CN104571068A - 一种分布式能源系统的运行优化控制方法及系统 - Google Patents

Abstract

本发明公开了一种分布式能源系统的运行优化控制方法及系统，所述方法包括：S1，采集环境信息和机组实际运行数据，以获得分布式能源站用户的冷、热负荷随季节和时刻的变化规律，建立冷热电负荷预测模型；S2，通过引入实时校验因子和机组实际运行数据，在线优化冷热电负荷预测模型；S3，在满足能源利用效率的前提下，以实现全厂经济效益最优为目标，根据预测的冷、热、电负荷的动态需求建立负荷动态优化分配模型，输出负荷动态优化分配结果；S4，基于全厂经济效益最优，根据负荷动态优化分配结果建立组合优化模型，输出机组运行优化命令。发明能获得高精度的负荷预测信息，形成相应的优化命令，对负荷动态以及机组运行进行在线优化控制。

Description

一种分布式能源系统的运行优化控制方法及系统

技术领域

本发明涉及一种分布式能源系统的运行优化控制方法及系统，特别是一种用于燃气-蒸汽联合循环加余热利用的冷热电联供系统的运行优化控制方法及系统。

背景技术

分布式能源是指分布在用户端的能源综合利用系统，以天然气或可再生能源作为主要驱动能源，以冷、热、电联供技术为基础，实现了以直接满足用户多种需求的能源梯级利用，是以高效、清洁、灵活为特点的供能系统，已成为当今世界迅速发展的绿色新兴能源产业。

分布式能源系统运行的显著特点是负荷变化大，尤其是冷、热负荷变化大，随机性强。为满足冷热电负荷需求，系统经常处于变工况运行状态，由于缺少负荷预测环节或预测精度较低，负荷优化分配的偏差不断变大，机组及其控制系统的响应特性会出现滞后、超调、甚至振荡，导致系统难以达到设计时能源综合利用效率值的要求，经济效益也难以保证。

由于用户侧的冷、热、电负荷在不断变化，分布式能源站的各主设备的搭配运行模式较多，多投/退机组或者主设备搭配不合理，会导致能耗增大、厂用电消耗增加、经济性降低，因此，如何合理优化多机组的运行模式也是分布式能源系统亟待解决的问题。而目前，分布式能源站的SIS系统只负责实时生产数据传输和报表，不负责现场决策优化控制和寻优管理，因而不能指导现场设备的运行优化管理；而现有的分布式能源站的DCS控制系统与SIS生产管理系统独立运行，生产管理系统未能与控制系统实时在线相关联，不具有对整个分布式能源站的实时在线运行优化功能。

发明内容

本发明的目的在于，提供一种分布式能源系统的运行优化控制方法及系统，能够获得高精度的负荷预测信息，形成相应的优化命令，对负荷动态以及机组运行进行在线优化控制。

为解决上述技术问题，本发明采用如下的技术方案：一种分布式能源系统的运行优化控制方法，包括以下步骤：

S1，采集环境信息和机组实际运行数据，以获得分布式能源站用户的冷、热负荷随季节和时刻的变化规律，再根据所述变化规律和用户蒸汽需求计划，建立冷热电负荷预测模型；

S2，通过引入实时校验因子和机组实际运行数据，在线优化冷热电负荷预测模型，逐时预测冷、热、电负荷的动态需求；

S3，在满足能源利用效率的前提下，以实现全厂经济效益最优为目标，根据预测的冷、热、电负荷的动态需求建立负荷动态优化分配模型，输出负荷动态优化分配结果；

S4，基于全厂经济效益最优，根据负荷动态优化分配结果建立组合优化模型，输出机组运行优化命令，对负荷实现方式进行优化及调控。

前述的分布式能源系统的运行优化控制方法中，所述环境信息包括当地大气环境温度、湿度信息；所述机组实际运行数据包括机组的负荷率和工作效率。

前述的分布式能源系统的运行优化控制方法中，所述步骤S1中的冷负荷为空调冷负荷，热负荷包括工业蒸汽负荷和空调热负荷，所述冷热电负荷预测模型通过以下步骤建立：S11，以当前时间为起点，收集近三年内的天气预报信息(包括温度、湿度等)，利用指数平滑算法获得逐时天气变化曲线，然后与当前天气预报信息进行对比、修正，建立气象预测模型，对未来三天内的天气情况进行预测，计算未来一天的逐时天气变化曲线；

S12，根据未来一天的逐时天气变化曲线，统计能源站用户不少于一年内的用能(冷、热)数据，计算未来一天的冷、热负荷随季节和时刻的逐时变化曲线，再根据未来一天的冷、热负荷随季节和时刻的逐时变化曲线和用户蒸汽需求计划，建立冷热电负荷预测模型。

天气预报通常预测未来一周天气情况，而针对分布式能源系统，主要考虑其实用性，选择未来三天作为预测步长；因为太长则无实用价值，太短则对接下来的精确预报“未来一天”数据的支持不充分。计算和预报“未来一天”的逐时变化曲线是为了能提供给能源站运行人员第二天的机组开启和运行计划安排。

前述的分布式能源系统的运行优化控制方法中，所述步骤S2中，所述实时校验因子是通过即时数据在线修正所得的负荷预测值，所述即时数据包括分布式能源站向用户提供空调冷、热水供回水母管的温度和流量。

前述的分布式能源系统的运行优化控制方法中，所述步骤S2中，所述冷、热、电负荷的动态需求包括能源站用户的未来负荷分布情况以及峰谷负荷的发生时刻和持续时间。

前述的分布式能源系统的运行优化控制方法中，所述步骤S3中，负荷动态优化分配模型根据预测得到的冷、热、电负荷值，输出负荷动态优化分配结果，对分布式能源站各套机组须完成负荷数量进行调配；所述负荷动态优化分配模型按以下步骤建立：

S31，以分布式能源站支出费用的相加和为目标函数，支出费用包括耗电费用、耗气费用和运行维护费用；

S32，以满足能源利用效率为约束条件，约束条件包括用户用能需求的系统冷热电产用平衡条件(能源系统尤其是电力系统具有即产即用的特点，能源站所提供的电、热、冷产品必须要生产和使用(消纳)相平衡)、机组容量限定条件和环境排放限制条件；

S33，通过计算，得出满足约束条件下的目标函数最小时的解，从而获得最优的负荷动态优化分配结果。

前述的分布式能源系统的运行优化控制方法中，所述步骤S4中，根据负荷动态优化分配结果获得的每套机组所需完成的负荷，对单套机组内部所有可能的供能(冷、热、电)方式进行组合优化及相关参数的调节控制，满足负荷供给；所述组合优化模型按以下步骤建立：

S41，以机组支出费用的相加和为目标函数，机组支出费用包括机组的耗电费用和耗气费用；

S42，约束条件包括冷热电负荷满足供应值条件、机组供能单元的容量调节上、下坡速率限定条件(机组在变工况、变负荷运行时，其容量或负荷调节的变化率即上、下坡速率不能太快，否则导致系统不稳定，损伤机组，因而一定要有速率限定)和工作区间限定条件；

S43，通过计算，得出满足约束条件下的目标函数最小时的解，从而获得最佳的组合方式。

一种实现前述方法的分布式能源系统的运行优化控制系统，包括：

信息采集模块，用于采集环境信息和机组实际运行数据；

冷热电负荷预测模型，用于根据信息采集模块采集的数据获得分布式能源站用户的冷、热负荷随季节和时刻的变化规律，再根据所述变化规律和用户蒸汽需求计划，建立冷热电负荷预测模型；

负荷预测优化模块，用于通过引入实时校验因子和机组实际运行数据，在线优化冷热电负荷预测模型，逐时预测冷、热、电负荷的动态需求；

负荷动态优化分配模块，用于在满足能源利用效率的前提下，以实现全厂经济效益最优为目标，根据预测的冷、热、电负荷的动态需求建立负荷动态优化分配模型，输出负荷动态优化分配结果；

负荷实现方式优化调控模块，用于基于全厂经济效益最优，根据负荷动态优化分配结果建立组合优化模型，输出机组运行优化命令，对负荷实现方式进行优化及调控。

前述的分布式能源系统的运行优化控制系统中，所述冷热电负荷预测模型包括：

逐时天气变化曲线计算模块，用于以当前时间为起点，收集近三年内的天气预报信息(包括温度、湿度等)，利用指数平滑算法获得逐时天气变化曲线，然后与当前天气预报信息进行对比、修正，建立气象预测模型，对未来三天内的天气情况进行预测，计算未来一天的逐时天气变化曲线；

冷热负荷逐时变化曲线计算模块，根据未来一天的逐时天气变化曲线，统计能源站用户不少于一年内的用能(冷、热)数据，计算未来一天的冷、热负荷随季节和时刻的逐时变化曲线。

与现有技术相比，本发明所述优化控制方法可概况为“一定、两优化”；“一定”是指用户每天所需冷、热、电负荷为一定，能源站必须做到按量、及时供应，亦即负荷约束为定；此处所述“一定”意为“确定”而非“固定”，即每时每刻负荷需求为一确定值，这一确定值由本方法的冷热电负荷预测模块提供；“两优化”是指高压蒸汽和低压蒸汽两种类型蒸汽的用途优化，即在满足负荷需求的条件下，如何优化两种蒸汽的去向以及分配量使得全厂的经济效益最佳；其控制策略为：首先进行厂级负荷优化分配，而后进行负荷实现方式的优化及其调控。

本发明以实现分布式能源系统运行的经济效益和能源综合利用效率的综合指标最优为目标，运用负荷预测、在线辨识、数学建模、智能计算、安全通讯等技术，结合系统运行的实时数据和历史数据，通过对发电、制冷、供热三种能源系统的能效数据的评估，建立并求解最优化的负荷动态优化分配模型，给出最优化控制和调度命令(包括工作模式和相应的数值)，并将命令下达至分散控制系统DCS，通过DCS系统对发电、制冷、供热单元进行控制，从而实现分布式能源系统的最优运行，达到高效低耗、经济匹配、可靠安全的运营目标。

本发明具有以下优点：

(1)智能的最优负荷分配

全厂冷热电负荷实时地、自动地实现在各单元机组间的最优分配。

(2)更高的负荷响应速率和调节精度

给出合理的机组加减及起停时间，优化负荷超调量，使系统具有更高的冷热电负荷响应速率提高8％左右和调节精度提高5％左右。

(3)经济效益和能源综合利用效率的最佳结合

系统能够按照经济效益和能源利用效率的最佳匹配方式运行，其中经济效益提高5％左右，能源利用效率提高3％左右。

(4)机组运行更加平稳、安全可靠性明显提高

通过优化机组的组合使用方式，平滑调控负荷供给，使机组的运行更加平稳，安全性、可靠性得到明显改善，机组的使用寿命延长。

附图说明

图1是本发明实施例的方法流程图；

图2是本发明实施例的系统结构示意图；

图3是本发明实施例的系统架构图。

下面结合附图和具体实施方式对本发明作进一步的说明。

具体实施方式

本发明的实施例1：一种分布式能源系统的运行优化控制方法，如图1所示，包括以下步骤：

一、数据采集

采集环境信息和机组实际运行数据；所述环境信息包括当地大气环境温度、湿度信息；所述机组实际运行数据包括机组的负荷率和工作效率。

二、建立冷热电负荷预测模型

一般的电厂是以发电量多少为目标，其它都是附带产品；而以冷热电联供技术为基础的分布式能源站则是采用以“冷(热)定电”方式运行。也就是说，能源站主要目的是产生冷负荷或热负荷，发电则成为了附带产品，在能源站设计阶段，根据冷或热负荷的需求来确定机组容量配置，发电量则是根由此机组容量被确定，称之为冷(热)定电”。因而冷热电负荷优化分配实际上是冷热负荷的优化分配问题。冷负荷定义为空调冷负荷，热负荷包括工业蒸汽负荷和空调热负荷。其中空调冷热负荷由低压蒸汽作为驱动源，通过吸收式制冷机组和板式换热器分别实现；工业蒸汽负荷用高压蒸汽作为驱动源，并通过汽轮机抽汽、尖峰锅炉以及减温减压器三种方式的一种或几种的组合来实现。

根据采集的环境信息来获得分布式能源站用户的冷、热负荷随季节和时刻的变化规律，再根据所述变化规律和用户蒸汽需求计划(用户蒸汽需求计划主要通过前一天晚9点以前用户提交能源站的用能计划获得)，建立冷热电负荷预测模型，具体如下：

1、以当前时间为起点，收集近三年内的天气预报信息(包括温度、湿度等)，利用指数平滑算法获得逐时天气变化曲线，然后与当前天气预报信息进行对比、修正，建立气象预测模型，对未来三天内的天气情况进行预测，计算未来一天的逐时天气变化曲线；

2、根据未来一天的逐时天气变化曲线，统计能源站用户不少于一年内的用能(冷、热)数据，计算未来一天的冷、热负荷随季节和时刻的逐时变化曲线，再根据未来一天的冷、热负荷随季节和时刻的逐时变化曲线和用户蒸汽需求计划，建立冷热电负荷预测模型。

本申请中“逐时”的意思是按每小时罗列出来。

三、优化预测模型

为提高冷热电负荷预测模型的精度，引入实时校验因子和机组实际运行数据，在线、实时优化冷热电负荷预测模型，来逐时预测冷、热、电负荷的动态需求。

所述实时校验因子是通过即时数据在线修正所得的负荷预测值，所述即时数据包括分布式能源站向用户提供空调冷、热水供回水母管的温度和流量。

所述冷、热、电负荷的动态需求包括能源站用户的未来负荷分布情况以及峰谷负荷的发生时刻和持续时间。

四、负荷动态优化分配

在满足能源利用效率的前提下，以实现全厂经济效益最优为目标，根据预测的冷、热、电负荷的动态需求建立负荷动态优化分配模型，输出负荷动态优化分配结果，对分布式能源站各套机组须完成负荷数量进行调配，主要完成工业蒸汽负荷、低压蒸汽负荷在多套联合循环机组间的优化分配，以及尖峰负荷工况时应急锅炉与联合循环机组之间的负荷协同优化分配。所述工业蒸汽负荷的优化分配为供热源之间的负荷分配，所述供热源包括联合循环机组汽轮机抽汽、尖峰锅炉和减温减压器；所述低压蒸汽负荷(或称暖通蒸汽负荷)的优化分配为汽轮机补汽、板式换热器以及吸收式制冷机组之间的优化分配。

其中，所述负荷动态优化分配模型按以下步骤建立：

1、以分布式能源站支出费用的相加和为目标函数，支出费用包括耗电费用、耗气费用和运行维护费用；

2、以满足能源利用效率为约束条件，约束条件包括用户用能需求的系统冷热电产用平衡条件、机组容量限定条件和环境排放限制条件；

3、通过计算，得出满足约束条件下的目标函数最小时的解，从而获得最优的负荷动态优化分配结果。

五、负荷实现方式的优化与调控

基于全厂经济效益最优，根据负荷动态优化分配结果建立组合优化模型，获得的每套机组所需完成的负荷，输出机组运行优化命令，对单套机组内部所有可能的供能(冷、热、电)方式进行组合优化及相关参数(如抽汽阀开度、减温减压阀开度等)进行调节控制，满足负荷供给，满足参数变化的平滑性要求。主要完成单机组内部各调控单元之间的模式调控，主要针对汽机抽汽满足供热前提下的各机组单元的运行模式优化，优化的目的是实现单机组效益最大化，确定单机组的工作模式。例如，某一工业蒸汽需求工况下，对汽轮机抽汽、减温减压器、应急锅炉等进行优化组合，并计算出最优的抽汽阀开度、减温减压阀开度及应急锅炉负荷量等，实现机组经济运行；某一制冷负荷需求工况下，暖通蒸汽在换热、补汽等之间的优化组合及最佳调节等。

所述组合优化模型按以下步骤建立：

1、以机组支出费用的相加和为目标函数，机组支出费用包括机组的耗电费用和耗气费用；

2、约束条件包括冷热电负荷满足供应值条件、机组供能单元的容量调节上、下坡速率限定条件和工作区间限定条件；

3、通过计算，得出满足约束条件下的目标函数最小时的解，从而获得最佳的组合方式。

本发明的实施例2：一种实现实施例1所述方法的分布式能源系统的运行优化控制系统，如图2所示，包括：

信息采集模块，用于采集环境信息和机组实际运行数据；

冷热电负荷预测模型，用于根据信息采集模块采集的数据获得分布式能源站用户的冷、热负荷随季节和时刻的变化规律，再根据所述变化规律和用户蒸汽需求计划，建立冷热电负荷预测模型；

负荷预测优化模块，用于通过引入实时校验因子和机组实际运行数据，在线优化冷热电负荷预测模型，逐时预测冷、热、电负荷的动态需求；

负荷动态优化分配模块，用于在满足能源利用效率的前提下，以实现全厂经济效益最优为目标，根据预测的冷、热、电负荷的动态需求建立负荷动态优化分配模型，输出负荷动态优化分配结果；

负荷实现方式优化调控模块，用于基于全厂经济效益最优，根据负荷动态优化分配结果建立组合优化模型，输出机组运行优化命令，对负荷实现方式进行优化及调控。

其中，所述冷热电负荷预测模型包括：逐时天气变化曲线计算模块，用于以当前时间为起点，收集近三年内的天气预报信息(包括温度、湿度等)，利用指数平滑算法获得逐时天气变化曲线，然后与当前天气预报信息进行对比、修正，建立气象预测模型，对未来三天内的天气情况进行预测，计算未来一天的逐时天气变化曲线；冷热负荷逐时变化曲线计算模块，根据未来一天的逐时天气变化曲线，统计能源站用户不少于一年内的用能(冷、热)数据，计算未来一天的冷、热负荷随季节和时刻的逐时变化曲线。

由负荷预测优化模块提供逐时的冷热电负荷需求的确定值，然后由负荷动态优化分配模块进行厂级的负荷优化分配，基于机组实时性能分配给每套机组合理的冷热电负荷设定值，最后由负荷实现方式优化调控模块完成单机组内部各调控单元之间的模式调控，从而实现分布式能源站的在线运行决策优化。

本系统可分为决策优化站和能效管理站两大部分，主要由一套实时可组态决策优化硬件系统、一套三联供能效管理和负荷预测计算平台及相关软件包组成。为使系统运行在能效数据最优状态，本系统设置在DCS公共系统部分。

决策优化站负责对实时运行数据进行计算和优化，并最终形成决策优化命令；能效管理站负责对系统运行数据的分类和管理。

硬件设备主要包括决策优化站、能效管理站、优化控制器、电源切换装置等设备。决策优化站和能效管理站布置在工程师站(包括每站一台主机和一台显示器)；优化控制器放在电子设备间，与DCS公共系统的其他机柜并排放置；操作台和两台电源切换装置布置在工程师站，为决策优化站和能效管理站提供不间断电源。

本系统同DCS系统的关系归结为“分工明确、相互配合”，本系统侧重系统实时优化，而DCS侧重系统实时控制。如图3所示，本系统通过DCS获得现场实际运行数据，然后进行计算和优化，形成优化命令并传送至DCS系统执行，完成对分布式能源站的优化和控制。

此外，通过以下步骤验证本系统：

1、模拟接入。利用国家能源分布式能源技术研发中心的分布式能源系统集成与控制研发平台，模拟现有真实分布式能源站的系统配置，实现系统的模拟运行，反复验证，确保系统的稳定性，具备上线条件。

2、在线开环调试。将本系统与DCS系统连接，测试两者之间的数据通信速率和通信容量，并校验数据通信的正确性。

3、在线闭环调试。将本系统进行在线运行调试，经过各负荷段运行测试后，收集和分析现场数据和机组运行参数，修正系统相关控制参数。

Claims (9)

1.一种分布式能源系统的运行优化控制方法，其特征在于，包括以下步骤：

S1，采集环境信息和机组实际运行数据，以获得分布式能源站用户的冷、热负荷随季节和时刻的变化规律，再根据所述变化规律和用户蒸汽需求计划，建立冷热电负荷预测模型；

S2，通过引入实时校验因子和机组实际运行数据，在线优化冷热电负荷预测模型，逐时预测冷、热、电负荷的动态需求；

S3，在满足能源利用效率的前提下，以实现全厂经济效益最优为目标，根据预测的冷、热、电负荷的动态需求建立负荷动态优化分配模型，输出负荷动态优化分配结果；

S4，基于全厂经济效益最优，根据负荷动态优化分配结果建立组合优化模型，输出机组运行优化命令，对负荷实现方式进行优化及调控。

2.根据权利要求1所述的分布式能源系统的运行优化控制方法，其特征在于：所述环境信息包括当地大气环境温度、湿度信息；所述机组实际运行数据包括机组的负荷率和工作效率。

3.根据权利要求1或2所述的分布式能源系统的运行优化控制方法，其特征在于：所述步骤S1中的冷负荷为空调冷负荷，热负荷包括工业蒸汽负荷和空调热负荷，所述冷热电负荷预测模型通过以下步骤建立：

S11，以当前时间为起点，收集近三年内的天气预报信息，利用指数平滑算法获得逐时天气变化曲线，然后与当前天气预报信息进行对比、修正，建立气象预测模型，对未来三天内的天气情况进行预测，计算未来一天的逐时天气变化曲线；

S12，根据未来一天的逐时天气变化曲线，统计能源站用户不少于一年内的用能数据，计算未来一天的冷、热负荷随季节和时刻的逐时变化曲线，再根据未来一天的冷、热负荷随季节和时刻的逐时变化曲线和用户蒸汽需求计划，建立冷热电负荷预测模型。

4.根据权利要求1所述的分布式能源系统的运行优化控制方法，其特征在于：所述步骤S2中，所述实时校验因子是通过即时数据在线修正所得的负荷预测值，所述即时数据包括分布式能源站向用户提供空调冷、热水供回水母管的温度和流量数据。

5.根据权利要求1或4所述的分布式能源系统的运行优化控制方法，其特征在于：所述步骤S2中，所述冷、热、电负荷的动态需求包括能源站用户的未来负荷分布情况以及峰谷负荷的发生时刻和持续时间。

6.根据权利要求1或2所述的分布式能源系统的运行优化控制方法，其特征在于：所述步骤S3中，负荷动态优化分配模型根据预测得到的冷、热、电负荷值，输出负荷动态优化分配结果，对分布式能源站各套机组须完成负荷数量进行调配；所述负荷动态优化分配模型按以下步骤建立：

S31，以分布式能源站支出费用的相加和为目标函数，支出费用包括耗电费用、耗气费用和运行维护费用；

S32，以满足能源利用效率为约束条件，约束条件包括用户用能需求的系统冷热电产用平衡条件、机组容量限定条件和环境排放限制条件；

S33，通过计算，得出满足约束条件下的目标函数最小时的解，从而获得最优的负荷动态优化分配结果。

7.根据权利要求1或6所述的分布式能源系统的运行优化控制方法，其特征在于：所述步骤S4中，根据负荷动态优化分配结果获得的每套机组所需完成的负荷，对单套机组内部所有供能方式进行组合优化及相关参数的调节控制，满足负荷供给；所述组合优化模型按以下步骤建立：

S41，以机组支出费用的相加和为目标函数，机组支出费用包括机组的耗电费用和耗气费用；

S42，约束条件包括冷热电负荷满足供应值条件、机组供能单元的容量调节上、下坡速率限定条件和工作区间限定条件；

S43，通过计算，得出满足约束条件下的目标函数最小时的解，从而获得最佳的组合方式。

8.一种实现权利要求1～7任意一项所述方法的分布式能源系统的运行优化控制系统，其特征在于，包括：

信息采集模块，用于采集环境信息和机组实际运行数据；

冷热电负荷预测模型，用于根据信息采集模块采集的数据获得分布式能源站用户的冷、热负荷随季节和时刻的变化规律，再根据所述变化规律和用户蒸汽需求计划，建立冷热电负荷预测模型；

负荷预测优化模块，用于通过引入实时校验因子和机组实际运行数据，在线优化冷热电负荷预测模型，逐时预测冷、热、电负荷的动态需求；

负荷动态优化分配模块，用于在满足能源利用效率的前提下，以实现全厂经济效益最优为目标，根据预测的冷、热、电负荷的动态需求建立负荷动态优化分配模型，输出负荷动态优化分配结果；

负荷实现方式优化调控模块，用于基于全厂经济效益最优，根据负荷动态优化分配结果建立组合优化模型，输出机组运行优化命令，对负荷实现方式进行优化及调控。

9.根据权利要求8所述的分布式能源系统的运行优化控制系统，其特征在于：所述冷热电负荷预测模型包括：

逐时天气变化曲线计算模块，用于以当前时间为起点，收集近三年内的天气预报信息，利用指数平滑算法获得逐时天气变化曲线，然后与当前天气预报信息进行对比、修正，建立气象预测模型，对未来三天内的天气情况进行预测，计算未来一天的逐时天气变化曲线；

冷热负荷逐时变化曲线计算模块，根据未来一天的逐时天气变化曲线，统计能源站用户不少于一年内的用能数据，计算未来一天的冷、热负荷随季节和时刻的逐时变化曲线。3 -->