集中供热系统的热负荷预测方法研究

城市集中供热节能是建筑节能的有效途径之一。供热系统的运行调节直接影响着系统的整体节能。供热系统的供暖热负荷预测指导着供热系统的运行调节和控制。因此，本文提出了对供热系统供暖热负荷预测方法的研究，目的是提供一种预测供热系统供暖热负荷值的方法，在确保满足各热用户（热力站）的实际供热需求的条件下达到供热系统的经济运行。 本文以集中供热系统作为研究对象，基于遗传算法优化的神经网络算法，进行供热系统的供暖热负荷预测方法的研究。首先从影响建筑热负荷的因素入手，对建筑供暖热过程和供暖负荷的特征进行了分析。按照供暖负荷的特征将其划分为气象因素、建筑因素和人为因素，并区别供热计量建筑与非热计量建筑。由于用户行为的不可预知性，其为负荷预测中的偶然因素。在此基础上，根据热负荷预测过程中的主要影响因素对热负荷方法进行了研究。 对目前可用于热负荷预测的方法进行了评价。由于供热系统热负荷具有时变性、时滞性、随机性和偶然性等特点，神经网络方法对热负荷的预测具有明显优势，其中，BP神经网络算法存在收敛慢、容错差、易陷于局部最小等缺点，而遗传算法能弥补BP算法的不足，因此本课题选择了这种方法。本文以MATLAB软件为平台，用遗传算法来优化网络结构的权值，再结合BP神经网络算法对历史数据进行学习训练，最终得到热负荷的预测结果。