基于气温与日期类型的改进BP网络热负荷预测

被引：32

作者：

李琦

赵峰

机构：

[1] 内蒙古科技大学信息工程学院

来源：

系统仿真学报 | 2018年 / 30卷 / 04期

关键词：

热负荷预测; 气温; 遗传算法; 日期类型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TU995 [城市集中供热];

学科分类号：

081403 [市政工程]; 140502 [人工智能];

摘要：

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。

引用

页码：1464 / 1472

页数：9

共 10 条

[1]

MATLAB神经网络30个案例分析.[M].MATLAB中文论坛; 编著.北京航空航天大学出版社.2010,

[2]

集中供热系统总供热量ADP优化控制策略研究 [D].

韩颖 .

内蒙古科技大学,

2015

[3]

集中供热系统的热负荷预测方法研究 [D].

李胜涛 .

长安大学,

2014

[4]

集中供热系统运行调节优化及热负荷预测方法研究 [D].

王庆峰 .

山东大学,

2010

[5]

Load prediction method for heat and electricity demand in buildings for the purpose of planning for mixed energy distribution systems.[J].Linda Pedersen;Jacob Stang;Rolf Ulseth.Energy & Buildings.2007, 7

[6]

基于遗传算法优化BP神经网络的供暖系统热负荷预测模型 [J].