基于混合神经网络的短期供热负荷预测模型研究

作者：张嘉益; 薛贵军^*

来源：自动化仪表, 2023, 44(05): 63-73.

DOI：10.16086/j.cnki.issn1000-0380.2022100086

• 智慧供热
• 供热负荷预测
• 小波分解
• 单支重构
• 卷积神经网络
• 长短时记忆神经网络

短期供热负荷预测对促进节能减排以及建设智慧供热系统有着重要意义。由于热负荷数据呈现较强的非线性、滞后性和耦合性，常规预测模型难以取得令人满意的效果。针对传统的长短时记忆(LSTM)神经网络的研究，提出了1种以小波分解(WD)和卷积神经网络(CNN)为基础的混合神经网络模型。首先，采用WD将序列分解为不同的子序列；其次，采用CNN提取局部特征，对输入变量进行解耦合；然后，采用LSTM对时间子序列分别进行预测；最后，通过融合计算子序列预测结果得出预测序列。试验结果表明，与LSTM、CNN、CNN-LSTM等网络相比，WD-CNN-LSTM的平均绝对误差、决定系数、均方根误差等指标都更好，能够满足换热站对供热负荷高精度预测的要求。

• 单位
  华北理工大学; 重庆大学