高速公路典型场景运维能源需求预测方法与流程

本发明涉及高速公路运维，具体涉及到高速公路典型场景运维能源需求预测方法。

背景技术：

1、在交通方面，高速公路的能源需求载体，主要可分为监控系统、收费系统、通信系统、照明系统、供配电系统和隧道照明通风等机电系统。随着电动汽车的使用量逐年上升，用电需求将进一步提高。高速公路沿线、互通交汇处和隧道入口处具备开发新能源的路域土地资源，为交通能源一体化提供了解决和实践空间。

2、高速公路运维能源需求根据是否与人的行为活动相关分为两类，每类服务用能场景的统计方法各异。与人活动无关的用能场景依赖时间序列和气象条件，其能源需求在负荷变化上表现出规律性。例如，收费站、隧道和营运管理中心的通风、照明和监控装置能源需求，可以根据当日风速、日照时长和其他气象条件，依照既定标准进行计算。因此，气象条件的变化导致能源需求统计具有不确定性。在收集了目标区域的气象信息后，可以利用设定了开闭规则的用能单元模型进行计算，并通过求和得出能源需求的变化曲线。

3、有效预测和评估高速公路运维能源需求，是推动交通运输新能源和清洁能源应用的重要前提。目前，国内外学者对电力负荷已经开展了一定的相关研究，主要涉及长短时记忆网络(long short term memory,lstm)、循环神经网络(recurrent neural network,rnn)、支持向量机(support vector machine,svm)等预测模型。但是此类方法需要依托大量的历史数据构建数据集进行训练。由于高速公路的运维系统由多个用能系统组合而成，负荷等级不同、统计口径不一，难以实际获取大量可信的用能负荷数据，从而构建有效训练数据集。因此，需要针对服务区、隧道以及沿线的照明能耗，预测服务区的充电需求，营运中心处理突发事件时所需能耗等单一用能系统的用能特性进行用能负荷预测，从而形成高速公路运维能源需求预测。

4、针对上述问题，本发明提供了一种计算了不同场景下的储能容量需求的高速公路典型场景运维能源需求预测方法。

技术实现思路

1、本发明提供了一种计算了不同场景下的储能容量需求的高速公路典型场景运维能源需求预测方法。

2、本发明的目的是提供高速公路典型场景运维能源需求预测方法，方法包括高速公路运维用能需求分为服务区用能、隧道用能、收费站用能、营运管理中心用能和沿线设备用能，通过构建各个用能单元的动态预测模型，不同的场景和人的行为活动，针对不同天气和不同时间下的高速公路运维能源需求，给出了高速公路能源系统受突发事件、天气变化、自然灾害影响形态特性和负荷变化对比，计算不同场景下的储能需求变化，基础设施能耗计算公式为：

3、e＝es+eu+et+eo+ea

4、其中，e为所有运维场景下基础设施用能，单位kw·h；es为服务区使用的能源(kw·h)，eu为隧道使用的能源(kw·h)，et为收费站使用的能源(kw·h)，eo为营运管理中心使用的能源(kw·h)，ea为沿线设施使用的能源(kw·h)。

5、进一步的，服务区用能包括照明耗电、餐厅耗电、燃气、充电桩耗电，采用总体类比法进行计算，具体计算公式为：

6、

7、其中，q为服务区与停车区ts小时内能源消耗量(kw·h)，为第i个服务区一天的能源消耗量(kw·h/24h)，为第j个停车区一天的能源消耗量(kw·h/24h)，n为服务区数量，m为项目停车区的数量。

8、进一步的，隧道用能包括隧道内设备、隧道出口和隧道入口的能耗，具体计算公式为：

9、

10、其中，ph1为隧道内设备的额定功率(kw)，lh1为设备间距(m)，th1为隧道内设备工作时间(h)，ls为隧道总长度，m、n1为各隧道出入口设备件数，nh为隧道总数，ph2为各隧道出入口设备的额定功率(kw)，th2为各隧道出入口设备的工作时间(h)。

11、进一步的，收费站用能包括收费系统、监控系统、照明系统和管理办公室能耗，具体计算公式为：

12、et＝pt1tt1nt

13、其中，pt1为收费站用能单元额定功率(kw)，tt1为收费站运行时间(h)，nt是收费站的总数。

14、进一步的，营运管理中心用能包括管理中心设备能耗、工作人员日常能耗、日常维护能耗和紧急救险用车能耗，具体计算公式为：

15、

16、其中，eo为营运管理中心to时间内能源消耗量(kw·h)，noi为耗能设备的数量(个、台)，pi为耗能设备的功率(w/个、w/台)，ti为耗能设备平均一天的运行时间(h)，po为营运管理中心的工作人员数，wo为营运管理中心平均每人的日均耗电量。

17、进一步的，沿线设备用能包括应急电话耗能和车辆探测器耗能，该高速公路长度为l公里，需配置(lr-1)个车载探测器和2个(lr-1)个应急电话，具体计算公式为：

18、ea＝ta(lr-1)(2pd+pc)

19、其中，lr为整条公路的长度(km)，pc为车载监控设备功率(kw)，pd为应急电话功率(kw)，ta为公路运行时间(h)。

20、进一步的，隧道用能、收费站用能和沿线设备用能为与人类行为不相关，所述服务区用能和营运管理中心用能为与人类相关，隧道用能、收费站用能和沿线设备用能根据各自的气象数据能耗特征，按标准求和计算，服务区用能和营运管理中心用能采用主体建模方法，以综合活动特征进行能源需求预测，具体计算步骤为：

21、步骤一、fcm算法通过计算数据点对不同类别的隶属度进行分类筛选，隶属度的大小由数据点到聚类中心的距离决定，隶属度范围为0到1，数值越高表示数据点与聚类中心越接近，fcm目标函数公式为：

22、

23、其中，ln,c为第n个样本到第c个聚类中心的距离，u为隶属度矩阵，un,c为对应的隶属度，u′聚类中心矩阵，c为聚类个数，c的取值按需要分类场景的数量决定；

24、步骤二、利用fcm算法筛选不同场景的高速公路运维能源需求，将隶属度作为剔除异常用能负荷数据的依据，总用能公式为：

25、v＝[v1,…,vn,…,vn]′

26、其中，n为样本总数，vn＝[vn,1,vn,2,…,vn,t,…,vn,24,vn,25,vn,26]为第n日的用能负荷和公路信息，vn,t为第n日的第t小时的用能情况，vn,25为第n日的平均车流量，vn,26为第n日的平均降水量。

27、进一步的，步骤一和步骤二中的fcm算法具体步骤如下：

28、步骤一、初始化隶属度矩阵u(0)；

29、步骤二、计算聚类中心u′和隶属度矩阵u，第d次迭代，具体计算公式为；

30、

31、其中，p为模糊指数；

32、步骤三、计算目标函数，具体计算公式为；

33、

34、步骤四、若两次迭代计算出的隶属度差距小于阈值ku，即将样本归入某一分类，若不满足则返回第二步继续迭代；

35、步骤五、得到稳定的分类结果后考察各样本隶属度是否大于阈值t，若不满足则标识为脏数据，在进行能源需求曲线计算时予以剔除，对数据进行fcm聚类后，每类用能负荷取时度均值计算场景c的能源需求曲线，具体计算公式为；

36、

37、本发明具有以下优势：本发明首先构建高速公路运维各个用能单元的动态预测模型，考虑不同服务场景和人的行为活动，利用fcm算法构建高速公路运维用能需求模型，针对重大节假日、降雪天气和恶劣天气情况下的高速公路运维能源需求，给出了高速公路能源系统受突发事件、天气变化以及自然灾害影响时的用能形态特性和负荷变化对比，计算了不同场景下的储能容量需求。

38、本发明是基于主体建模和标准计算的fcm方法，建立高速公路运维能源需求动态预测模型，并计算了常规运行、重大节假日、降雪天气和恶劣天气情况下的高速公路运维能源需求曲线。所得能源需求曲线能反映不同场景下高速公路运维能源系统的负荷特性与主体能行为特征，以提高对具有不同特征高速公路运维能耗动态预测的准确性。

39、本发明具有简单易行、准确、全面的优点，用单一用能系统的用能气象特性和人的行为活动进行用能负荷预测，形成高速公路运维能源需求预测，可对高速公路能源系统受突发事件、天气变化以及自然灾害影响时的用能形态特性和负荷变化进行对比评估。