Short-term Net Load Forecasting Considering Thermal Effect of Rooftop Photovoltaic

LI Fen; LI Yuxin; WANG Yawei; SUN Gaiping; LIU Ronghui; QU Aifang

doi:10.7500/AEPS20240723006

您当前的位置：

首页 >

文章列表页 >

Short-term Net Load Forecasting Considering Thermal Effect of Rooftop Photovoltaic

Basic Research | 更新时间：2025-06-16

- Short-term Net Load Forecasting Considering Thermal Effect of Rooftop Photovoltaic
- Automation of Electric Power Systems Vol. 49, Issue 9, Pages: 146-156(2025)
- 作者机构：
  
  1.上海电力大学电气工程学院，上海市 200090
  2.湖北省低频电磁通信技术重点实验室，湖北省武汉市 430074
  3.上海师范大学数理学院，上海市 200234
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(12071298)
- DOI：10.7500/AEPS20240723006
  CLC：
- Received：23 July 2024，
  
  Revised：2024-12-26，
  
  Published Online：11 February 2025，
  
  Published：10 May 2025
- 稿件说明：
移动端阅览
李芬,李雨欣,王亚维等.考虑屋顶光伏热效应的短期净负荷预测[J].电力系统自动化,2025,49(9):146-156.

LI Fen,LI Yuxin,WANG Yawei,et al.Short-term Net Load Forecasting Considering Thermal Effect of Rooftop Photovoltaic[J].Automation of Electric Power Systems,2025,49(9):146-156.
李芬,李雨欣,王亚维等.考虑屋顶光伏热效应的短期净负荷预测[J].电力系统自动化,2025,49(9):146-156. DOI： 10.7500/AEPS20240723006.

LI Fen,LI Yuxin,WANG Yawei,et al.Short-term Net Load Forecasting Considering Thermal Effect of Rooftop Photovoltaic[J].Automation of Electric Power Systems,2025,49(9):146-156. DOI： 10.7500/AEPS20240723006.

摘要

对于隔热性能差、表面积大的低层工业建筑，其屋顶光伏组件的遮阳保温效应会对建筑日负荷的大小、波动规律产生巨大影响。然而，净负荷预测的研究大多着眼于负荷与光伏的单一特征，鲜少考虑光伏对负荷的热效应。针对以上不足，文中以上海某地工业建筑作为研究对象，通过热平衡法构建光伏-屋顶集成传热模型，对光伏屋顶全年热效应进行计算，并通过相关性分析验证了逐时传热量、光伏电池温度分别与负荷、光伏出力具有较强的相关性。随后，为更准确地提取负荷的行为特征，文中基于传热量的波形特征对各个季节的日负荷进行聚类分析。最后，以传热特征作为输入要素，双向长短期记忆网络作为预测算法，提出一种考虑屋顶光伏热效应的短期净负荷预测方法，对该建筑各个季节的净负荷数据进行预测建模计算和误差分析，并使用长短期记忆网络-注意力机制、长短期记忆网络与极限学习机进行横向对比。结果表明，所提方法能够显著提升净负荷的预测精度。

Abstract

For low-rise industrial buildings with poor thermal insulation performance and large surface area

the shading and insulation effect of their rooftop photovoltaic modules will have a huge impact on the magnitude and fluctuation pattern of the daily load. However

the research on net load forecasting mostly focuses on the single characteristics of load and photovoltaic

with little consideration given to the thermal effects of photovoltaics on load. In response to the above shortcomings

this paper takes an industrial building in Shanghai

China as the research object

constructs a photovoltaic-rooftop integrated heat transfer model through the thermal balance method

calculates the annual thermal effect of rooftop photovoltaic

and verifies the strong correlation between hourly heat transfer and photovoltaic cell temperature with load and photovoltaic output through correlation analysis. Subsequently

in order to more accurately extract the behavior characteristics of the load

the paper conducts cluster analysis on the daily load of each season based on the waveform features of heat transfer. Finally

using heat transfer characteristics as input factors and bi-directional long short-term memory network as forecasting algorithm

a short-term net load forecasting method considering the thermal effect of rooftop photovoltaic is proposed. The net load data of the building in each season is forecasted

modeled

calculated

and error analyzed. Horizontal comparison with long short-term memory network-attention mechanism

long short-term memory network and extreme learning machine shows that the proposed method can significantly improve the accuracy of net load forecasting.

关键词

Keywords

references

清华大学建筑节能研究中心 . 中国建筑节能年度发展研究报告2023城市能源系统专题［M］. 北京：中国建筑工业出版社， 2023 .

Tsinghua University Building Energy Conservation Research Center . Annual development research report of building energy efficiency in China： 2023 special topics of urban energy system ［M］. Beijing ： China Architecture & Building Press ， 2023 .

裴方璇，刘云，吴婷，等 . 协同考虑空气质量与热舒适度的暖通空调系统双层优化控制策略［J］. 电力系统自动化， 2024 ， 48 （ 17 ）： 151 - 160 .

PEI Fangxuan ， LIU Yun ， WU Ting ， et al . Bi-level optimal control strategy for heating， ventilation， and air conditioning system with collaborative consideration of air quality and thermal comfort ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 17 ）： 151 - 160 .

苏伟 . 推进光伏建筑一体化助力建筑行业碳达峰［N］. 中国电力报， 2023-03-02 （004）.

SU Wei . Promoting photovoltaic building integration to help the carbon peak of the building industry ［N］. China Electric Power News ， 2023-03-02 （004）.

WANG Y P ， TIAN W ， REN J B ， et al . Influence of a building’s integrated-photovoltaics on heating and cooling loads ［J］. Applied Energy ， 2006 ， 83 （ 9 ）： 989 - 1003 .

MA Z Y ， HU L ， MAO H Z ， et al . Shading effect and energy-saving potential of rooftop photovoltaic on the top-floor room ［J］. Solar Energy ， 2023 ， 265 ： 112099 .

刘艳峰，王玥，王登甲，等 . 屋顶光伏发电与遮阳综合节能分析［J］. 太阳能学报， 2019 ， 40 （ 6 ）： 1545 - 1552 .

LIU Yanfeng ， WANG Yue ， WANG Dengjia ， et al . Study on comprehensive energy-saving of shading and photovoltaic performance of roof added PV module ［J］. Acta Energiae Solaris Sinica ， 2019 ， 40 （ 6 ）： 1545 - 1552 .

DOMINGUEZ A ， KLEISSL J ， LUVALL J C . Effects of solar photovoltaic panels on roof heat transfer ［J］. Solar Energy ， 2011 ， 85 （ 9 ）： 2244 - 2255 .

PÉREZ-LOMBARD L ， ORTIZ J ， POUT C . A review on buildings energy consumption information ［J］. Energy and Buildings ， 2008 ， 40 （ 3 ）： 394 - 398 .

US Energy Information Administration . Assumptions to the Annual Energy Outlook 2017 ［R］. Washington， USA ： US Energy Information Administration ， 2017 .

ESPINO-REYES C A ， ORTEGA-AVILA N ， RODRÍGUEZ-MUÑOZ N A . Energy savings on an industrial building in different climate zones： envelope analysis and PV system implementation ［J］. Sustainability ， 2020 ， 12 （ 4 ）： 1391 .

姜飞，林政阳，王文烨，等 . 考虑最小平均包络熵负荷分解的最优Bagging集成超短期多元负荷预测［J］. 中国电机工程学报， 2024 ， 44 （ 5 ）： 1777 - 1789 .

JIANG Fei ， LIN Zhengyang ， WANG Wenye ， et al . Optimal Bagging ensemble ultra short term multi-energy load forecasting considering least average envelope entropy load decomposition ［J］. Proceedings of the CSEE ， 2024 ， 44 （ 5 ）： 1777 - 1789 .

周思思，李勇，郭钇秀，等 . 考虑时序特征提取与双重注意力融合的TCN超短期负荷预测［J］. 电力系统自动化， 2023 ， 47 （ 18 ）： 193 - 205 .

ZHOU Sisi ， LI Yong ， GUO Yixiu ， et al . Ultra-short-term load forecasting based on temporal convolutional network considering temporal feature extraction and dual attention fusion ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 18 ）： 193 - 205 .

邢晓萱，巩敦卫，孙晓燕，等 . 基于重构误差和极端模式识别的综合能源系统短期负荷预测［J］. 中国电机工程学报， 2024 ， 44 （ 9 ）： 3476 - 3488 .

XING Xiaoxuan ， GONG Dunwei ， SUN Xiaoyan ， et al . Short-term load forecasting of integrated energy system based on reconstruction error and extreme patterns recognition ［J］. Proceedings of the CSEE ， 2024 ， 44 （ 9 ）： 3476 - 3488 .

RAZAVI S E ， AREFI A ， LEDWICH G ， et al . From load to net energy forecasting： short-term residential forecasting for the blend of load and PV behind the meter ［J］. IEEE Access ， 2020 ， 8 ： 224343 - 224353 .

刘友波，吴浩，刘挺坚，等 . 集成经验模态分解与深度学习的用户侧净负荷预测算法［J］. 电力系统自动化， 2021 ， 45 （ 24 ）： 57 - 64 .

LIU Youbo ， WU Hao ， LIU Tingjian ， et al . User-side net load forecasting method integrating empirical mode decomposition and deep learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 24 ）： 57 - 64 .

王炜，冯斌，黄刚，等 . 基于自注意力编码器和深度神经网络的短期净负荷预测［J］. 中国电机工程学报， 2023 ， 43 （ 23 ）： 9072 - 9083 .

WANG Wei ， FENG Bin ， HUANG Gang ， et al . Short-term net load forecasting based on self-attention encoder and deep neural network ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 23 ）： 9072 - 9083 .

SAEEDI R ， SADANANDAN S K ， SRIVASTAVA A K ， et al . An adaptive machine learning framework for behind-the-meter load/PV disaggregation ［J］. IEEE Transactions on Industrial Informatics ， 2021 ， 17 （ 10 ）： 7060 - 7069 .

李芬，周尔畅，孙改平，等 . 一种新型天气分型方法及其在光伏功率预测中的应用［J］. 上海交通大学学报， 2021 ， 55 （ 12 ）： 1510 - 1519 .

LI Fen ， ZHOU Erchang ， SUN Gaiping ， et al . A novel weather classification method and its application in photovoltaic power prediction ［J］. Journal of Shanghai Jiao Tong University ， 2021 ， 55 （ 12 ）： 1510 - 1519 .

李芬，杨勇，胡超，等 . 基于天气类型识别的跟踪式光伏发电系统能量评估及优化［J］. 太阳能学报， 2020 ， 41 （ 11 ）： 112 - 119 .

LI Fen ， YANG Yong ， HU Chao ， et al . Energy evaluation analysis and optimization of tracking photovoltaic generation system based on weather type recognition ［J］. Acta Energiae Solaris Sinica ， 2020 ， 41 （ 11 ）： 112 - 119 .

周赣，茅欢，冯燕钧，等 . 基于多特征符号聚合近似和层次聚类的户变关系识别方法［J］. 电力系统自动化， 2024 ， 48 （ 3 ）： 133 - 141 .

ZHOU Gan ， MAO Huan ， FENG Yanjun ， et al . Identification method for user-transformer relationship based on multi-feature symbolic aggregate approximation and hierarchical clustering ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 3 ）： 133 - 141 .

ALIPOUR M ， AGHAEI J ， NOROUZI M ， et al . A novel electrical net-load forecasting model based on deep neural networks and wavelet transform integration ［J］. Energy ， 2020 ， 205 ： 118106 .

SHAKER H ， CHITSAZ H ， ZAREIPOUR H ， et al . On comparison of two strategies in net demand forecasting using wavelet neural network ［C］// 2014 North American Power Symposium （NAPS）， September 7-9 ， 2014 ， Pullman， USA ： 1 - 6 .

廖启术，胡维昊，曹迪，等 . 新能源电力系统中的分布式光伏净负荷预测［J］. 上海交通大学学报， 2021 ， 55 （ 12 ）： 1520 - 1531 .

LIAO Qishu ， HU Weihao ， CAO Di ， et al . Distributed photovoltaic net load forecasting in new energy power systems ［J］. Journal of Shanghai Jiao Tong University ， 2021 ， 55 （ 12 ）： 1520 - 1531 .

YANG T ， YANG Z N ， LI F ， et al . A short-term wind power forecasting method based on multivariate signal decomposition and variable selection ［J］. Applied Energy ， 2024 ， 360 ： 122759 .

LIN Z ， CHENG L ， HUANG G . Electricity consumption prediction based on LSTM with attention mechanism ［J］. IEEJ Transactions on Electrical & Electronic Engineering ， 2020 ， 15 （ 4 ）： 556 - 562 .

ZHEN H ， NIU D X ， WANG K K ， et al . Photovoltaic power forecasting based on GA improved Bi-LSTM in microgrid without meteorological information ［J］. Energy ， 2021 ， 231 ： 120908 .

叶林，马明顺，靳晶新，等 . 考虑风电-光伏功率相关性的因子分析-极限学习机聚合方法［J］. 电力系统自动化， 2021 ， 45 （ 23 ）： 31 - 40 .

YE Lin ， MA Mingshun ， JIN Jingxin ， et al . Factor analysis-extreme learning machine aggregation method considering correlation of wind power and photovoltaic power ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 23 ）： 31 - 40 .

SPITLER J ， FISHER D . Development of periodic response factors for use with the radiant time series method ［J］. ASHRAE Transactions ， 1999 ， 105 （ 2 ）： 491 - 509 .

ASHRAE . 1997 A SHRAE handbook—fundamentals ［S］. 1997 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Ultra-short-term Load Forecasting Considering Missing Data in Anomalous Scenarios

Bi-level Energy Scheduling Strategy for Hydrogen-powered Ships Combined with Multi-step Load Forecasting

Short-term Load Probabilistic Forecasting Based on Conditional Enhanced Diffusion Model

Completion Method for Missing Urban Power Load Data Based on Double-channel Generative Adversarial Networks

Related Author

LI Fen

LI Yuxin

WANG Yawei

SUN Gaiping

LI Jiawen

SUN Yonghui

WANG Sen

ZHANG Ziwei

Related Institution

College of Artificial Intelligence and Automation, Hohai University

School of Applied Technology, Nanjing Institute of Technology

School of Electrical Engineering, Shandong University

College of Information Science and Engineering, Northeastern University

College of Electrical Engineering, Zhejiang University

⁰