集中供熱系統(tǒng)熱負(fù)荷預(yù)測(cè)方法研究.pdf

1、我國北方城鎮(zhèn)冬季供暖所需的供熱能耗在社會(huì)能源消耗中占的比重很大，隨著國家對(duì)節(jié)約能源的日益重視，大部分地區(qū)都采用了集中供熱的供暖方式。但是由于集中供熱系統(tǒng)覆蓋區(qū)域廣闊，控制和調(diào)節(jié)十分困難，因此在供熱系統(tǒng)運(yùn)行調(diào)節(jié)過程中對(duì)熱用戶的實(shí)際供熱量進(jìn)行預(yù)測(cè)顯得十分重要。
　　為了能夠更加準(zhǔn)確的對(duì)集中供熱系統(tǒng)進(jìn)行熱負(fù)荷預(yù)測(cè)，本文對(duì)熱負(fù)荷的影響因素進(jìn)行了相關(guān)性分析，在確定預(yù)測(cè)模型的輸入變量和評(píng)價(jià)標(biāo)準(zhǔn)的基礎(chǔ)上，將神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)用于熱負(fù)荷預(yù)測(cè)，建

2、立了各自不同的優(yōu)化改進(jìn)模型，并在熱負(fù)荷預(yù)測(cè)方面的表現(xiàn)做具體的研究。對(duì)于神經(jīng)網(wǎng)絡(luò)算法，本文建立了BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，然后用小波分析理論對(duì)模型進(jìn)行了改進(jìn)并建立了小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；對(duì)于支持向量機(jī)算法，本文建立了支持向量機(jī)回歸預(yù)測(cè)模型，采用粒子群算法對(duì)支持向量機(jī)預(yù)測(cè)模型進(jìn)行參數(shù)尋優(yōu)，并由此建立基于粒子群支持向量機(jī)預(yù)測(cè)模型。為了對(duì)支持向量機(jī)學(xué)習(xí)能力進(jìn)一步提高，故本文采用了動(dòng)態(tài)多種群粒子群優(yōu)化支持向量機(jī)算法，并由此建立了基于動(dòng)態(tài)多種群粒子群支

3、持向量機(jī)熱負(fù)荷預(yù)測(cè)模型。
　　通過對(duì)各種算法的集中供熱熱負(fù)荷預(yù)測(cè)模型的分析和計(jì)算結(jié)果表明：支持向量機(jī)算法比神經(jīng)網(wǎng)絡(luò)在處理與供熱負(fù)荷有關(guān)的較多影響因素的高維數(shù)學(xué)問題方面更為先進(jìn)；動(dòng)態(tài)多種群粒子群算法在參數(shù)尋優(yōu)中的搜索能力明顯要優(yōu)與粒子群算法；優(yōu)化后的預(yù)測(cè)模型的預(yù)測(cè)精度要高于原始預(yù)測(cè)模型；使用支持向量機(jī)及其優(yōu)化算法建立的集中供熱系統(tǒng)熱負(fù)荷預(yù)測(cè)模型的預(yù)測(cè)效果整體優(yōu)于使用神經(jīng)網(wǎng)絡(luò)及其優(yōu)化算法建立的預(yù)測(cè)模型。
　　在基于供熱的實(shí)測(cè)數(shù)據(jù)