传统的集中供暖系统热负荷预测取决于操作人员的经验，与系统实际热负荷相差过大，容易造成热用户侧温度过高或过低，影响热用户体验，不利于系统节能。采用机器自学习的方法，对大连某供热系统2019年至2021年的系统数据进行处理，基于多元线性回归、多项式回归、岭回归、Lasso回归、神经网络算法建立供热系统热负荷预测模型，并对比预测效果。结果显示：采用BP神经网络模型的供热系统热负荷预测结果比经验预测结果高8.7%，随着模型不断地自学习与自优化，预测结果的精度可进一步提高。
科研之友
微信
新浪微博
Facebook
分享链接
