检索结果-南通市图书馆

基于气温与日期类型的改进BP网络热负荷预测

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2018年第4期30卷 1464-1472页

作者：李琦赵峰内蒙古科技大学信息工程学院内蒙古包头014000

热负荷预测为城市集中供热系统提供数据支持,是实现按需供热的基础。热负荷的变化受外界各项因素特别是室外温度影响较大,为在满足供热系统需求量的同时做到节能与兼顾人体舒适度,提出基于气温与日期类型的热负荷预测方法。该方法将气... 详细信息

热负荷预测为城市集中供热系统提供数据支持,是实现按需供热的基础。热负荷的变化受外界各项因素特别是室外温度影响较大,为在满足供热系统需求量的同时做到节能与兼顾人体舒适度,提出基于气温与日期类型的热负荷预测方法。该方法将气温与日期类型进行量化并利用BP神经网络建立供热系统的热负荷预测模型。为保证预测精度采用遗传算法对神经网络连接权值和阈值进行优化,得到未来24小时的热负荷预测值。预测结果表明,此方法可以较准确地预测未来的热负荷,并达到按需供热和节能环保的目的。

关键词：热负荷预测气温遗传算法日期类型

在线全文

学校读者我要写书评

暂无评论

基于交叉验证支持向量回归的供热负荷预测

中北大学学报（自然科学版） 2014年第5期35卷 565-570页

作者：张佼田琦王美萍太原理工大学环境科学与工程学院山西太原030024

支持向量回归机(Support Vector Regression,SVR)在供热负荷预测中得到了一些研究,然而模型的拟合度和泛化能力依赖于其相关参数的选取,需要足够的先验信息,寻优过程存在难度.针对上述情况,提出采用交叉验证(Cross Validation,CV)的思... 详细信息

支持向量回归机(Support Vector Regression,SVR)在供热负荷预测中得到了一些研究,然而模型的拟合度和泛化能力依赖于其相关参数的选取,需要足够的先验信息,寻优过程存在难度.针对上述情况,提出采用交叉验证(Cross Validation,CV)的思想对其中的重要参数(惩罚因子C和RBF核函数参数γ)进行网格划分,在训练集中自动寻找最佳参数,从而得到最佳的训练模型,并用该模型对测试集进行回归预测.以某热源数据进行了实验研究,结果表明:该方法能够快速建立预测模型,有效地预测供热负荷,具有较高的拟合度和较强的泛化能力.

关键词：支持向量回归交叉验证参数优选热负荷预测

基于KNN和RF结合的供热机组热负荷预测研究

在线全文

学校读者我要写书评

暂无评论

全球能源互联网 2021年第6期4卷 595-601页

作者：刘培栋刘立巍李明赵光刘书元邵壮周建新润电能源科学技术有限公司河南省郑州市450000 东南大学能源与环境学院江苏省南京市210096 新乡中益发电有限公司河南省新乡市453000

电负荷和热负荷具有较强的耦合性,热负荷需求的准确预测对于预测电负荷进而让供热机组更好地进行深度调峰辅助服务报价工作具有重要作用。经多种算法对比研究表明,基于最邻近结点和随机森林的集成预测算法(KNN-RFAverage)具有很好的回... 详细信息

电负荷和热负荷具有较强的耦合性,热负荷需求的准确预测对于预测电负荷进而让供热机组更好地进行深度调峰辅助服务报价工作具有重要作用。经多种算法对比研究表明,基于最邻近结点和随机森林的集成预测算法(KNN-RFAverage)具有很好的回归性能和较低的计算复杂度。特别是在面对热负荷存在极端波动的情况下,采用该算法进行热负荷预测可以保持鲁棒性,为有效解决连续多点热负荷预测、机组供热面积及用热习惯发生变化的问题提供了新的思路和方法。

关键词：深度调峰热负荷预测最邻近节点随机森林

在线全文

学校读者我要写书评

暂无评论

基于遗传粒子群优化的热负荷预测方法

中国测试 2024年第6期50卷 131-138,147页

作者：谢文举薛贵军史彩娟李水清华北理工大学电气工程学院河北唐山063210 华北理工大学智能仪器厂河北唐山063210 华北理工大学人工智能学院河北唐山063210

集中供热系统一次网热负荷预测对于换热站能源合理分配具有重大意义,针对换热站之间存在较强的耦合性,如何保证换热站实现节能减排的同时并保证热用户的舒适性是供热行业的首要任务,提出一种基于遗传粒子群的混合神经网络(GAPSO-CNN-BiL... 详细信息

集中供热系统一次网热负荷预测对于换热站能源合理分配具有重大意义,针对换热站之间存在较强的耦合性,如何保证换热站实现节能减排的同时并保证热用户的舒适性是供热行业的首要任务,提出一种基于遗传粒子群的混合神经网络(GAPSO-CNN-BiLSTM)预测模型。首先,利用热负荷历史值、供水流量、供水温度以及回水压力构建模型输入;然后,利用完全噪声辅助聚合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将供热负荷分解为不同子序列,以弱化供热负荷数据复杂程度,挖掘数据内部潜在特征;其次,为进一步减少模型计算时间,根据样本熵(sample entropy,SE)对子序列进行合并;最后,利用所提模型对不同子序列进行预测重构。实验表明所提模型相比LSTM、CNN-LSTM以及粒子群优化的混合神经网络(PSO-CNN-LSTM)在供热负荷预测中精度分别提高42%,32%,30%拥有更出色的特征提取能力和精度。

关键词：完全噪声辅助聚合经验模态分解样本熵遗传粒子群一次网热负荷预测

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于LSTM的热力站短期热负荷预测研究

计算机仿真 2022年第9期39卷 507-512页

作者：张腾达李琦陈波内蒙古科技大学信息工程学院内蒙古包头014010

针对目前热负荷预测一些方法缺乏有效的实际数据现象,选用包头市某热力公司多年历史数据进行预测和仿真。通过分析影响热负荷预测的主要因素为建立在时间序列上的室外气温和风力因素,采用长短期记忆神经网络(Long Short-Term Memory Neu... 详细信息

针对目前热负荷预测一些方法缺乏有效的实际数据现象,选用包头市某热力公司多年历史数据进行预测和仿真。通过分析影响热负荷预测的主要因素为建立在时间序列上的室外气温和风力因素,采用长短期记忆神经网络(Long Short-Term Memory Neural Network, LSTM)对区域供热系统一次侧热负荷预测进行研究。上述模型将下一时刻热负荷作为预测目标,通过未来24小时天气序列预测对应的热负荷值。同时,将所提出的LSTM模型与支持向量机(Support Vector Machine, SVM)预测模型进行对比实验,结果表明,所提方法在热负荷预测中具有更高的预测精度和稳定性,具有较大的实用价值。

关键词：深度学习热负荷预测时间序列长短期记忆神经网络支持向量机

基于NARX神经网络的热负荷预测中关键影响因素分析

在线全文

学校读者我要写书评

暂无评论

计算机应用 2018年第11期38卷 3180-3187页

作者：谢吉洋闫冬谢垚马占宇北京邮电大学模式识别与智能系统实验室北京100876 北京邮电大学图书馆北京100876

在区域供热(DH)网络中,精确预测热负荷已被认为是提高效率和节省成本的重要环节。为了提高预测精度,研究不同影响因素对热负荷预测的影响极为重要。使用引入不同影响因素的数据集训练得到带外部输入的非线性自回归(NARX)神经网络模型,... 详细信息

在区域供热(DH)网络中,精确预测热负荷已被认为是提高效率和节省成本的重要环节。为了提高预测精度,研究不同影响因素对热负荷预测的影响极为重要。使用引入不同影响因素的数据集训练得到带外部输入的非线性自回归(NARX)神经网络模型,并比较其预测性能,以讨论直接太阳辐射和风速对热负荷预测的影响程度。实验结果表明,直接太阳辐射和风速都是热负荷预测中的关键影响因素。只引入风速时,预测模型的平均绝对百分比误差(MAPE)和均方根误差(RMSE)均低于只引入直接太阳辐射,同时引入风速和直接太阳辐射能够得到最佳的模型预测性能,但是对于MAPE和RMSE降低的贡献不大。

关键词：区域供热热负荷预测非线性自回归神经网络直接太阳辐射风速

基于改进沙猫群算法优化CNN-BiLSTM的热负荷预测

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第14期47卷 20-29页

作者：王耀辉薛贵军赵广昊华北理工大学电气工程学院河北唐山063200 华北理工大学智能仪器厂河北唐山063000

针对传统热负荷预测精度不高、无法满足换热站及热网优化调控需求的问题,提出一种VMD-ISCSO-CNN-BiLSTM的热负荷预测模型。首先,利用变分模态分解(VMD)对原始供热负荷数据进行降噪处理,降低数据的不稳定性;其次,由K-means算法改进种群... 详细信息

针对传统热负荷预测精度不高、无法满足换热站及热网优化调控需求的问题,提出一种VMD-ISCSO-CNN-BiLSTM的热负荷预测模型。首先,利用变分模态分解(VMD)对原始供热负荷数据进行降噪处理,降低数据的不稳定性;其次,由K-means算法改进种群初始化,由演变机制改进寻优能力和由变异机制改进跳出局部最优能力,利用改进沙猫群算法(ISCSO)对卷积神经网络、双向长短期记忆神经网络(CNN-BiLSTM)超参数进行寻优,建立热负荷预测模型;最后通过实例进行分析。结果表明,数据降噪后模型预测精度更高,R^(2)提升1.1%;由ISCSO优化的模型比其他算法优化的模型预测效果更好,拟合度达到99.4%;VMD-ISCSO-CNN-BiLSTM的组合预测模型相较于单一模型,RMSE降低18.5%,MAE降低13.8%,R^(2)提升15.8%,并有更好的拟合度,泛化性强,满足工程实际要求。

关键词：热负荷预测卷积神经网络双向长短期记忆神经网络改进沙猫群算法变分模态分解(VMD) K-means算法演变机制变异机制

基于SVMD的改进BWO-TimesNet短期热负荷预测模型

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

广西师范大学学报（自然科学版） 2024年第6期42卷 101-116页

作者：段沁宇薛贵军谭全伟谢文举华北理工大学电气工程学院河北唐山063200 智能仪器厂(华北理工大学) 河北唐山063000

精准高效的热负荷预测对于保障热力系统稳定运行和合理规划热力资源至关重要。为了提升热负荷预测的准确性,本文提出一种基于逐次变分模态分解(successive variational mode decomposition,SVMD)和改进白鲸优化算法(improved Beluga wha... 详细信息

精准高效的热负荷预测对于保障热力系统稳定运行和合理规划热力资源至关重要。为了提升热负荷预测的准确性,本文提出一种基于逐次变分模态分解(successive variational mode decomposition,SVMD)和改进白鲸优化算法(improved Beluga whale optimization,IBWO)的TimesNet短期热负荷预测模型。首先,利用SVMD将原始热负荷数据进行分解,去除噪声后得到若干个平稳且有规律的模态分量;其次,根据每个模态分量的特点选择合适的特征作为输入;然后,引入3种策略来改进白鲸优化算法,从而建立IBWO-TimesNet预测模型;最后,通过算例对模型的预测性能进行详细评估。结果表明:SVMD-IBWO-TimesNet模型的MAE、RMSE和R 2分别为0.647、1.190和99.1%。与其他主流预测模型相比,该模型具有更高的预测精度。同时,在减少训练样本的情况下,SVMD-IBWO-TimesNet模型仍能有效预测热负荷,具有较强的泛化能力。验证了所提出模型的有效性,为热力系统供热负荷的精准调控提供了参考。

关键词：热负荷预测 TimesNet 逐次变分模态分解白鲸优化算法

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于支持向量回归和小波包的供热负荷预测

暖通空调 2007年第2期37卷 1-5页

作者：黎展求朱栋华刘冬岩沈阳建筑大学沈阳辰宇建筑有限责任公司

通过分析影响热网负荷变化的各种因素,对热负荷数据进行预处理,运用小波包变换对负荷序列进行分解,对各子序列分别建立支持向量回归预测模型,最后通过序列重构,得出预测结果。仿真结果表明,该方法比传统BP神经网络和未作小波包分解的支... 详细信息

通过分析影响热网负荷变化的各种因素,对热负荷数据进行预处理,运用小波包变换对负荷序列进行分解,对各子序列分别建立支持向量回归预测模型,最后通过序列重构,得出预测结果。仿真结果表明,该方法比传统BP神经网络和未作小波包分解的支持向量回归法具有更高的预测精度。

关键词：供热系统热负荷预测支持向量回归小波包