基于LSTM的热力站短期热负荷预测研究

作者：张腾达; 李琦; 陈波

来源：计算机仿真, 2022, 39(09): 507-512.

• 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

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。

• 单位
  内蒙古科技大学