工业园区热负荷预测方法

《工业园区热负荷预测方法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、天马行空官方博客：http://t.qq.com/tmxk_docin；QQ:1318241189；QQ群：175569632工业园区热负荷预测方法摘要：采用回归分析法、时间序列分析，与实际情况相结合，对青浦工业园区的热负荷进行预测，从而找出工业园区的热负荷预测方法。关键词：回归分析法热负荷预测0.引言集中供热工程中日益突出的问题是热负荷的供需矛盾问题。落实热负荷，是集中供热一切要素之首。热负荷的预测是集中供热管理的前提和基础。没有准确的热负荷，热电站的建设将似沙滩上的建筑，不仅不能节约燃料，更

2、无经济效益可谈。因此高效准确的预测方法显得格外重要和迫切。1.传统的热负荷预测方法目前各行各业中用到的预测方法有很多种，但都有各自的局限性和使用条件限制。大多数的预测方法都是建立在对历史数据统计分析的基础上，不同之处只是数据处理方式及所适用的系统。根据对数据处理方式的不同，供热负荷预测方法基本可以分为：时间序列法、回归分析法。1.1时间序列法时间序列是按照时间顺序取得的一系列观测值。很多数据是以时间序列的形式出现的：一个工厂装船货物数量的月度序列，公路事故数量的周度序列。某化工过程产出的按小时观

3、测，等等。时间序列典型的一个本质特征就是相邻观测值的依赖性。时间序列分析把系统看成一个“暗箱”，它并不关心影响这个系统运行的因素是什么，而且也不想去花费精力寻找这些因素是什么，而是把这个系统看成是不需要外界知道的“生成过程”。时间序列预测方法对于工业园区集中供热的热负荷预测来说，并不适用，时间序列预测方法需要大量的历史数据，而对于一个新型工业园区来说，其历史一穷二白，无历史数据可参考，所以不能用时间序列预测方法来预测热负荷。1.2回归分析法回归分析预测法就是从系统各种现象之间的相互关系出发，通过

4、对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测法。所谓回归分析就是研究某一个随机变量（因变量）与其他一或几个变量（自变量）之间的数量变动关系，回归分析主要涉及以下内容：·从一组观测数据出发，分析变量间存在什么样的关系，建立这些变量之间的关系式（回归方程），并对关系式的可信度进行统计检验；·利用回归方程式，根据一个或几个变量的值，预测或控制另一个变量的取值；·从影响某一个变量的许多变量中，判断哪些变量的影响是显著的，哪些是不显著的，从而建立更实用的回归方程；·根据预

5、测和控制所提出的要求，选择实验点，对实验进行设计。回归分析法和时间序列分析法是常用的定量分析方法，当预测者收集到足够的可靠的数据时，这两种方法相辅相成，根据不同的前提假设条件，可以有不同的应用。本文就将以已建成的工业园区的负荷资料对新建工业园区的热负荷进行预测。2.已建工业园区热负荷调研及资料整理通过调研其它工业园区的热负荷情况，对调研所得到的供热负荷数据进行处理，再加上所预测工业园区的实际情况，按批租面积对未来的集中供热负荷进行估算是一个行之有效的方法，但由于工业园区内土地批租不可能以集中供热

6、规划为依据，每一个工业开发区地块热负荷的预测工作，都有随机性、随意性等诸多不确定因素。为了提高热负荷预测的科学性和可靠性，应该进行大量的实地调查研究，收集了很多有参考价值的数据和基础资料。通过分析和研究，归纳总结出若干带有规律性的内在联系，同时结合设计规范和相应的设计技术措施，得出不同类型产业，单位面积的预测热负荷量。调查研究工作的主要对象是一些工业企业，调研主要内容包括、企业名称、所在区域、企业性质、产品名称、单位产品能耗、年产量、热源及容量、热媒性质及参数、平均热负荷或（用气量）、峰值热负荷

7、或用气量、车间建筑面积、空调面积、生产班次、空调冷负荷、空调热负荷等。本文中主要调查了上海浦东新区的某出口加工区集中供热情况和上海浦东某高科技园区集中供热情况等。这两个园区属于上海浦东新区几个开发小区中起步较早、发展较快的跨世纪的现代化城区之一。这两个工业园区都采用了集中供热系统，这个调研工作主要从某中美合资公司和上海某高科技园区热力中心入手，得到这两个工业园区内企业的热负荷和用气量的大小、规律。2.1各工业园区用气量调查高科技园区规划面积是17平方公里，但是现在只有1平方公里使用了集中供热。使

8、用集中供热的产业主要是生物医药产业和微电子产业。图1.1是从高科技园区热力中心得到的已签订合同的热力用户的用汽情况，上面所标注的数据是合同用汽量。出口加工区9平方公里，主要产业为进出口加工。出口加工区在做热负荷预测工作时把此区分了几个地块，见表2.1。图1.1某高科技园区热力用户用汽及管网图表2.1出口加工区各大地块蒸汽用量表地块号面积(公顷)总预测负荷(t/h)其中规划负荷(t/h)合同量(t/h)调查量(t/h)预测量(t/h)A332.66285118.58284.5160B105.522