关系，得到第一空调负荷预测模型；
54.在所述第一空调负荷预测模型中引入温度，得到计及温度影响的空调负荷模型，并分析电动汽车发展对城市热岛效应的影响，从而对温度产生的影响。
55.具体的，构建同时考虑经济因素以及电动汽车与城市热岛效应的空调负荷预测模型，首先对空调负荷进行测算得到历史数据，然后根据历史数据对空调负荷进行回归分析，分析人均空调负荷与经济指标的关系，得到一般情况下的空调负荷预测模型；在考虑经济因素的空调负荷模型中引入温度，得到计及温度影响的空调负荷模型，并分析电动汽车发展对城市热岛效应的影响，从而对温度产生影响，导致夏季空调负荷的修正。
56.在本实施例中，所述替代率为未来电动汽车对于燃油汽车的替代比例。
57.在本实施例中，根据电动汽车预设替代率确定温度，电动汽车对燃油汽车的替代导致燃油汽车的尾气排放量下降，从而降低热岛效应对温度的影响，导致温度降低，根据温度的变化即可确定空调负荷的下降；具体为：
58.首先,可根据替代率确定未来电动汽车的数量，从而得到随着电动汽车数目增多而减少的汽车尾气排放。
[0059][0060]
δt
emissions
＝6
×
10-4
tm
ev
[0061]
其中,k为电动汽车的替代率，m
ev
为未来电动汽车的数量，为燃油汽车数量的历史最大值，δt
emissions
为由于电动汽车的替代，汽车尾气排放的变化量，t为汽车寿命。
[0062]
汽车尾气的减排量与温度的变化量呈对数关系，其解析关系为：
[0063]
δc＝k
tem
lnδt
emissions
[0064]
其中,δc为温度的变化量，k
tem
为影响系数，在本实施例中，预设k
tem
为0.015；根据温度的变化量求解空调负荷的减量，对空调负荷进行修正。
[0065]
在本实施例中，要对未来的空调负荷进行预测，需要对历史空调负荷数据进行测算；首先需要确定夏季空调设备未运行时的典型用电负荷曲线，电网在夏季的实际日负荷曲线与夏季基础负荷曲线之差就是当日的降温负荷曲线。
[0066]
本实施例中，选择采用春秋两个季节的负荷曲线的平均值作为夏季基础负荷曲线，这是因为春季和秋季期间空调制冷负荷以及取暖负荷较低，可以将其忽略；同时，在一年内的春季、夏季和秋季，即使没有空调用电的影响，其他用电负荷也会有自然的增长，因此单独采用春季或者秋季的平均负荷曲线作为夏季基础负荷曲线会对降温负荷产生错误估计。
[0067]
实施例2：
[0068]
本实施例中，针对实施例1中提出的空调负荷预测方法，通过借助某省份的数据，对空调负荷预测方法进行实施和验证；将空调负荷预测分两个步骤进行：首先，研究发现虽然近几年夏季温度波动幅度较大，但空调负荷却持续上升，其与居民生活指标水平呈现正相关；因此，本实施例分析了夏季空调负荷随城市化水平、人均可支配收入以及其他经济因素的变化；从而本实施例得到了一般情况下空调负荷的预测模型；然后，在前一步预测的基础上，考虑了温度对空调负荷的影响，并研究了电动汽车大范围替代情况下，城市热岛效应对温度的影响，从而考虑了电动汽车以及城市热岛效应对空调负荷的影响，对空调负荷进行了修正，提升了预测的精度；具体的：
[0069]
本实施例中，首先通过经济因素对夏季空调负荷进行预测；影响空调负荷的主要因素包括人均居民指标(人均住宅用电量、人均可支配收入等)水平及城镇化进程；如表1所示，为该省份近年的人均居民指标及人均空调负荷数据。
[0070]
表1人均居民指标及人均空调负荷数据
[0071][0072]
经相关性计算，人均空调负荷与人均生活用电量、常住居民人均支配收入和城镇化率均呈较强的相关性，皮尔逊相关系数分别达0.98、0.961和0.955。
[0073]
采用基于主成分分析的回归分析方法，使用spss进行回归分析，得到以该省人均空调负荷为因变量的回归方程，如式(1)所示。
[0074]yfcst
＝k1x1 k2x2 k3x3 b
ꢀꢀ
(1)
[0075]
其中，x1、x2和x3分别表示人均可支配收入、城镇化率和人均生活用电量；y
fcst
表示人均空调负荷；在本公开中，k1、k2、k3、k4和b均为系数，k1、k2、k3和b可以分别设置为-1.91
×
10-5
、1.319、1.203
×
10-3
和-0.753。
[0076]
其拟合效果图如图3所示，为该省人均空调负荷拟合值和历史实际值，其预测误差见下表2。
[0077]
表2预测误差
[0078][0079]
随着人民生活水平以及电气化程度的提高，人均生活用电量预计将会持续增长，并于2025年达到900kwh/人，全省人均可支配收入有望达到42980元，全省常住人口城镇化率将达到65％。将这些数据代入式(1)，可得到2025年该省的人均空调负荷约为0.366kw，则该省在夏季典型日的最大空调负荷将达到29897mw。
[0080]
在上述的基础上，本实施例中，研究考虑热岛效应对温度影响的空调负荷预测；同样采用基于主成分分析的回归分析方法，将温度作为自变量考虑，求人均空调负荷的拟合方程。该省夏季最高气温如表3所示。
[0081]
表3夏季最高气温
[0082][0083][0084]
得到考虑城市热岛效应影响的人均空调负荷的拟合方程，如式(2)；其中，x4表示该省夏季典型日的最高温度；在本模型中，k1、k2、k3、k4和b可以分别为-3.235
×
10-5
、2.24、1.5
×
10-3
、8
×
10-3
和-1.402，其拟合曲线如图4所示。
[0085]yfcst
＝k1x1 k2x2 k3x3 k4x4 b
ꢀꢀ
(2)
[0086]
如图4所示，在考虑了温度的影响后，预测结果更加准确。
[0087]
此时，可以通过对未来的夏季最高温度预测，来进一步修正空调负荷。假定2025年的夏季气温较高，最高气温达到38℃时，夏季空调负荷最高将达到25967mw；假定2025年夏季气温偏低，最高气温为33℃时，夏季空调最高负荷将达到22696mw。与仅考虑经济因素的空调负荷预测模型相比，本模型预测的负荷更小、更贴近实际。
[0088]
此外，由于电动汽车技术的快速发展，其居民保有量正在迅速上升，这也将直接导致燃油汽车数量的下降；而燃油车的尾气排放是导致城市热岛效应的主要原因，电动汽车
的普及将导致燃料汽车保有量以及其排放量的大幅度减少；因此，电动汽车的快速发展将减缓城市热岛效应；预计2025年该省的电动汽车数量将达到70万辆，并且假设这些电动汽车取代了70万辆燃油汽车。
[0089]semissions
＝6
×
10-4
tn
fv
ꢀꢀꢀ
(3)
[0090]
其中，s
emissions
是燃油汽车的尾气排放量，t为汽车寿命，n
fv
是燃油汽车的数量。根据式(3)，到2025年，由于电动汽车对燃油汽车的替代，该省会减少153300吨汽车尾气排放量。据估计，这些汽车尾气排放的减少，将导致该省的平均气温下降0.2℃。这将使该省的空调负荷减少163mw，有助于降低峰谷差，保证电力系统的经济和稳定运行。
[0091]
如图5所示，描述了电动汽车保有量的增长趋势；如图6所示，展示了夏季空调负荷的降低与电动车辆替代率之间的关系；随着电动汽车市场份额的快速增加，燃油汽车数量大幅度减少，导致燃油汽车的尾气碳排放量急剧下降，从而使城市热岛效应得到缓解。市区与郊区之间的温差持续缩小，市区地区的温度降低，夏季空调负荷降低。然而，当电动汽车逐渐完全取代燃油汽车时，城市热岛效应对温度的影响将会逐渐减弱，导致夏季空调负荷下降的速度放缓，直至饱和。
[0092]
此外，早晚出行高峰对城市热岛效应有严重影响。因此，在早上和晚上的出行高峰期间会产生空调负荷的一个小峰值。图7所示，展示了不同电动汽车替代率下夏季典型日的空调负荷曲线，其中四条曲线分别代表了电动汽车替代率为0、30％、60％以及80％的载荷曲线；从图7可以看出，在电动车辆的替代率较低时，空调负荷的减少较为显著；当替代率逐渐增加时，空调负荷的变化较慢；此外，空调负荷的波动性很大，总体趋势是中午和晚上出现双峰；在早高峰期间，由于城市热岛效应较强，空气调节负荷开始上升；并且空调负荷的波动与居民出行安排有较强的一致性。
[0093]
实施例3：
[0094]
本实施例提供了一种考虑电动汽车与热岛效应的空调负荷预测系统，包括：
[0095]
数据采集模块，被配置为：获取待预测空调负荷预所在的区域信息；
[0096]
预测模块，被配置为：依据区域信息和预设的空调负荷预测模型，得到预测结果；
[0097]
其中，所述空调负荷预测模型为回归方程，所述回归方程的变量为城市热岛效应下确定的温度以及经济指标中的因素；所述城市热岛效应下确定的温度受电动汽车预设替代率的影响。
[0098]
所述系统的工作方法与实施例1的考虑电动汽车与热岛效应的空调负荷预测方法相同，这里不再赘述。
[0099]
实施例4：
[0100]
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了实施例1所述的考虑电动汽车与热岛效应的空调负荷预测方法的步骤。
[0101]
实施例5：
[0102]
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了实施例1所述的考虑电动汽车与热岛效应的空调负荷预测方法的步骤。
[0103]
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作
的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。