集成奇异谱分析与神经网络的热负荷预测算法

作     者：王雅然 宋子旭 由世俊 史凯雨 王科全 宋波 Wang Yaran;Song Zixu;You Shijun;Shi Kaiyu;Wang Kequan;Song Bo

作者机构：天津大学环境科学与工程学院天津300072 天津亿通达科技发展有限公司天津300382 

出 版 物：《天津大学学报（自然科学与工程技术版）》 (Journal of Tianjin University：Science and Technology)

年 卷 期：2023年第56卷第6期

页      面：573-578页

核心收录：

学科分类：080702[工学-热能工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金资助项目(52008290) 

主　　题：智能热网 二次网 热负荷预测 奇异谱分析 神经网络 

摘      要：在国家大力推行“双碳政策,供热行业迎来“智能热网升级改造的大背景下,针对二次网供热系统的运行调控进行研究,有机地结合了数学领域的奇异谱分析算法与BP神经网络算法,形成了一套高效的供热二次网热负荷预测算法.先利用奇异谱分析完成原始数据预处理,过滤数据噪声,再利用神经网络学习数据特性,生成负荷预测模型,最终借由精准的负荷预测更好地指导二次网热力站现场的运行调控策略.以2018-2019年采暖季天津市某热电公司管辖热网的14个二次网系统实测数据作为热负荷预测方法的应用案例进行研究,证明了利用奇异谱分析算法过滤原始数据噪声信息的有效性,其中对室外温度时间序列剔除了累计特征贡献率不到9.3%的噪声数据,数据波动幅度超过10%的时刻占比由17.56%下降至1.79%;证明了利用BP神经网络算法搭建模型进行二次网建筑热负荷预测与回水温度预测的准确性,24 h回水温度预测值的整体最大绝对误差为0.60℃,二次网系统A和B的最大绝对误差分别为0.43℃和0.65℃.所提算法为二次网供热系统优化调节提供了新的思路.